[KUNSKAPSAMARBETE] AI:s popularitet har skjutit i höjden. Tekniken har blivit allt mer tillgänglig och dragit till sig allt större investeringar. Utvecklingen och införandet ökar snabbt och 70 procent av techföretagen förväntas använda AI-baserad arkitektur 2026.
Därför är det viktigt att förstå utmaningarna och planera en effektiv strategi för AI-användning som skapar affärsvärde. Experterna på Sigma Software förklarar hur.
AI är ingen övergående trend utan en integrerad del av den nya affärsverkligheten. Även om AI-teknik i sig har funnits ett tag har intresset och hajpen ökat markant sedan lanseringen av ChatGPT-3 2022.
“Under de senaste två åren har AI varit huvudämnet i nästan varje strategisession med våra nuvarande och potentiella kunder”, säger Olexiy Syrotiuk, VP of Innovations på Sigma Software Group.
”När vi tittar på vår kundbas, vi arbetar med många kunder inom olika segment, inte bara AI-relaterade, ser vi att de flesta företag vid den här tidpunkten antingen överväger eller redan har påbörjat sin resa mot AI. Det är inte längre en fråga om OM eller NÄR, utan snarare HUR man gör det snabbt och effektivt”,
I ett nötskal har tre viktiga faktorer drivit AI-utvecklingen de senaste två åren:
- Generativ AI:s framgångar och massanvändningen har ökat den allmänna medvetenheten om AI. Trots den stora hajpen kring GenAI växer också efterfrågan på ML och datavetenskap. Enligt Gartner står stora språkmodeller (LLM) och generativ AI (GenAI) endast för 8 procent av utgifterna för AI-tjänster. Men de underlättar också tillväxten för andra AI-tekniker.
- AI-teknik blir mer lättillgänglig. Idag har företag råd att använda prenumerationsbaserade AI-produkter och till och med open source-modeller som kostar miljontals kronor. Allt eftersom “hyperscalers” investerar miljarder i att bygga upp och utbilda sina AI-modeller samtidigt som riskkapitalbolag och statliga fonder aktivt finansierar nystartade AI-företag och produkter. Till exempel spenderade Meta (Facebook) över 100 miljoner dollar för att bygga Llama 3 – världens bästa AI-modell med öppen källkod – så att du kan användaden gratis. På samma sätt investerade OpenAI ytterligare 100 miljoner dollar i att träna sin senaste GPT-4-modell för att förbättra dess kapacitet och ge användarna en bättre upplevelse.
- Tillräcklig mängd data ackumuleras i organisationer. Datakulturen har förändrats och förbättrats i alla företag under de senaste tre åren. Från och med idag fokuserar fler organisationer på att bevara tillförlitliga dataset, så de flesta har redan tillräckligt med data för att träna sina modeller.
Kombinationen av dessa faktorer skapar en solid grund för ett bredare införande och får företagen att gå från en avvaktande hållning till en aktiv implementering. Den ökande tendensen att integrera AI har blivit ganska tydlig under de senaste åren.
År 2022 var det bara 23 procent av företagen som aktivt experimenterade med artificiell intelligens, medan siffran år 2024 hade stigit till 62 procent och växer stadigt.
Införande av AI: Tänk HUR, inte OM eller NÄR
GenAI och ML har redan blivit en självklarhet för vissa företag. Så vi kan inte fråga oss om vi ska använda dem i vår organisation. Det handlar mer om i vilken utsträckning vi vill driva på AI-användningen under de närmaste åren.
När vi tänker på det och arbetar med våra kunder från olika branscher ser vi tre typiska strategier som indikerar ett företags införandefas: undersökning, experiment och uppskalning.
Naturligtvis finns det några företag som redan har gjort betydande framsteg och befinner sig i de senare stadierna. För dem har AI redan blivit en rutinmässig del av verksamheten. Vi älskar att bidra till sådana projekt och att bygga komplexa AI-pipelines. Vårt primära fokus idag är dock att stödja företag som kämpar med undersöknings-, utforsknings- och skalningsstadierna.
”Som lösningsleverantör ser vi det som vår yttersta uppgift att få människor att gå från att undersöka till att skala upp, eftersom vi tror att detta kan göras snabbt och kostnadseffektivt med alla nuvarande möjligheter”, säger Olexyi Syrotiuk.
Utforska: Hitta dina förebilder
Framgångsrik AI-användning handlar om det värde den kommer att ge. Därför är det viktigt att hitta rätt affärscase som visar hur AI kan bli en del av den dagliga verksamheten och leda till konkreta och mätbara resultat.
Det låter som en enkel sak, men bristen på förebilder är ett av de största hindren, som gör att organisationer fastnar i utredningsstadiet längre än de borde eller vill.
Varför blir det så? Vi ser två primära orsaker som ställer till det: den ena är bristen på AI-medvetenhet. Det är svårt att förstå alla möjligheter med en teknik som man aldrig har använt. Den andra är att man fokuserar för mycket på tekniken och tappar bort affärerna. Resultatet blir att företagen kör tekniska pilotprojekt som tillför obetydligt värde, vilket gör att det inte är meningsfullt att investera i ytterligare skalning.
Vårt råd är enkelt: Det finns ingen anledning att kämpa med utmaningen på egen hand. Om det är svårt att definiera lämpliga “business cases” kan du anlita externa experter som kan ge dig råd om AI-kapacitet utöver ren GenAI, genomföra intervjuer med ditt team och hjälpa dig att utforma business cases.
Det fungerar bäst när dessa experter har AI-kompetens och affärsförståelse.
Deras kunskap hjälper dig att navigera mellan olika AI-funktioner och fokusera på de mest lämpliga.
Alternativt är det klokt att titta närmare på framgångsrika implementeringsexempel och försöka koppla dem till din organisations affärsfunktioner. Deloittes senaste rapport om GenAI-användning visar till exempel att följande affärsfunktioner inom företag har den högsta AI-användningsgraden.
Ett annat råd är att välja ett begränsat antal användningsfall som är inriktade på ett enda ämne eller en enda affärsvertikal. Detta hjälper dig att hålla AI-pilotens ansträngningar mer fokuserade.
Experimentera: Bryt PoC-barriären
Om vi bara tänker på de framgångsrika AI-implementeringar som vi har gjort under de senaste 10 åren låter det bra: juridiska assistenter som upptäcker juridiska risker i avtal, chatbottar som genererar programmeringskod, molnbaserade generiska AI-assistenter och många andra framgångsrika affärsfall som tjänar tiotals till hundratusentals kunder. Men dessa utgör ändå bara knappt 10 % av alla idéer vi prövar. Allmän statistik visar att endast 8-15% av AI PoCs går vidare efter den inledande fasen.
Att hitta ett framgångsrikt AI-case är alltså lika svårt som att bygga en ny produkt med bra marknadsanpassning och göra det rätt. Att misslyckas snabbt och misslyckas framåt är därför naturligt. Nyckeln i det här skedet är att vara redo så att endast ett fåtal av PoC:erna blir framgångsrika och fokusera på att minska pilotprojektens kostnader.
På Sigma Software Group hanterar vi den här utmaningen genom att begränsa omfattningen så mycket som möjligt, använda billigare data för att validera idén och
förlita oss på en uppsättning partnerprodukter som gör att vi kan minska PoC-kostnaderna. Vi använder Datuum.ai för att söka efter data i olika organisationer, köra AI-aktiverad automatiserad datamärkning och generera skript för att göra det möjligt för dessa data att bygga datapipelines för PoC. Vi använder också Datrics.ai för att bygga PoC:er ovanpå de genererade datauppsättningarna. På så sätt kör vi våra PoC:er mycket snabbare än vad det skulle ta med vanliga verktyg.
Skala: Från pilot till utveckling
Så du har valt lämpliga business case och genomfört en framgångsrik pilot som visade på förväntat affärsvärde. Ditt team är inspirerat och brinner för att skala upp framgången genom att flytta piloten till produktion. Inget kan hindra detta från att hända, men de investeringar som krävs för att skala upp pilotprojektet är ofta mycket högre än att driva det. Så även med en framgångsrik pilot fryser företag initiativet eftersom de inte har den nödvändiga budgeten eller inte är redo att investera i stor skala.
Du borde ha lagt mer kraft på undersöknings- och pilotfaserna för att säkerställa att det business case du utformade inte skulle kräva en arm och ett ben för att skala upp. Det är helt rätt. Vi rekommenderar ofta våra kunder att börja experimentera med något mindre, mer av typen låg risk och medelhög vinst. Men tänk om du har hittat ett transformativt business case som lovar betydande affärsvärde, och det enda som står mellan dig och den ljusa framtiden är behovet av mer budget?
Vårt förslag för sådana fall är att leta efter extern finansiering.
För det första har hyperscalers som Microsoft, Google och Amazon samfinansieringsinitiativ för projekt som ytterligare kommer att utnyttja deras molntjänster. Så om du planerar att använda något av dessa molntjänster är det klokt att ansöka om deras finansieringsprogram. Ett annat sätt är att välja program från många statliga och företagsfonder som aktivt investerar i AI-projekt.
Men även om finansieringen ofta är det största hindret i det här skedet finns det andra saker du måste ta hand om. I det här läget är det också viktigt att omvandla AI-initiativ i ett tidigt skede till en solid strategi med en tydlig strategi, processer, kvalitets- och säkerhetsstyrning. Det här kan verka utmanande, men i regel har du redan gjort en hel del grundarbete när du når den här fasen. Det handlar alltså mer om att strukturera saker och ting och införliva dem i dina processer och din vision. Om du tycker att det är utmanande att göra detta internt kan du involvera externa konsulter som kan hjälpa dig med AI-säkerhet, compliancekonsultation eller finjustera dina AI-utvecklingsprocesser och arbetsflöden.
Hur Sigma Software Group kan hjälpa dig att ta dig vidare genom AI-användningsresan
Under de senaste åren har vi stöttat våra kunder i deras AI-resa och kartlagt vår egen väg genom att aktivt experimentera med AI. Denna erfarenhet har stärkt vår
kunskapsbas, så vi delar gärna med oss av den expertis och de insikter vi har fått. Om du har några frågor eller behöver hjälp är våra experter redo att hjälpa dig med:
- Rådgivning och granskning av datatillgänglighet för AI-integration ● Vägledning för produkthantering om PoC, hypotesprövning, prototyper etc. ● LLM- och GenAI-överensstämmelse med informationssäkerhet i reglerade branscher
- Utbildning i företagsmedvetenhet och stöd för att etablera en AI-kultur i organisationer
- Stöd med bred teknisk och servicemässig expertis för att täcka affärsbehov i olika branscher
Kontakta gärna vårt team för att få expertrådgivning och hjälp med att ta ditt AI-projekt till nästa steg
Artikeln är ett partnersamarbete mellan Sigma Software Group och IT Media Group. Sponsrade inlägg, native-artiklar, partnersamarbeten och kunskapsamarbeten är en del av IT Media Groups annonserbjudande. Om du har frågor kring hör av dig till sales@itmediagroup.se
