AI etter hypen - prioriter etter verdi

I en æra preget av teknologi, har kunstig intelligens (AI) utviklet seg fra en fremtidsvisjon til en realitet i næringslivet. Når fascinasjonen legger seg, er det essensielt å betrakte AI mer som en verdidriver enn kun teknologisk nyskapning. Mange ledere er usikre på tilnærmingen og fokuserer raskt på produktivitet. AI har dog et bredere potensiale. Vi anbefaler Dolbins modell for en dypere vurdering av din virksomhets muligheter.

Transformativ teknologi
Hans Petter Nygård-Hansen skriver om dette i Computerworld: «AI er ingen forbipasserende hype, men en transformerende teknologi som vil påvirke og endre måten vi lever, leker, lærer og jobber, enten vi vil eller ikke. Vår egen velferd står på spill om vi ikke er villige til å gjøre det som trengs for å ta vår plass på den globale scenen og vise verden hva vi er laget av. Vi kan ikke la oss bli holdt tilbake av overdreven regulering og frykt for det ukjente.»

Innlegget kom i forkant av regjeringen i forrige uke dedikerte en milliard kr (over fem år) til forskning på AI. Forskningsmilliarden vil bidra til større innsikt om hvilke konsekvenser teknologiutviklingen har for samfunnet. Det vil også gi mer kunnskap om nye digitale teknologier og muligheter for innovasjon i næringslivet og offentlig sektor. Skal vi klare å utnytte dette mulighetsrommet, kan vi ikke vente på at politikere og myndigheter skal ta ansvar.  Dette bør være tema i alle styrer og ledergrupper i tiden fremover. Men mange selskaper er i villrede for hvordan angripe dette. -Hvordan komme i gang og hva skal man prioritere? Dette spørsmålet kommer ofte.

Økt produktivitet en start
Mens mange forbinder AI med automatisering, går den sanne verdien langt utover det. Fra å skape dypere kundeengasjement til å omforme forretningsmodeller, kan AI tjene som katalysator for banebrytende innovasjoner.  Samtidig er mulighetene til å frigjøre ressurser og jobbe med effektivt enorme. Nikolay Tangen, Leder for oljefondet(NI, har utfordret egen organisasjon på å øke effektiviteten med 10% neste 12 måned. Når han testet denne ambisjonen på Sam Altman, CEO i Open AI i sin podcast, fikk han beskjed om at dette ambisjonen trolig var for lite ambisiøs og burde være i alle fall 20% med det som nå lanseres og det som nå skjer.

Verdien av AI i forretningssammenheng
Når det gjelder verdiskapning fra AI, er det likevel ikke kun prosesseffektivisering som bør være i fokus. AI kan utnyttes på mange områder for å skape verdi på nye måter. Vår anbefaling er å følge Inga Strümke sitt kloke råd til næringslivsledere (Kilde: Podcast Shifter: "Alt vi lurer på om Kunstig Intelligens"). Hun sier at ledere bør ta utgangspunkt i sine overordnede mål og sin «raison d'etre»; hvorfor finnes vi og hva er problemene vi skal løse. Hun sier videre «Forsøk så å forstå teknologiens tilstrekkelig til å finne ut hvordan (eller hvorvidt) den kan hjelpe til å løse problemene bedre....  Hvis den ikke kan det, trenger du ikke bruke den».  

Test det på Dolbins ti typer innovasjon
For å konkretisere potensialet, og sikre at man vurderer og prioriterer de områder som har størst verdiskapningspotensiale, foreslår vi at man tar utgangspunkt i «Dolbins ti typer av innovasjon». Det kan gi et rammeverk for å se hvordan AI kan skape verdi og kan bidra til at man klarer se på alle viktige muligheter for virksomheten. Man trenger ikke forstå alt om AI. Ved å forstå hvilken hvordan det bidrar til å løse problemet, hvilken type innovasjon det er snakk om, og hvordan man skaper verdi, kan man bedre vurdere hvorvidt AI vil kunne hjelpe.  Følgende oppsummerer Dolbins ti typer av innovasjon: 

Ved å gå gjennom de ulike typene innovasjon, kan man bedre analysere i hvilken grad man kan utnytte AI for å innovere i egen virksomhet og hvor man kan tilføre mest verdi. Hvilke utfordringer eller måter å løse dagens konfigurasjon, tilbud eller opplevelse kan man tenke nytt rundt for å skape mer verdi? Noen eksempel på mulig verdi fra AI innenfor hver av de ti typene kan være: 

1. Produktprestasjon:

• AI-drevne kameraer som forbedrer bildetaking.
• Selvkjørende biler som optimaliserer kjøreopplevelsen.
• AI-baserte helseapps som gir personlige helseanbefalinger 
• Apple sin Vision pro - 

 2. Produktsystem:

• Smarte hjemmesystemer der AI-enheter samarbeider.
• AI-integrerte wearables som kommuniserer med hverandre.
• Medisinutstyr som deler informasjon for optimal pasientpleie. 
• Apple sin Vision pro

3. Service:

• Kundestøtte chatbots og AI agenter som gir raske svar og hjelper deg i mål med dine oppgaver 24/7.
• Prediktiv vedlikehold som forutsier utstyrssvikt før det skjer og automatisk bestiller reservedeler eller service
• Personlige AI-drevne shoppingassistent-tjenester og bidrar til økt relevant, riktig stemning og økt opplevt verdi. 

4. Kanal:

• AI-optimaliserte leveringsruter for raskere forsendelser.
• Stemmeassistenter som forenkler online shopping.
• Virtuelle prøverom i nettbutikker drevet av AI.

5. Merkevare:

• AI-drevne markedsføringskampanjer gjennom oppslukende historiefortelling som utnytter AI genererte 3D modeller for å skape realistiske virtuelle artefakter eller AI-generert lydmiljø for å skape oppslukende lydopplevelser som del av merkevarebygging eller reklame
• Automatiserte og dialogbaserte kundereiser som benytter kundeinnsikt og skaper mer engasjerende merkevarehistorier
• Produktanbefalinger og relevante råd basert på brukerens tidligere kjøp eller adferd

6. Kundeengasjement:

• Gamifisering av brukeropplevelser drevet av AI-innsikter.
• AI-drevne sosiale medieplattformer og reklametilpasning som forsterker opplevd relevans og brukerengasjement 
• Personalisert innholdsfeed basert på brukerens interesser.
• Spotify sin "Daylist" - dynamisk spilleliste for å tilpasses stemning og lyttevaner.  

7. Prosess:

• AI i produksjonslinjen for kvalitetskontroll.
• Automatisering og maskinlæring for raskere saksbehandling
• Optimalisering av forsyningskjeder gjennom prediktive analyser.
• Utnyttelse av språkmodeller for økt produktivitet og effektivitet hos medarbeiderne (notater, genererte utkast, sammenstillinger mv basert på algoritmer og promter)
• Automatisert screening, kvalifisering og prospekting i markedsføring og salgsarbeid. 
• AI i HR for rekruttering og talentstyring

8. Forretningsmodell:

• Dynamisk prissetting basert på sanntidsdata.
• AI-drevne abonnementstjenester som tilpasser seg brukerens behov.
• Nye inntektskilder som AI-drevet konsultasjon.
• Eksklusiv tilgang til språkmodeller  

9. Nettverk:

• AI-plattformer som knytter bedrifter og frilansere for optimal ressursutnyttelse.
• Data-deling økosystemer for økt samarbeid eller nye verdiforslag på tvers av virksomheter
• AI-drevne community-plattformer som fremmer innovasjon.
• Deling av plattform for skala, læring og økt innovasjonstakt

10. Struktur:

• Dynamiske teamstrukturer som endrer seg basert på prosjektbehov ved hjelp av AI.
• Ressursforvaltning optimalisert med AI-analyser.
• Arbeidsflytstyring som reagerer på sanntidsendringer i markedet.

Fra forbedring til radikal innovasjon
Dolbins rammeverk skiller tydelig på nivå av innovasjon. Innenfor hver av de ti mulige innovasjonsområdene, kan man se for seg alt fra enklere forbedringsområder innenfor eksisterende strukturere og forretningsmodell til mer radikale og transformative innovasjoner. Det store transformative potensialet vil utfordre eksisterende strukturer og forretningsmodeller. Slike initiativ vil typisk utfordre og forstyrre eksisterende virksomhet og ikke minst kreve kapasitet og støtte på tvers av organisasjonen.  De virksomheter som allerede har erfaring med hvordan håndtere denne typen problemstilling (for eksempel knyttet til organisering rundt kundereise eller tverrfaglige produkteam) har bedre forutsetninger for å lykkes. Det samme har de som tidlig tilrettelegger for transformativ endring og mer flytende organisasjonsmodeller. Ved å analysere den samlede portefølje av initiativ knyttet til AI i en virksomhet på en helhetlig måte, kan man bedre prioritere ut i fra kapasitet og potensiale både for verdiskapning og læring. 

Læring for ansvarlig verdiskapning 
Det er viktig å komme i gang med utprøving og læring. Læring handler også om å bygge kompetanse rundt hvordan man kan utnytte mulighetene av AI og hvordan gjøre dette på en ansvarlig måte. Det er ledelse og styrets ansvar å sikre at man som organisasjon forstår sitt ansvar og bidrar til at ansvarlig utnyttelse og bruk av AI. Det mener også ledelsen i det norske Oljefondet som har publisert en tekst om «responsible AI». NBIM vektlegger nettopp styrets ansvar for ansvarlig bruk av AI, selskapers ansvar for transparens og forklarbarhet knyttet til bruken av AI samt robust risikostyring. Da må man begynne med forståelse av egen virksomhets verdiskapning og så se på hvordan gjøre dette på en ansvarlig måte. 

Når vi er gjennom den innledende hypen, blir det klart at AI tilbyr muligheter for verdiskaping over hele spekteret av forretningsaktiviteter. Ved å utforske mulighetene gjennom Doblin's rammeverk, kan virksomheter virkelig begynne å omdanne AI fra en teknologisk nyskapning til en kraftig verdidriver. Og ved å sikre en helhetlig håndtering av utviklingsinitiativ knyttet til AI kan man ivareta behovet for en ansvarlig tilnærming til AI i virksomheten og samtidig utnytte mulighetene for å skape verdi både for kunder og organisasjon. 

(Artikkel oppdatert jan 2024 for å få med flere innovative eksempler på bruk av AI som har blitt lansert den siste tiden. Del gjerne om du har flere!)