Ett väl sammansatt team

När ditt företag ska börja arbeta med AI krävs det tre kompetenser. Alla tre är lika viktiga och innan de alla är på plats så bör inga AI-projekt startas.

Den första och kanske viktigaste kompetensen som behövs är någon med förståelse för företagets affärer och som kan svara på vilka möjligheter och utmaningar som existerar.

En andra viktig kompetens som krävs är någon som förstår företagets data. Vilken data finns och vad har den för kvalitet?

Slutligen för du samman dessa två kompetenser med någon som kan maskininlärning, data science och ekosystemet runt AI, samt kan urskilja vad som är möjligt i den mängd tekniska val som ett AI-projekt innebär.

Vi skulle dessutom vilja lägga till en fjärde avgörande färdighet. Det är förmågan att visualisera och förklara analysresultat på ett begripligt och tankeväckande sätt.

En enskild person som spänner över hela det fältet kompetenser vi skrivit om ovan har kallats enhörning, för att de är så sällsynta. Oftast sätter vi istället ihop ett team av kompetenser bestående av specialister från kunden som når sina mål när de får samarbeta med smarta utvecklare som brinner för att gå en mil i kundens skor och ta fram en matchande AI-lösning för problemet.

Vikten av att börja litet.

Data science i sig utgör en komplex väv av många ingående tekniska delar som i sin tur formas i samspel med många olika kompetenser och inte sällan flera olika mål med olika vikt relativt varandra.

Erfarenhet har visat att det bästa sättet att hantera komplexiteten är att regelbundet pendla mellan att bryta ner den i små steg och sträva efter enklast möjliga lösning på minsta möjliga problem och att backa tillbaks till helheten för överblick.

Det är inte fel att sikta högt men vi på Tenfifty menar dock att konsten att nå framgång med ett stort och inspirerande mål är att ta många små lyckade steg i rätt riktning. Gör inte AI-projektet till en helig ko och något stort som alla går och väntar på. Tänk hellre många små projekt än ett större. Och när du har hittat det där lilla projektet gör du det om möjligt ännu mindre.

Det finns många fördelar i att tänka smått när det gäller både den mänskliga faktorn, där AI ofta upplevs som något läskigt som man helst vill slippa, samt att det ur ett data-perspektiv spelar roll vilken mängd och kvalitet man har tillgång till, hur många källor datan har passerat och i vilket påverkat skick den är.

Lös ett verkligt problem.

Ett AI-projekt måste inledas med att identifiera ett verkligt affärsproblem. För att få acceptans för ny teknik i din organisation är det viktigt att lösa faktiska problem.

Det kan låta självklart, men i den relativt nya värld som AI befinner sig i är det heller inte sällan man låter nyfikenheten ta överhanden över affärsprioriteringarna. Det går att lära sig saker på det sättet, men man kommer mycket sällan ända in i mål i form av driftsatt AI.

Inspireras av Tenfiftys driftsatta AI-projekt på vår kundsida.

Sluta diktera, börja facilitera!

Vad behöver en företagsledare som vill börja jobba med AI kunna?

Till att börja med behöver en ledare som driver den typ av innovation som AI innebär ha förståelse för att ett AI-projekt är något annat än ett traditionellt teknikutvecklingsprojekt. Det går framför allt väldigt mycket fortare fram, tekniken du utvecklar kan vara klar redan inom sex månader.

Ledaren måste också förstå att ett AI-projekt kan innebära stora organisatoriska förändringar på kort sikt och planera, kommunicera samt leda utifrån den interna rivalitet som kan uppstå som följd av att gamla rutiner ersätts eller försvinner. Hjälp medarbetarna att förändra istället för att beordra förändring.

Varje AI-projekt står och faller med tillgången till rätt data och vad som är rätt beror på en kombination av flera saker. En företagsledare bör ha koll på tillgång och struktur på företagets data samt att den inte fastnar i silos eller på annat sätt underutnyttjas. Det är en viktig framgångsfaktor.

Lyssna gärna på vår podd-dialog med Jon Eklöf, AI-forskare och Director Innovation & Digital Transformation på GKN Aerospace. Jon har många kloka tankar kring hur man tar sig an AI ur ett ledarskapsperspektiv.

Det handlar om verksamheten, inte IT.

Ett AI-projekt ska vara tvär-dimensionellt, alla delar av en verksamhet bör involveras. Det ska allra helst drivas med engagemang från den del av organisationen som mest berörs av förändringen och förbättringen och inte hanteras som ett IT-projekt.

Däremot är IT-avdelningen såklart en viktig part som bör vara med på tåget i tid och när det kommer till hur data science-projektet ska driftas. Den verksamhet som lyckas samarbeta och nyttja varje del av organisationen för det den är bra på, går i mål som vinnare av AI-resan.

Varför misslyckas de flesta AI-projekt?

Låt oss vara helt ärliga. De flesta som överväger att satsa på AI idag vet inte riktigt varför eller till vad AI ska användas.

Enligt forskningsinstitutet MITSloan Management Review uppnår bara ca 10 procent av företagen lyckade resultat med sina AI-projekt. Deras efterforskning visar på att företag som har fokus på verksamhetens utveckling och förändring och lyckas facilitera kunskapsinhämtning och gemensamt lärande mellan människa och maskin i sina AI-satsningar är vinnare.

Så för att summera, om du håller fokus på att lösa ett litet och framför allt verkligt problem, har koll på men för den delen inte överskattar din data och sen krokar arm med någon som kan verkligen förstår dina utmaningar och kan guida dig i den tekniskt snåriga data science-djungeln, så är ditt första lyckade AI-projekt inte långt borta. Svårare än så är det inte. Vi berättar gärna mer om hur Tenfifty kan hjälpa dig på vägen.