Generativ AI för ledningsgruppen

Frågorna som får igång diskussionen

‍Generativ AI, det snabbast växande området inom maskininlärning just nu, har fått enorm spridning bland allmänheten då tekniken kan användas för att lösa allt ifrån enkla till komplexa vardagsproblem. Vid det här laget har har du säkert hört talas om och kanske även testat några av de populära verktygen Midjourney, DALL-E, ChatGPT eller Bard, som alla bygger på just generativ AI. För bara några år sedan hade inget av dessa verktyg lanserats - idag är de högst upp på agendan i politiken, klassrummen och näringslivet.

McKinseys årliga globala undersökning om AI visar på en explosiv ökning av antalet generativa AI-verktyg på marknaden. I takt med att fler verktyg lanseras ökar också andelen företag som använder generativ AI. Idag rapporterar ungefär en tredjedel av de som medverkat i McKinseys undersökning att deras verksamhet använder generativ AI regelbundet i minst en företagsfunktion. 

Efter att ha fått upp ögonen för tekniken funderar nu beslutsfattare i många branscher på hur generativa modeller kan skapa affärsnytta och konkurrensfördelar i just deras verksamhet - något som är extra utmanande när utvecklingen rör sig så enormt snabbt framåt. 

I den här guiden ger vi dig en introduktion till generativ AI med användningsområden och exempel på frågor som du som VD kan ställa till ansvarig CXO för att starta diskussionen om generativ AI.

‍

Vad är generativ AI?

Generativ AI är en typ av AI som används för att skapa nytt innehåll såsom ljud, bilder, text, programkod och videor. Generativ AI lär sig ifrån de mönster och strukturer som finns i dess träningsdata och kan sedan generera nytt innehåll utifrån det. Det innebär att en generativ modell till exempel kan skapa realistiska bilder av katter, trots att den aldrig har sett en katt på riktigt, enbart genom att ha lärt sig hur en katt ser ut från tusentals befintliga bilder.

‍

‍

Användningsområdena för generativ AI är många, exempelvis kan den här typen av AI generera ett textutkast till en affärsplan eller förvaltningsberättelse, sammanfatta en forskningsrapport, skapa bilder till inlägg på sociala medier eller generera syntetisk data som kan användas för att träna AI-modeller. 

Styrkan i generativ AI ligger i dess flexibilitet. De “grundmodeller” som tas fram kan appliceras på flera olika områden utan att behöva modifieras eller tränas vidare. Det innebär att ett företag kan dra nytta av en enda modell inom flera applikationsområden, där endast applikationslagret behöver anpassas. I kontrast till generativ AI är traditionell AI ofta skräddarsydd för en specifik uppgift och kräver stora mängder underliggande data för att vara tillämpbar. Med generativ AI har det därför aldrig varit enklare att använda, men också skala upp användandet av, kraftfulla AI-applikationer.

‍

Generativ AI och språkteknologi

Generativ AI involverar ofta språk, antingen genom att användaren ger modellen instruktioner i form av textinput, eller att modellen producerar en text som output. För att de stora generativa språkmodellerna, Large Language Models (LLM), ska kunna använda sig av språk behöver de “förstå” språk - där kommer Natural Language Processing (NLP), eller språkteknologi på svenska, in i bilden. 

Språkteknologi innefattar teknik som får datorer att förstå och generera naturligt språk på samma sätt som människor gör. Behandling av naturliga språk är ett delområde inom lingvistik, datavetenskap och artificiell intelligens. Det finns olika användningsområden inom fältet, det kan exempelvis handla om att klassificera text, jämföra texters innehåll, extrahera nyckelord från text, sammanfatta större textmängder, översätta text eller generera text. 

Ett välkänt exempel på en stor generativ språkmodell (LLM) är ChatGPT som genererar människolika textsvar utifrån en textinput från en användare. Grundtekniken i de flesta stora språkmodellerna kallas för “transformer-modell” och lanserades redan 2017 av forskare på Google Brain och majoriteten av dagens språkmodeller bygger på just den modellarkitekturen. GPT står för “Generative Pre-trained Transformer”.

Andra exempel på AI-verktyg som också bygger på generativa modeller är bildgeneratorna DALL-E 2 och Midjourney som båda lanserades 2022. Googles chatbot Bard, en konkurrent till ChatGPT, produktivitetsverktyget Microsoft 365 Copilot, Photoshops generativa verktyg Firefly och utvecklingsverktyget GitHub Copilot lanserades alla under 2023. Dessa verktyg har fått enormt genomslag i media senaste året, och tack vare deras tillgänglighet används generativ AI idag av en bred publik på ett sätt som var otänkbart för bara några år sedan.

‍

Generativ AI för era olika företagsfunktioner

Här ger vi dig exempel på applikationsområden och konkreta frågor som du kan ställa till ansvarig CXO för att starta diskussionen om generativ AI. 

‍

1. Ekonomi & Finans

Generativ AI kan användas inom ekonomi och finans för att exempelvis generera rapporter eller för att effektivisera administrativa flöden. Förmågan att extrahera och förstå text i t.ex. fakturor, ordrar och avtal kommer att leda till signifikanta effektiviseringar inom ekonomifunktionen. Men generativ AI har även förmågan att skapa simuleringar och scenarion och kommer sannolikt även förändra strategi och budgeteringsarbetet brett inom några år.  

Frågor att diskutera och delegera:

• Undersöker ni idag hur generativa modeller kan automatisera delar av rapporteringsprocessen, såsom att skapa utkast till kvartalsrapporter eller skatteberäkningar? 
• De flesta företag har idag inkorporerat automatiserad fakturatolkning i sina processer. Kan dessa effektiviseras med ännu smartare tolkning och bearbetning med hjälp av de senaste språkmodellerna?

‍

2. Inköp & Logistik

Inom inköp och logistik kan traditionell AI optimera leveransrutter och förbättra efterfrågeprognoser - läs mer om det här.

Eftersom inköp är en kommunikationsintensiv verksamhet så har generativ AI potentialen att snabba på och effektivisera kommunikationen med leverantörer och partners. Även språk- och dokumentintensiva kvalitetsprocesser har stor potential att förbättras. När språkmodellerna kombineras med funktionen att kunna göra externa webbsökningar, som i t.ex. Google Bard, så skapas ett kraftfullt verktyg för att göra snabbare och bättre research, för att t.ex. hitta nya leverantörer eller förstå prissättningen på en marknad.

Frågor att diskutera och delegera:

• Vilken del av er logistikkedja har störst potential att förbättras med hjälp av generativ AI?
• Kan relationen och supporten mot leverantörer och partners förbättras med mer automatiserad kommunikation?
• Hur automatiserade är era inköpsprocesser? Kan t.ex. inköpsordrar tolkas och hanteras bättre med generativ AI?

‍

‍

3. Human Resources

AI har redan börjat leta sig in i HR-fältet, bland annat är traditionell AI bra på att matcha CVs mot jobbannonser, något som kan effektivisera rekryteringsprocessen. För generativ AI finns också stora möjligheter på HR-avdelningen. Generativ AI kan exempelvis användas för att skapa eller skräddarsy jobbannonser, eller för att personalisera och effektivisera rekryterings- och onboardingprocessen. 

Frågor att diskutera och delegera:

• Har ni övervägt hur generativ AI kan effektivisera rekryteringsprocessen, exempelvis genom att skapa utkast på jobbannonser eller snabbt summera inkommande ansökningar och CVs?
• Ser ni möjligheter i att använda generativ AI för att skapa individualiserade onboarding- eller offboardingprocesser, eller utbildningsprogram?
• Kan generativ AI hjälpa er att förutse framtida kompetensbehov inom företaget?

‍

4. Legal & Compliance

Legal & Compliance är ofta en dokumentintensiv företagsfunktion. Generativ AI kan exempelvis hitta information i en stor dokumentstruktur, summera stora mängder text och skapa utkast eller granska juridiska dokument.

Frågor att delegera och diskutera:

• Vilka juridiska dokument skulle ni kunna skapa utkast till med hjälp av generativa modeller?
• Skulle ni kunna ta hjälp av en AI-agent som hjälper er att hitta rätt information i en stor dokumentstruktur? 
• Kan språkmodeller hjälpa er att se när avtal löper ut, när nyckelpersoner slutar eller när ny lagstiftning påverkar er?

‍

5. IT

Generativ AI har också börjat leta sig in i vardagen på IT-avdelning, och särskilt inom mjukvaruutvecklingen. Utvecklare kan nu få hjälp med att generera, felsöka och testa programkod. Här finns det stora produktivitetsvinster att hämta - något som är extra relevant på en arbetsmarknad som under lång tid haft brist på just utvecklare.

Frågor att diskutera och delegera:

• Skulle generativa modeller kunna hjälpa er att skriva, testa och felsöka programkod? 
• Använder ni GitHub Copilot i dagsläget? 
• Använder ni ChatGPT? Har ni i så fall utvärderat riskerna och säkerställt att er data hanteras på ett säkert sätt? 
• Hur kan generativ AI hjälpa er att snabba upp utvecklingen, exempelvis genom AI-driven rapid prototyping?
• Kan IT-avdelningen skapa en effektivare och mer tillgänglig support med hjälp av språkmodeller?

Värt att notera är att det finns säkerhetsrisker som IT behöver hantera. Läs t.ex. om hur Samsung råkat läcka egna företagshemligheter till följd av att de anställda använt ChatGPT.

‍

6. Produktutveckling

Genom att främja kreativitet och effektivisera idé- och konceptutveckling har generativ AI stor potential att bli ett allt mer självklart element i hela produktutvecklingsprocessen. 

Frågor att diskutera och delegera:

• Finns det delar av er produktutvecklingsprocess som är extra resurstung och tidskrävande?
• Är personaliserade och skräddarsydda produkter en konkurrensfördel i er bransch? 
• Kan ni använda generativ AI i för att generera idéer och koncept, för att ta fram snabba prototyper, eller annat?
• Kan ni simulera för- och nackdelar med olika produktvarianter med hjälp av generativ AI?

‍

‍

7. Produktion

Den moderna produktionen är ofta en av företagets mest dataintensiva miljöer, något som skapar goda förutsättningar för AI. Här kan traditionell AI exempelvis förutse underhållsbehov, optimera arbetsflöden och förbättra kvalitetskontroll. Generativa modeller har visat sig mycket kraftfulla när det gäller att skapa scenarion och stimulera data och händelser, detta kan vara ett mycket kraftfullt verktyg inom produktion.

Frågor att diskutera och delegera:

• Har ni funderat på hur generativ AI kan effektivisera produktionen genom att simulera och optimera produktionsflödet?
• Har ni branschspecifika problem som kan lösas bättre, exempelvis nestning inom skärande bearbetning?
• Kan kvalitetsarbetet förbättras genom att stimulera tester, felsökningar och inspektioner?
• Predictive maintenance (PDM) är ett mycket spännande område där generativ AI ihop med AI-driven forecasting kan simulera och förutse behov av underhåll och reparationer - kan det vara relevant för er del?

‍

8. Marknad

Marknadsarbetet är ett av de allra mest självklara områdena just nu för generativ AI. Att ta hjälp av AI-verktyg i marknadsarbete frigör inte bara tid och resurser till mer värdeskapande aktiviteter, utan kan också främja kreativitet, idégenerering och personalisering. Att som marknadsförare inte använda något av de befintliga generativa AI-verktygen i sin vardag kan nästan betraktas som ett tjänstefel idag. 

Frågor att diskutera och delegera:

• Hur ska generativ AI och verktyg som ChatGPT, Midjourney, BARD och DALL-E 2 kan hjälpa er att minska kostnaderna för att skapa innehåll till kampanjer, hemsida och sociala medier?
• Hur kan ni använda generativ AI för att skapa personaliserade kampanjer?
• Hur kan marknadsteamet använda t.ex. ChatGPT och Bard för att göra bättre research och därmed ta fram och nå ut med mer träffsäkra budskap?
• Hur påverkar tillgången till generativ AI ert behov av externa partners? Behöver ni samma byråer och frilansare som för ett år sedan? Är era befintliga partners bättre än er på generativ AI? (Det ska dom vara!) Här finns sannolikt stora pengar att spara.

‍

9. Försäljning

På en försäljningsavdelning kan generativ AI hjälpa till på en rad olika sätt, exempelvis med att skapa anpassade försäljningsstrategier eller produktrekommendationer baserade på befintlig kunddata.

Frågor att diskutera och delegera:

• Hur kan generativ AI förbättra er förståelse för vad era kunder vill ha, och vilka argument/pitch ni skall använda er av?
• Använder ert pre-sale och säljteam sig av tex. ChatGPT och Bard för att göra research på kunder och era konkurrenter?
• Använder ni er av generativ AI för att snabbare skriva och analysera avtal? 
• Skulle generativ AI kunna assistera säljare med att samla realtidsinformation under kundmöten eller att författa utkast till försäljningsmaterial?
• Hur kan språkmodeller användas för att skicka bättre och mer relevanta mejl och mejlsekvenser?
• Kan generativ AI hjälpa er att onboarda nya säljare snabbare?

‍

‍

10. Kundservice

Det blir allt mer populärt att träna en egen GPT-modell på företagets interna data för att utveckla AI-drivna supportagenter, som antingen bemöter kunderna direkt eller fungerar som ett stöd till mänskliga kundtjänstmedarbetare. Detta är ett område som vi starkt rekommenderar alla ledningsgrupper att titta närmare på då landvinningarna inom generativ AI kommer att transformera supportfunktionen i närtid.

Frågor att diskutera och delegera:

• Kan AI-drivna supportagenter som tränats på er data och dokument bemöta kunden direkt och således förkorta svarstiden?
• Kan generativa modeller underlätta för mänskliga kundtjänstmedarbetare, exempelvis genom att sammanfatta ärenden?
• Har ni strukturerat och klassificerat datan i ert ärendehanteringssystem så att den är redo att användas för AI-applikationer?
• Hur ser era leverantörers roadmap inom AI ut? Kan de erbjuda smarta verktyg baserade på generativ AI, eller behöver ni bygga egna lösningar?
• Hur kan onboarding av nya kundtjänstmedarbetare förbättras?
• Kan access till interna wikis och Q&A förenklas och snabbas upp med hjälp av språkverktyg?

Ett inspirerande exempel är den amerikanska snabbmatskedjan Wendys som har implementerat generativ AI i sin drive-through, läs mer här.

‍

En strategisk fråga för ledningsgruppen

Utifrån de möjligheter som generativ AI ger upphov till kan vi konstatera att utvecklingen kommer att fortsätta röra sig snabbt framåt. För de företag som ser potentialen med tekniken och agerar snabbt finns det stora vinster att hämta.

Den här guiden är del 3 av vår serie om AI för dig som VD. Del 1 - “Utmana din ledningsgrupp med rätt frågor om AI” finns här. Del 2 - “AI ett måste för ledningsgruppen - så kommer du igång” finns här.

‍

‍

‍

Är er verksamhet förberedd på AI-revolutionen? Ta kontakt med mig för att påbörja er AI-resa idag: mattias.guilotte@violet.ai

‍