Generativ AI: Vad det är och vad det inte är

Generativ AI är ju den teknik som ligger bakom att ChatGPT kan skriva texter och att Midjourney kan skapa bilder. I grunden handlar det om system som producerar nytt innehåll genom att härma mönster de har lärt sig från enorma mängder data.

Många upplever det som magi, men egentligen är det faktiskt bara statistik i väldigt stor skala.

Hur det fungerar (utan matematik)

För att förstå tekniken behöver vi nog titta på hur en generativ AI-modell tränas på miljarder texter eller bilder. Under den här processen lär sig systemet att känna igen mönster och förstår vilka ord som brukar följa på varandra i olika sammanhang.

När du sedan ställer en fråga skapar modellen alltså ett svar genom att helt enkelt förutsäga vad som mest sannolikt borde komma härnäst. Den bygger upp meningen ord för ord utan att egentligen förstå din fråga i mänsklig mening, eftersom den i själva verket bara beräknar det mest sannolika svaret.

Detta förklarar förstås både teknikens styrkor och dess svagheter. Eftersom modellen har lärt sig hur naturlig text ser ut kan den generera svar som låter väldigt övertygande, men av exakt samma anledning kan den också producera text som låter helt rimlig fastän den är helt felaktig.

Vad generativ AI är bra på

När det gäller att ta fram ett första utkast är tekniken ju ofta till stor hjälp. Att gå från ett tomt dokument till en grundtext som du sedan kan redigera sparar mycket tid, oavsett om du arbetar med e-post eller längre rapporter.

Ett annat användningsområde är förstås att göra sammanfattningar av omfattande material. Modellen kan ganska enkelt koka ner en lång rapport till en enda sida eller sammanställa flera kundärenden för att hitta kärnproblemet.

Du kan faktiskt också använda verktygen för omformulering när du behöver anpassa en befintlig text till en ny målgrupp. Innehållet förblir detsamma, men tonen och formatet justeras för att passa en annan typ av läsare.

För brainstorming fungerar AI väl som ett bollplank för att ta fram nya idéer och vinklar. Alla förslag blir väl inte fantastiska, men en stor mängd idéer kan ofta hjälpa dig att hitta rätt väg framåt.

Inom systemutveckling används tekniken alltså flitigt för kodgenerering av repetitiva delar. Det handlar ofta om att skriva standardkod eller enhetstester som är nödvändiga men kanske inte kräver så mycket kreativt tänkande.

Vad generativ AI inte är bra på

Trots dessa styrkor finns det ju tydliga begränsningar, särskilt när det gäller fakta. Eftersom modellerna ibland hittar på information med stor övertygelse måste du alltid verifiera uppgifterna om du behöver ett helt korrekt underlag.

När det kommer till strategi kan systemet ge dig olika perspektiv, men det kan förstås inte fatta några faktiska beslut åt dig. Det strategiska omdömet och ansvaret ligger alltid kvar hos dig som användare.

Bristen på originalitet är väl en annan faktor att ha i åtanke. Eftersom AI genererar innehåll baserat på mönster den redan har sett saknar den egna erfarenheter och kan inte bidra med genuint nya insikter.

Dessutom brister tekniken faktiskt ofta i konsekvens eftersom du kan få två helt olika svar om du ställer samma fråga två gånger. Detta gör verktygen opålitliga för uppgifter som kräver exakt reproducerbarhet varje gång.

Vanliga missförstånd

Ett vanligt antagande är att AI faktiskt förstår vad du menar när du ställer en fråga. I verkligheten beräknar systemet bara det mest sannolika svaret baserat på din inmatning, och även om det ibland ser ut som verklig förståelse handlar det i grunden om sannolikhetslära.

Många tror också att AI rakt av kan ersätta anställda. I de allra flesta fall kan tekniken nog göra delar av ett jobb snabbare, men den kan sällan ersätta en hel yrkesroll om det inte rör sig om extremt repetitiva uppgifter med mycket tydliga regler.

Det finns även en föreställning om att AI snart kommer att kunna lösa precis allt eftersom modellerna ständigt förbättras. Utvecklingen går visserligen framåt, men fundamentala begränsningar som hallucinationer och brist på verklig förståelse är fortfarande inte lösta och vi vet faktiskt inte när eller om de kommer att bli det.

Vad det betyder för ditt företag

För att få ut mest värde bör du nog se generativ AI som ett rent produktivitetsverktyg. Det kan hjälpa dina medarbetare att arbeta snabbare och ge dem bättre startpunkter i vardagen, samtidigt som det kan automatisera vissa processer som tidigare krävde mycket manuellt arbete.

Samtidigt kräver användningen alltid mänsklig granskning och tydliga rutiner för kvalitetskontroll. Du behöver förstås ha en klar bild av teknikens begränsningar innan du börjar använda den skarpt i din verksamhet.

Om du vill förstå mer om hallucinationer och varför systemen ibland hittar på saker kan du ju läsa vår artikel om varför AI ljuger med sådan övertygelse. För dig som vill veta hur man kan ge AI tillgång till företagets egen data för att minska dessa problem rekommenderar vi vår guide om RAG.

Vår grundtanke är att du bör börja smått men tänka stort. De mest lyckade AI-projekten vi har sett startade oftast med en enda specifik process snarare än en stor och komplicerad transformation. Om du har ett moment i verksamheten som tar för mycket tid eller energi är det nog en alldeles utmärkt startpunkt. Berätta vad ni funderar på så hjälper vi er gärna att ta det där första steget.