Ledare: Låt behovet styra implementeringen av intelligenta system

Möjligheterna med dataanalys, artificiell intelligens och machine learning är närmast oändliga. Men att ha storslagna visioner har inget egenvärde om det inte går att komma i mål. Utgå alltid från behovet, se möjligheterna i de frågeställningar som ni dagligen brottas med. Ställer ni en konkret fråga så ökar chansen för ni får ett tydligt svar.

Hur kan stora datamängder göra nytta för företaget? Dagligen samlar maskiner och system in stora mängder data som potentiellt sett kan förbättra lönsamhet, kvalitet, underhållsarbete och maskinernas beläggning. Den stora frågan är hur det ska gå till.

Steg ett är att identifiera behovet och se hur lösningen på problemet kan generera affärsnytta. Börja där ni har befintlig data och ett reellt behov. Det svåra är att hitta rätt avgränsningar och inte försöka lösa alla problem samtidigt. Steg två är att tillsätta ett team med relevanta kompetenser, det ska vara en grupp som tillsammans förstår hela processen och som kan tillämpa metoderna för att avhjälpa problemet. Det är personer som förstår maskinernas funktioner och system, som kan extrahera, analysera och visualisera relevant data. Utöver det behövs kompetens som kan koppla ihop arbetet med affärsnytta och tydliggöra vinsterna med implementeringen. Det tredje steget är att driva en pilot – börja i liten skala och bygg upp kunskap och erfarenhet inför kommande projekt. Det är också viktigt att fråga sig om problemet kan lösas med konventionella metoder, så att onödigt komplexa lösningar kan undvikas.

Vad kan vi då göra för att underlätta företagens möjligheter att komma igång? En bra början är att lyfta frågan i olika sammanhang och med en målgruppsanpassad vinkling (det är svårt att nå ut till rätt personer i företagen). Oberoende organisationer som Automation Region och RISE har en viktig roll att fylla. Vi kan sprida goda exempel och skapa möjligheter att lära av organisationer som redan har genomfört lyckade implementeringar av artificiell intelligens och machine learning. Drömmen skulle vara en ”roadshow”, där vi kan gå in på hög nivå i organisationerna och fokusera på affärsnytta.

De organisationer som lyckas i sina projekt har förmågan att visualisera vinster i hela kedjan, allt från ekonomiska aspekter – hur kan vi räkna hem det här? – till maskinoperatörernas vardag där det faktiska arbetet kan underlättas och effektiviseras. En avslutande rekommendation är alltså att bygga upp en bred förankring och förståelse inom den egna organisationen för de värden och fördelar som ett nytt koncept kan ge. Och att alltid låta behovet styra.

Stig Larsson
Senior forskare, RISE SICS Västerås