Gå direkt till innehåll
Sex utmaningar för att komma igång med AI som disruptiv teknologi, del 2.

Blogginlägg -

Sex utmaningar för att komma igång med AI som disruptiv teknologi, del 2.

I förra veckan skrev Reijo Silander om de tre första utmaningarna med att komma igång med AI som disruptiv teknologi. Han nämnde bland annat utmaningar med IT-strategin och kulturförändringar.

Varsågoda här kommer de tre sista utmaningarna.

4) Uppgifter utkonkurrerar ändamål

Många anser sig inte ha tid att ta in och testa disruptiva teknologier, man vill men initiativ behöver taktas in mot befintlig utveckling och beslutsprocesser som är uppsatta utifrån ett monolittänkande.

Precis så är det, många vi har träffat på vill men har arbetshögar som behöver betas av först. På detta ligger komplexa beslutsprocesser att sedan lägga ytterligare arbetstid på samt den tillhörande ledtiden i processen.

En trygghet i vad som är strategiskt viktigt och vilken riktning som gäller behöver genomsyra beslutsfattare på alla nivåer. Jobbar vi med rätt saker? Vad är ändamålet? Att låta beslut styras av ändamål mer än arbetsuppgift. Det behövs chefer som är villiga att curla fram nya banor för att lätta på det inbyggda motståndet och öppna upp för digitaliseringsinitiativ. Det är nödvändigt att korta de initiala ledtiderna om man vill få tillstånd en experimentell utveckling av verksamheten.

5) Ovilja till förändring

Ovilja till förändring kan bero på flera faktorer.

  1. Den främsta är den självcentrerade, hur påverkar det mig och mina intressen.
  2. Vad gäller disruptiva teknologier är bristande kommunikation initialt en stor utmaning, inte för de direkt berörda av utvecklingen utan för de som annars ser sig förbigångna. Faktor 1 slår till då. Missförstånd på grund av inadekvat informationsspridning. Vem informerar om vad och till vem och när? En informationsstrategi som utvecklas tillsammans och alla håller sig till är viktig. Här är det risk för värmeutveckling och ryktesspridning då det finns mycket extern information som för vem som helst är lätt att läsa in sig på.
  3. Bristande delaktighet
  4. Kompetens/förståelse

Inkludera personal som har en positiv vilja till förändring. Alla har inte det i sig initialt men med ett tänkesätt utifrån tillväxt, ha den grundläggande övertygelsen att intelligens (eller talang eller annan personlighet eller förmåga) kan utvecklas, att det inte är statiskt eller förutbestämt. Personalens beteende är oftast ett symtom på hur förutsättningarna varit i företaget fram till nu. ” Man blir där man är” är snarare än ” Man blir den man är”.

Se till att även dessa personer kan inkluderas genom att skapa förutsättningar så de får en positiv vilja. Någonstans kommer man till vägs ände, som ledare måste man då ha mod att sätta ner foten. Som individ ska du själv ha modet och insikten om att kliva på eller av tåget. Gör det inte till ett chefsproblem.

Inför kollaborativa kommunikationstrådar som går från operativ frontlinje till central ledning och tillbaka för att öka kunskapsutbytet i samband med initiativ. Ha ödmjukhet för den kunskap som finns på alla nivåer och det gemensamma lärandet som uppstår. Initialt fokusera på att ta fram snabba lösningar som har en pedagogiskt höjd som goda exempel. Ta lärdomar av det som gjorts.

6) Förståelsegapet är större än man tror

Det vi märker när vi träffar kunder är att det saknas kunskap kring AI och dess möjligheter. Den kunskapsbristen finns både på IT- och verksamhetssidan. Utmaningen låter kanske enkel, då får vi skaffa den kunskapen. Men AI är ett stort område, de AI delar som är lättare att ta till sig är chatt botar och robotar då dessa konceptuellt är lätta att förstå och se värden i. Men är det där verklig disruption ligger? Dessa båda teknologier är mer att polera yta plus risken är stor att man asfalterar kostigar. Det är betydligt svårare att ta till sig kognitivt AI då den verkligen utmanar förståelsen av vad som kan göras på ett helt annan nivå. När vi berättar vad som är möjligt har folk svårt att tro det är sant. Det är just detta som är den disruptiva kärnan i teknologin.

Många stora analysinstitut som intervjuar ledare m.m. inom olika marknader och presenterar rapporter med förslag på modeller och guider för införande av disruptivt tänkande missar att de som intervjuas generellt inte heller vet. De guider och modeller som presenteras baserat på marknadsanalyser bör man än så länge ta med en nypa salt.

Vi har tagit fram en modell som adresserar det konceptuella gapet. Den bygger på att bygga upp den konceptuella kunskapen genom att visa på konkreta lösningar och värden. Därefter sker idégenereringen och prediktioner på framtida (tidigare okända) värden och möjligheter kan göras.

Slutsatser och medskick

Dagens komplexa och heterogena IT-landskap ger låg utvecklingstakt och en förflyttning från detta läge behöver ske på något vis. Strategier och metoder för att åstadkomma denna förflyttning bäddas in i IT-strategier, men bör hållas isär från strategin för införande av disruptiva teknologier. Strategin för att hantera disruptiva teknologier och medföljande innovationer behöver tas fram utifrån ett fritt spelrum.

En monolitisk* och begränsad kunskapssyn behöver kunna överges till förmån för innovation. Man vet vad man vet, gamla sanningar behöver kunna överges till förmån för det man ännu inte vet. Ett tänkesätt som passar bättre för införandet av en strategi för att hantera disruptiva teknologier är att ”fortsätta som vi gör nu inte kommer att fungera” och kan leda till katastrof.

Ok hur gör vi istället?

Med en separat strategi är det möjligt att ifrågasätta och utmana allt det som görs nu. Kunna utmana nuläget om allt;

  • Om sig själva och sina egna beteendemönster
  • Om roller och organisation
  • Om arbetssätt och processer
  • Om den aktuella verksamhetens hälsa (eller avsaknad därav)
  • Om företagets ställning i förhållande till andra på deras marknad etc.

Disruptiva teknologier ändrar allt, och bara de som är villiga att ifrågasätta allt kommer att se möjligheterna.

Sätt inte regelverken framför innovation, det går inte att administrera fram innovation.

Hitta nya sätt att lära medarbetarna, släpp teori via skolbänk gå över till konkret experimenterande och införande av lösningar. Det är först då kunskaperna kan uppstå.

Gör något åt kommunikations- och beslutsstrukturerna med mål att korta ned ledtider samt få snabbare återkoppling.

Jobba inifrån och ut, börja med det som ni kan bäst och är viktigast för verksamheten. Fråga er hur denna del kan utvecklas med hjälp av AI?

Det är två fördelar med detta:

  1. Uppmärksamheten kommer att vara hög från ledningen, sakkunskapen är på plats och sannolikheten att datat finns är större.
  2. Identifierade möjligheter leder till en dialog kring prediktioner om tidigare okända möjliga förbättringar, påverkan på organisation, infrastruktur etc. och eventuell möjlig påverkan på affärsmodeller.

Har du frågor om detta blogginlägg eller vill veta mer om våra tjänster inom AI?


Kontakta Reijo Silander, reijo.silander@seavus.com eller Dimitris Panagio, dimitris.panagio@seavus.com

OBS! 
Missa inte heller vårt AI-seminarium den 4 oktober, läs mer och anmäl dig här!

*) Monolitisk - en ensidig (och tvångsmässigt) uppbyggd åskådning. Som en solid "pelare" utan tillstymmelse till mångformighet, variation eller möjlighet att komma in i och förändra.


För fördjupning och mer inspiration läs gärna: MIT Sloan Management Review “Coming of Age Digitally“

Relaterade länkar

Ämnen

Kategorier

Kontakter

Relaterat innehåll

  • Seavus fortsätter satsa på Artificiell intelligens i Stockholm

    Mjukvaruutvecklings- och konsultföretaget Seavus fortsätter sina investeringar inom Artificiell Intelligens i Stockholm där divisionen, Development and Architecture (DNA) kommer ha AI som sitt huvudfokus. I november 2017 lanserade Seavus AI-lösningen DoAI och sedan dess har vi framgångsrikt levererat AI-tjänster till olika kunder och branscher.

  • Hur används AI som utvecklingsstöd och finns det kopplingar mellan innovation och AI?

    Stefanos och Thomas har under våren genomfört delar av deras examensjobb hos oss på Seavus i Stockholm. De har fördjupat sig inom Artificiell intelligens och innovation. Examensarbetet är en del av en forskningsstudie som KTH driver. Seavus har medverkat som samarbetspartner kring AI-delarna. Här får ni lära känna dem lite bättre.

  • Fem risker vid införande av AI i verksamheten

    Införande av AI lösningar är ett hett område. Det har tagits flera initiativ till planering och uppstart av AI projekt. Dock kan viss osäkerhet uppstå kring hur man ska gå tillväga, vad man ska tänka på och vad man bör undvika för att få ett så bra resultat som möjligt. I detta blogginlägg presenterar Dimitris Panagio fem risker att undvika vid införande av AI i verksamheten.

  • Nu har AI-proppen äntligen gått ur!

    Fler och fler företag startar AI-projekt och AI proof of concepts. Det är faktiskt historiskt höga nivåer på intresseanmälningar för nya AI-projekt. Utgångspunkten är att det är för viktigt och för stor potential inom AI att företag inte kan skjuta på det längre. Det är nu det startar på riktigt! Läs CEO, Dimitris Panagios blogginlägg, där han resonerar kring varför AI-proppen gått just nu!

  • Fem saker som skiljer AI-projekt från traditionella IT-projekt

    AI-projekt behöver en annan approach än traditionella IT-projekt för att lyckas. AI tillämpningar bryter ny mark och öppnar upp för tidigare outforskade möjligheter vilket påverkar projektdesignen. I detta blogginlägg beskriver Reijo Silander några saker du bör ta hänsyn till om du tänker driva AI-projekt.

  • Hur går man från AI algoritm till produktionslösning?

    ​Det finns många AI algoritmer på marknaden, ska man köpa en och installera eller krävs det mer för att få en produktionslösning? I denna bloggartikel beskriver vi hur man bör gå tillväga för att få till ett AI-system som fungerar på riktigt, i en produktionsmiljö.

Relaterade event

  • Seminarium: AI – från liten kod till stor resurs

    Tid 4 Oktober 2018 17:30 – 20:00

    Plats Torsdagen den 4 oktober kl. 17:30, Seavus kontor på Blekholmstorget 30, Hus F plan 10. Registrering från 17:30. Vi bjuder på wrap och dryck. Seminariet börjar kl. 18 och pågår ca 1 h inkl. frågor. Kvällen avslutas med en Afterwork där vi bjuder på öl/vin/alkoholfritt samt snacks fram till kl. 20.

  • Using AI in building next generation of smart AI Chatbots

    Tid 18 Oktober 2018 07:30 – 09:00

    Plats When: Thursday 18 October at 8 am. Coffee and sandwich is served from 07:30 and seminar is between 8-9 am. Where: Seavus Stockholm office, Blekholmstorget 30, House F floor 10.