Slip tøjlerne, og lad maskinerne komme til

Slip tøjlerne, og lad maskinerne komme til

9. juni 2017

Tiden er inde til at satse på Machine Learning, for der ligger et enormt uhøstet potentiale i at tilføre kunstig intelligens til forretningsgangene. Internt såvel som eksternt. Men start forsigtigt, råder Creunas data-ekspert.

Machine Learning. For nogle fremkalder navnet utopiske drømme om en hyperintelligent fremtid, fri for nutidens bøvl og mas med alt fra klimaet til at huske at købe vaskepulver. Andre får dystopiske mareridt om mas og bøvl med terminators, replikanter og Rick Deckard, hvis navnet altså ikke fremkalder en ligegyldig uvidenhed. Ligegyldigt hvad er tiden inde til at overveje, hvordan Machine Learning bør indtænkes hér, dér og allevegne. Det er i hvert fald et budskab, som findes hér, dér og allevegne.

Brands, som er ambitiøse i forhold til deres kunderelationer, bør virkelig gå i gang med Machine Learning med det samme. Det er ikke bare en ny teknologi, men en helt ny måde at styre sine digitale oplevelser på,” siger Creunas data-ekspert, Lasse Staffensen, og fortsætter:

Machine Learning betyder i virkeligheden, at vi skal i gang med at lade computeren træffe beslutninger om, hvad vi skal have på hylderne, hvordan vi prissætter produkterne, og hvad vi svarer kunderne. Det kommer utvivlsomt til at være et spørgsmål om, at virksomheder er nødt til at beherske teknologien for at kunne konkurrere på længere sigt.”

På kortere sigt lader det også til, at der er god logik i at komme i gang med maskinlæringen hurtigst muligt. Blandt andet har de kvantespring, vi har set indenfor chatbots og stemmestyret teknologi, nemlig været med til at rykke deadlinen, for hvornår virksomheder bør melde sig på banen, nærmere.

Datasumpen er det nye Klondike

Mange virksomheder har påbegyndt deres Machine Learning-rejse, og ifølge en survey fra Google og MIT, som blev offentliggjort i april, kan halvdelen af de virksomheder, der har implementeret Machine Learning, allerede kvantificere deres ROI. Mange af dem var endda i stand til det i et meget tidligt stadie. Det kan altså, som man siger i det Vestjyske, sagtens svare sig.

For udover at kunne tilbyde flere og bedre services til kunderne, giver Machine Learning nemlig også virksomhederne mulighed for at skabe værdi ud af den ustrukturerede data, som alle virksomheder ligger inde med i tonsvis.

Et rigtig godt sted at starte sin rejse er ved at prøve at få styr på al den ustrukturerede data, alle virksomheder har liggende. Om så det er lange produktbeskrivelser, SoMe-tekster eller emails med kunderne, giver det mening at lade Machine Learning løse op for den data og omsætte den til værdifulde indsigter,” fortæller Lasse Staffensen.

Han påpeger, at nogle studier viser, at op imod 80 procent af den uudnyttede dataværdi ligger i ustrukturerede data som billeder, tekst og tale. Data, som maskinerne kan kværne til omsættelig viden ved at finde mønstre og sammenhænge.

Skab tillid til teknologien

Der er, ifølge data-eksperten, også en anden stor gevinst at høste ved at lade den interne datasortering være jomfrusejladsen i robotrejsen. Nemlig at få skabt tillid, for mange i organisationen vil stole på Machine Learning i samme omfang, som Sarah Connor stolede på Terminator T-800 i 2’eren. Til de yngre læsere kan det afsløres, at det ikke var meget. Ikke i starten, i hvert fald. Tilbage på sporet får vi en forklaring.

På den måde lærer man at beherske Machine Learning og stole på resultaterne. Når man stoler på teknologien, tør man måske i højere grad tillade, at den kommer til at styre og skabe resultater for virksomhederne, for der er ingen tvivl om, at den kan se sammenhænge, der er usynlige for os,” forklarer Lasse Staffensen og tilføjer:

Og så kan både organisation og teknologi nå at modnes, inden man slipper det løs på kunderne.”

Er det farligt?

Hvis du tror, du bare kan sætte en algoritme i sving og så ellers bare læne dig tilbage og profitere, tager du grueligt fejl. Timingen, for hvor og hvornår man skal sætte ind, er nemlig helt essentiel, understreger Lasse Staffensen.

Hvis du kaster dig hovedkulds ud i Machine Learning, risikerer du at lande et sted, hvor hverken teknologi, organisation eller kunder er parate. Omvendt er det fuldstændig tydeligt, at de, som sidder passivt på hænderne, bliver tabere i længden. Det er virkelig en fin balancegang,” uddyber han.

På et mere langhåret plan er der også nogle ting, som menneskeheden som helhed skal have afklaret, før vi for alvor kan høste frugterne af den kunstige intelligens, påpeger Lasse Staffensen og tager afsæt mod de højere luftlag.

Jeg er ikke sikker på, at vi som art er klar til at rulle Machine Learning ud på det helt store plan, for det er svært at sluge, at vi har skabt en maskine, som kan fejle, uden vi kan placere et klart ansvar,” siger han og hentyder til den store polemik, som kom i kølvandet på den ene selvkørende bil, der forulykkede, mens vi forbliver tavse om de titusindvis af menneskeskabte uheld, vi oplever hver eneste dag."

Vi kommer til at kræve, at vores AI skal være eksponentielt mere sikker end det menneskelige alternativ. På et tidspunkt accepterer vi nok computernes fejlbarlighed, når det bliver tydeligt, hvor store fordelene er. Men det bliver nok en af det 21. århundredes største etiske dilemmaer,” slutter Lasse Staffensen profetisk.

Imens kan vi glæde os over, at Machine Learning helt konkret er ved at gøre verden til et bedre sted, som drengene i ‘Silicon Valley’ ville sige det. Nemlig når ufattelige mængder data hver dag analyseres, så vi får sikrere veje, bedre medicinske behandlinger, mere præcise vejrudsigter og endda noget så simpelt som bedre anbefalinger til den næste serie, der skal sluges råt på Netflix.