Vad är AI? Förklarat utan buzzwords
AI förklarat på ren svenska. Ingen hype, inga buzzwords. Vad artificiell intelligens faktiskt är, vad det kan göra, och vad det inte kan.
AI är i grunden mjukvara som kan utföra uppgifter vilka tidigare krävde mänskligt omdöme. Det är faktiskt hela definitionen, och man behöver nog inte krångla till det mer än så.
Problemet med många förklaringar av tekniken är att de ofta blir onödigt akademiska eller överdrivet dramatiska. Ena stunden pratar man om neurala nätverk, och i nästa sekund handlar diskussionen om att robotar ska ta över världen. Verkligheten är ju betydligt mer vardaglig, men samtidigt mycket mer användbar för de flesta av oss.
Vad AI kan göra idag
När vi tittar på vad tekniken faktiskt klarar av idag handlar det ofta om att sortera information, göra förutsägelser, analysera data och skapa innehåll. Eftersom det lätt låter lite abstrakt kan vi väl titta på några konkreta exempel på hur det fungerar i praktiken.
När det gäller att sortera kan ett system gå igenom 10 000 kundärenden och dela upp dem efter ämne eller hur brådskande de är. Ett arbete som normalt skulle ta en person flera veckor klarar mjukvaran alltså av på några minuter.
Om vi istället tittar på förutsägelser kan tekniken använda historisk data för att uppskatta vilka kunder som sannolikt kommer att säga upp sitt abonnemang nästa månad. Det blir förstås aldrig med 100 % säkerhet, men träffsäkerheten är ofta tillräckligt bra för att du ska kunna agera på informationen.
När det kommer till att generera material kan systemen skriva utkast till texter, sammanfatta långa dokument och till och med skriva kod. Kvaliteten varierar väl en del beroende på uppgiften, men som en första startpunkt är det ofta väldigt användbart.
Slutligen kan tekniken analysera stora mängder data för att hitta mönster som vi människor har svårt att upptäcka. Maskinen kan helt enkelt bearbeta mycket mer information på kortare tid, vilket gör att den ser samband som annars hade gått förlorade.
Vad AI inte kan
Trots dessa möjligheter finns det tydliga begränsningar, eftersom mjukvaran inte kan förstå sammanhang på det sätt som vi människor gör. Den saknar förmågan att fatta strategiska beslut och har väldigt svårt att hantera situationer den aldrig har stött på tidigare. Maskiner saknar ju helt enkelt vanligt sunt förnuft.
Låt oss ta ett konkret exempel där ett system analyserar dina kundrecensioner och konstaterar att 34 % av klagomålen handlar om leveranstider. Mjukvaran kan berätta detta för dig, men den kan faktiskt inte avgöra om den bästa lösningen är att byta fraktbolag eller om du istället borde bygga ett eget lager. Att väga sådana alternativ mot varandra kräver omdöme och en djupare förståelse för din specifika bransch.
Skillnaden mellan AI, maskininlärning och generativ AI
För att förstå tekniken bättre behöver vi nog reda ut några begrepp som ofta används som synonymer, trots att de egentligen betyder olika saker.
Artificiell intelligens fungerar som det breda paraplyet för hela området. Det omfattar alltså all mjukvara som utför uppgifter vilka normalt skulle kräva mänsklig intelligens.
Maskininlärning är i sin tur en specifik metod inom detta bredare fält. Istället för att en utvecklare manuellt programmerar in exakta regler, matar man ju in stora mängder data och låter systemet hitta mönstren på egen hand.
Generativ AI är den utveckling vi har sett mycket av på senare tid, där systemen faktiskt skapar helt nytt innehåll som text eller bilder. Kända tjänster som ChatGPT och Claude är tydliga exempel på just denna inriktning.
Ett enkelt sätt att tänka på saken är att jämföra det med idrott. Om AI är sport i allmänhet, så är maskininlärning bollsport och generativ AI är fotboll. Fotboll är ju en bollsport som i sin tur är en sport, men alla sporter är förstås inte fotboll.
Varför det spelar roll för ditt företag
När du väl har koll på begreppen blir det lättare att se hur tekniken kan användas i din egen verksamhet, och det behöver faktiskt inte handla om något enormt IT-projekt. Det handlar snarare om verktyg som du kan börja använda redan idag i en ganska liten skala för att lösa specifika problem.
Du kan ju till exempel välja att börja med att låta mjukvaran sammanfatta långa dokument eller sortera inkommande e-post. Ett annat alternativ är att använda tekniken för att ta fram första utkast till olika texter. Inget av detta kräver några miljoninvesteringar eller att du anställer ett helt team av experter.
Det som däremot krävs är att du har en grundläggande förståelse för verktygens begränsningar och att du utgår från ett konkret problem du vill lösa. Om du börjar tillräckligt smått kan du ju testa dig fram och till och med misslyckas några gånger utan att det får några allvarliga konsekvenser för verksamheten.
Nästa steg
För dig som vill förstå mer om hur de stora språkmodellerna bakom tjänster som ChatGPT faktiskt fungerar rekommenderar vi vår artikel om vad en LLM är. Om du hellre vill fördjupa dig i skillnaderna mellan olika tekniker har vi även en separat genomgång som går in mer i detalj på detta.
Vi brinner verkligen för de här frågorna och ser hela tiden hur rätt verktyg kan göra stor skillnad i vardagen. Om du har funderat på hur tekniken skulle kunna användas i din egen verksamhet får du gärna höra av dig till oss. Vi tar mer än gärna ett förutsättningslöst samtal där vi bollar idéer kring dina specifika utmaningar, eftersom det ofta räcker med att börja smått för att se de stora möjligheterna. Skicka ett meddelande så tar vi det därifrån.