Artificiell intelligens har på kort tid gått från att vara ett framtidskoncept till en strategisk prioritet för företag världen över.
Regeringar investerar miljarder i AI-initiativ, företag utser AI-chefer och styrelser diskuterar hur tekniken ska skapa nästa generations konkurrensfördelar.
Men samtidigt som ambitionerna är höga kvarstår en avgörande fråga: Hur många organisationer är egentligen redo för AI?
Under Snowflake Summit fick IT-kanalen möjlighet att träffa Fawad Qureshi, Global Field CTO på Snowflake, för ett djupgående samtal om gapet mellan AI-vision och verklighet, varför data är den viktigaste framgångsfaktorn och hur företag kan undvika att fastna i en ändlös cykel av AI-piloter utan affärsvärde.
Det största problemet: Företag bygger AI-strategier utan datastrategier
Fawad Qureshi, Global Field CTO på Snowflake
När diskussionen inleds är Fawad tydlig med vad han ser som den största utmaningen på marknaden idag.
Många organisationer vill bli AI-drivna verksamheter, men saknar den grund som krävs för att lyckas.
– Det finns ingen AI-strategi utan en datastrategi, säger han.
Budskapet är enkelt men kraftfullt. AI-modeller, oavsett hur avancerade de är, kan inte skapa värde utan tillgång till rätt data. Många företag sitter fortfarande fast i en verklighet där information är utspridd mellan olika affärssystem, databaser och avdelningar.
Resultatet blir att AI-lösningar byggs ovanpå en fragmenterad informationsmiljö, vilket begränsar både precision och affärsnytta.
Enligt Fawad är det också här som skillnaden mellan marknadsledare och eftersläntrare kommer att bli tydlig under de kommande åren.
De företag som investerar i datakvalitet, governance och tillgänglighet idag kommer att ha betydligt bättre förutsättningar att dra nytta av morgondagens AI-teknik.
Ansvarsfull innovation är inte valfritt
AI har potential att revolutionera verksamheter, men den medför också nya risker.
Fawad lyfter fram vikten av att bygga AI-lösningar med ansvarstagande som grundprincip.
– Innovation måste vara ansvarsfull. Annars blir den inte hållbar.
Han pekar på uppmärksammade fall där AI-chatbots har gett kunder felaktig information, vilket i vissa fall har lett till juridiska konsekvenser för företagen bakom systemen.
Det spelar ingen roll att det var en algoritm som gav svaret. Ansvarigheten ligger fortfarande hos organisationen.
Det innebär att företag måste kunna svara på grundläggande frågor:
- Varifrån kommer datan?
- Hur har modellen tränats?
- Varför fattades ett visst beslut?
- Vem ansvarar om något går fel?
För att kunna besvara dessa frågor krävs robust governance, spårbarhet och tydliga processer.
– Företag måste kunna förklara hur AI-system fattar beslut. Det är inte bara en regulatorisk fråga, utan en förtroendefråga.
Från imponerande demo till verklig produktion
Ett återkommande tema under intervjun är skillnaden mellan AI-demonstrationer och verkliga produktionsmiljöer.
Fawad beskriver hur marknaden idag är fylld av innovativa proof-of-concepts som imponerar på konferenser och i styrelserum.
Men att bygga en demo är inte samma sak som att skapa affärsvärde.
– Det är enkelt att bygga något som ser imponerande ut under tio minuter. Utmaningen är att få samma lösning att fungera varje dag, i stor skala, med full ansvarighet och styrning.
Han använder en metod som han själv ofta tillämpar:
– Fråga alltid ”So what?”
Om en AI-lösning inte kan svara på frågan om vilket konkret värde den skapar, bör organisationen fortsätta att granska initiativet.
Efter flera omgångar av ”So what?” blir det ofta tydligt om projektet verkligen löser ett affärsproblem eller bara är en teknisk demonstration.
Nästa stora trend: AI-agenter som samarbetar
När samtalet kommer in på framtidens AI-landskap blir Fawad särskilt engagerad.
Den mest spännande utvecklingen just nu handlar enligt honom inte om större språkmodeller, utan om hur olika AI-system kan kommunicera och samarbeta med varandra.
– Agent-to-agent communication kommer att förändra hur företag arbetar.
Istället för enskilda AI-assistenter ser han framför sig ekosystem av specialiserade agenter som samarbetar över olika system och processer.
En agent kan hantera kundservice, en annan ekonomi, en tredje logistik och en fjärde analys. Tillsammans kan de automatisera komplexa arbetsflöden som idag kräver omfattande manuellt arbete.
För att detta ska fungera krävs dock något som Fawad beskriver som ett ”context layer” ett gemensamt lager av verksamhetsinformation som säkerställer att både människor och AI-agenter arbetar utifrån samma verklighetsbild.
Varför så många chatbots fortfarande misslyckas
Trots de enorma investeringarna i AI är många användare fortfarande frustrerade över kvaliteten på dagens chatbotar.
Fawad menar att problemet sällan ligger i själva AI-modellen.
Problemet är bristen på kontext.
– Många chatbotar är egentligen trasiga.
I de flesta organisationer finns kundinformationen utspridd mellan CRM-system, supportplattformar, ERP-lösningar och databaser.
När en kund kontaktar företaget saknar AI:n ofta tillgång till hela bilden.
Konsekvensen blir felaktiga svar, längre handläggningstider, högre supportkostnader och i värsta fall skadat kundförtroende.
– Om systemet inte förstår kundens sammanhang kan det inte heller ge rätt svar.
Detta är ytterligare ett exempel på varför datagrunden är viktigare än själva AI-modellen.
AI har blivit mainstream
Fawad beskriver november 2022 som en historisk brytpunkt.
Lanseringen av ChatGPT gjorde AI begripligt för en bred publik och förändrade diskussionen i styrelserummen världen över.
Plötsligt började företag ställa frågor som tidigare varit reserverade för forskare och teknikspecialister.
Samtidigt har kostnaden för att använda avancerade AI-modeller sjunkit dramatiskt.
Det som för bara några år sedan krävde enorma investeringar är idag tillgängligt för i princip alla organisationer.
Men framgång handlar inte längre om att ha tillgång till AI.
Det handlar om hur väl företaget kan integrera tekniken i sina affärsprocesser.
– De mest framgångsrika företagen förändrar sina arbetssätt för AI-världen istället för att försöka sätta AI-lager ovanpå gamla processer.
Datakvalitet avgör allt
Under intervjun återkommer Fawad flera gånger till ett klassiskt uttryck:
”Garbage in, garbage out.”
Om datan är felaktig kommer resultaten att bli felaktiga.
Men problemet stannar inte där.
AI förstärker befintliga mönster i data. Om datan innehåller skevheter eller bias kommer även AI-systemen att göra det.
– AI förstärker både styrkor och svagheter i den data den tränas på.
Därför behövs dataägare, datastewards och tydliga kvalitetsprocesser.
Företag måste också kunna spåra beslut tillbaka till ursprungskällan.
Det handlar inte bara om kvalitet utan även om juridik.
I många länder växer kraven på att företag ska kunna förklara AI-baserade beslut som påverkar individer.
Utan spårbarhet kan både juridiska och ekonomiska risker bli betydande.
Coco – att göra alla till datapersoner
På frågan om vilken innovation från Snowflake Summit som imponerat mest tvekar Fawad inte länge.
Svaret är Coco.
Han beskriver lösningen som ett viktigt steg mot att demokratisera data inom organisationer.
Traditionellt har dataanalys varit reserverad för specialister med teknisk kompetens.
Med Coco kan medarbetare istället ställa frågor på naturligt språk och få relevanta svar direkt från organisationens data.
– Vi vill ge alla möjlighet att bli datapersoner.
Visionen är att göra data lika tillgängligt som sökmotorer och moderna AI-assistenter har gjort information tillgänglig för allmänheten.
En framtid präglad av automation och snabbare innovation
När IT-kanalen ber Fawad blicka framåt två till fem år ser han omfattande förändringar.
Automatiseringen kommer att accelerera.
Repetitiva arbetsuppgifter kommer i allt högre grad att hanteras av intelligenta system.
Produktutveckling kommer att gå snabbare.
Prototyper som tidigare tog månader att utveckla kommer att kunna byggas på dagar eller timmar.
Samtidigt kommer skillnaderna mellan bra och mindre bra AI-modeller att bli allt tydligare.
Noggrannhet, kontextförståelse och förmågan att leverera pålitliga resultat kommer att bli avgörande konkurrensfaktorer.
Även hårdvaran kommer att förändras.
Precis som självkörande fordon har krävt nya typer av datorkraft kommer framtidens AI-applikationer att driva fram nya arkitekturer och plattformar.
– Om tre till fem år kommer världen omkring oss att se fundamentalt annorlunda ut.
Det viktigaste rådet till företagsledare
När intervjun går mot sitt slut sammanfattar Fawad sitt budskap i en enda princip:
Ansvarsfull innovation är hållbar innovation.
Organisationer måste röra sig snabbt, men samtidigt bygga rätt fundament.
De behöver investera i data, governance, transparens och kompetensutveckling.
De behöver skapa en kultur där data blir en naturlig del av beslutsfattandet.
Och de behöver hjälpa sina medarbetare att utveckla de färdigheter som krävs i en AI-driven värld.
– AI kommer att förändra allt. Frågan är inte om förändringen kommer, utan hur väl förberedda vi är när den gör det.
För företag som vill lyckas i AI-eran är budskapet tydligt: börja med data, bygg med ansvar och låt innovationen vila på en stabil grund.
Av Annika Guldroth
