Fyra expertråd om affärsnytta med GAI
Generativ AI (GAI) revolutionerar, inte minst för många av oss på jobbet. Hur kan vi egentligen dra störst nytta av möjligheter med GAI, och var behöver vi begränsa oss? I den här artikeln delar vår AI-konsult Jonas Pomoell sina tankar om hur du på bästa sätt kan nyttja potentialen i GAI ur ett affärsperspektiv.
För bara 5 dollar i månaden kan människor effektivt nyttja GAI i vardagen. Nu visar det sig att GAI inte bara är ett kul verktyg att använda för att skapa inköpslistor eller dra ihop godnattsagan för kvällen. Fler relevanta case har uppdagats i företagsvärlden. Här delar vi lärdomarna kring hur GAI kan göra verklig skillnad i din verksamhet.
1. AI-verktyg kan vara oförutsägbara – sätt dina kvalitetsmål
När Jonas Pomoell, AI Lead-konsult på HiQ Finland, förklarar sin passion för generativ AI, drar han sig inte för att betona dess indeterministiska natur:
– Generativ AI är i grunden bristfällig och till och med kaotisk. Istället för att ge ett korrekt svar ger GenAI dig ett slumpmässigt svar.
Det här innebär att generativa modeller strävar efter att förstå den underliggande sannolikhetsfördelningen av datan den tränas på, vilket möjliggör skapandet av nya exempel som liknar träningsmaterialet. När GenAI ställs inför en specifik fråga ger den alltid ett svar, men det behöver inte nödvändigtvis varar korrekt eller optimalt – svaret är probabilistiskt eller sannolikt.
Effektiv riskhantering är därför avgörande vid användning av GenAI. Företag och verksamheter måste tydligt definiera sina kvalitetsstandarder och vad utfallet ska vara när svaren är felaktiga. GenAI kan kompletteras med mänsklig verifiering, eller genom att automatiskt avfärda svar som inte uppfyller specifika kriterier.
– Riskbedömning är avgörande och något vi på HiQ betonar i varje scenario. Det är viktigt att förstå potentiella utfall om modellen inte lyckas presterar. GenAI kan till exempel fungera som ett användbart verktyg för att skapa metabeskrivningar för e-handelsbutiker. Om den genererade texten inte håller måttet kan en medarbetare gå in och förbättra manuellt. Risken i det här fallet är relativt låg, och GenAI har troligtvis sparat betydande tid och ansträngning, förklarar han.
Föreställ dig en situation där GAI optimerar 90% av orderhanteringsuppgifterna, vilket är en rejäl prestation. Visst, de sista 10% kan kräva en mänsklig touch, men låt oss inte bortse från den enorma avlastning som GAI bidragit med. Det är något värt att fira.
Jonas Pomoell
2. Hantera dina förväntningar
När det kommer till att framgångsrikt implementera GenAI är hantering av förväntningar ett måste. Överdrivet optimistiska förväntningar kan underminera det verkliga värdet av förmågan hos GenAI.
Föreställ dig en situation där GenAI optimerar 90% av orderhanteringsuppgifterna, vilket är en rejäl prestation. Visst, de sista 10% kan kräva en mänsklig touch, men låt oss inte bortse från den enorma avlastning som GenAI bidragit med. Det är något värt att fira, säger Jonas Pomoell.
Enligt honom är en vanlig fallgrop bristfällig planering. Företag som ivrigt vill nyttja GenAI kan förbise viktiga aspekter såsom hur det passar med befintlig IT-arkitektur, vad det avsedda användningsområdet är, och att definieraett tydligt syfte för det. Utöver det kräver implementering av GenAI träning för de anställda och en potentiell förändring av tjänster. Trots att GenAI kan vara transformativt erbjuder det ingen omedelbar lösning – det avslöjar snarare istället framväxande utvecklingsbehov.
Tidsplanering är en annan kritisk aspekt. Allokera tillräckligt med tid för bearbetning och underhåll av källdatan, det kan ta upp till hälften av utvecklingstiden.
– Att skapa en AI-modell kan verka enkelt, men datahanteringen överstiger ofta de initiala estimaten. Att betrakta det som en inlärningskurva är avgörande. Det kräver beredskap för att utforska på djupet, diskussioner och eventuella avvikelser i implementeringsprocessen.
3. Spara data = spara pengar
Generativ AI visar på imponerande kapacitet när det gäller att formulera statistik, extrahera data och effektiv dokumenthantering. Men Jonas Pomoell understryker vikten av kostnadshantering i varje GenAI-projekt.
– När du planerar för GenAI i din verksamhet – kom ihåg att kostnaderna är baserade på användningsgraden. Ju mer du genererar, desto högre blir kostnaderna.
Inom GenAI baseras kostnaderna på tokens, de minsta enheterna av textdata som bearbetas av stora språkmodeller (LLM). Tokens kan anta olika former – de kan representera tecken, ord eller mer omfattande textstycken som fraser, beroende på modellen. Kostnader kan ackumuleras, med priser som 0,15 cent per 1 000 tokens, en betydande summa för till exempel industriella aktörer som hanterar massiva datavolymer.
Därför är en viktig komponent i strategisk planering att utforma systemet så att det samlar in data under processens gång, och på så sätt minskar behovet att generera samma data på nytt.
– Under processen är det viktigt att komma ihåg att generering kan vara både tidskrävande och kostsam. Att spara resultaten tillsammans med omfattande metadata är en smart praxis. Den här metoden gör att du kan omvärdera och omarbeta resultaten, vilket i slutändan sparar både tid och pengar. Kom ihåg att ju mer du genererar, desto mer kostnar det, säger Jonas Pomoell.
Välj det billigaste och snabbaste sättet att testa dina idéer i den experimentella fasen, för du vet aldrig om de kommer att fungera. När projektet väl är igång och skapar verkligt värde blir kostnaderna för GenAI mer tydliga, och det är då smart att fokusera på att minska utgifterna.
4. Börja i rätt ände, med kommersiella modeller
Innan du kastar dig huvudstupa in i ett Gen AI-projekt behöver du få förståelse för hur genomtänkt planering kan vara en enormt kostnadsbesparande strategi. Till en början rekommenderar Jonas Pomoell därför att du validerar dina hypoteser med kommersiella modeller, innan du gör större investeringar.
– Välj det billigaste och snabbaste sättet att testa dina idéer i den experimentella fasen, för du vet aldrig om de kommer att fungera. När projektet väl är igång och skapar verkligt värde blir kostnaderna för GenAI mer tydliga, och det är då smart att fokusera på att minska utgifterna.
Att använda en inhouse-modell med ett tydligt värdeerbjudande visar sig ofta vara en hållbar lösning. En egen modell, finjusterad med unik data anpassad för ett specifikt användningsområde, blir väldigt motståndskraftig mot replikering. För vissa verksamheter kan det vara affärskritiskt att äga en modell med immateriella rättigheter och till och med skapa en så kallad “unfair competitive advantage”.
– Verksamheter som skapar sina egna modeller kan etablera enorma konkurrensfördelar, med attribut som är oerhört utmanande för konkurrenter att kopiera. Det gör GenAI till ett utmärkt val för pionjärer som siktar på att ligga steget före sina konkurrenter, avslutar Jonas Pomoell.
Att komma ihåg
GAI-verktyg är oförutsägbara
Definiera tydliga indikatorer för lösningens kvalitet – på så sätt kan du avgöra om projektet uppnår sina mål. Högriskfall kan inte automatiseras utan behöver mänsklig verifiering.
Datan kommer att sätta dig i arbete
Observera hur den passar in i din arkitektur som helhet, och kom ihåg att utbilda ditt team. Allokera tillräckligt med tid för bearbetning och underhåll av källdatan, vilket kan ta upp till hälften av utvecklingstiden.
Små kostnadsflöden kan snabbt bli stora floder
Generering är en långsam och dyr process, så se till att spara resultat och så mycket metadata som möjligt. Det möjliggör omvärdering och omarbetning av resultaten vilket spar tid och pengar.
Börja med en kommersiell modell
och investera i din egen modell först när projektet är operationellt och genererar påtagligt värde.
Kontakta oss!
Kontakta oss!
Välj kontor eller kontakta HiQ International i Stockholm om du är tveksam.
