Kunstig intelligens vil føre til helt nye forretningsmodeller – men ikke endnu
Virksomheder bør begynde med at eksperimentere med skræddersyede AI-værktøjer på specifikke områder med høj værdiskabelse.
Dette er et debatindlæg: Finans bringer løbende indlæg fra specialister og meningsdannere. De er alle udtryk for den pågældende skribents egen holdning.
Tech-optimisten Peter Diamandis skrev i 2022 på Twitter, at ”der vil finde to slags selskaber ved udgangen af dette årti. Dem der benytter AI fuldt ud, og dem som er gået konkurs”. Nu, to år senere, er entusiasmen for ”kunstig intelligens” fortsat voldsom. Men ser man bort fra tech-komplekset omkring Alphabet, Amazon, Meta og Nvidia, er det svært at finde eksempler på forretningsmodeller, der allerede benytter AI ”fuldt ud”, endsige har gjort det med betydelig gevinst.
Men betyder det så, at AI kun har relevans for tech? Nej. Siden computeren begyndte at blive hvermandseje for godt 40 år siden, har IT spillet en markant rolle i realiseringen af virksomhedsejeres bestræbelser på at gøre forretningen bedre og billigere. Om vi så kalder det digital transformation, AI eller blot sund fornuft, er underordnet. Faktum er, at når begreber bevæger sig fra intuition til noget, der kan måles og vejes, skabes et kvantitativt fundament for at optimere og efterprøve ideér på et videnskabeligt grundlag.
Det er derfor, at AI eller machine learning - som vi egentlig foretrækker at kaldet fænomenet - udgør en såkaldt general purpose technology. Altså noget som har relevans for alle typer virksomheder. Men når virksomhedsledelsen spørger, ”hvordan vi kan bruge AI hos os”, er det vigtigt at gøre sig klart, hvad man egentlig forstår ved AI.
Spørgsmålet er ikke, om AI vil være til gavn for virksomheder, men snare hvordan og hvornår. Det første handler om at identificere use-cases, altså specifikke forretningsudfordringer eller muligheder, hvor teknologien kan tilføre reel værdi. Det andet handler om timing. En egenskab ved general purpose-teknologier er, at de tager tid at blive udbredte. Således tog godt 30 år før udrulningen af elektricitet af gå fra 10 pct. til 80 pct. af husstandene i USA.
Positiv strukturel udvikling tager derfor typisk lang tid. Det er der flere årsager til. Dels er mennesker som udgangspunkt skeptiske overfor forandring. ”Science advances one funeral at a time”, som Max Planck udtrykte det, idet nye paradigmer ofte møder modstand fra de etablerede. Dels forudsætter anvendelsen af AI typisk, at der er styr på data. Det er der ofte ikke i virksomheder. Det gør det i praksis langt sværere for virksomheder at give AI en meningsfuld chance for at gøre en mærkbar forskel på kort sigt. Det gør, at den direkte implikation af risikoen ved nogle typer AI-projekter – som et umodent område – kan være høj.
AI er ikke mystisk. Det er blot anvendt statistik på data, hvilket skaber transparens og bedre grundlag for løbende forretningsoptimering.
Virksomheder vil efterhånden anvende AI over en bred kam. Men tiden er for de fleste virksomheder endnu ikke moden til at opbygge helt nye forretningsmodeller baseret på AI, eller benytte teknologien ”fuldt ud”, som Peter Diamandis skrev. Det er misvisende AI-hype.
Rationelle virksomhedsledere bør begynde at eksperimentere med at bygge skræddersyede AI-værktøjer på specifikke områder, hvor værdiskabelsen er høj. Samtidig bør alle virksomheder overveje, hvad det i deres branche ville sige at udnytte AI ”fuldt ud”, både med hensyn til forretningsmodeller og til indsamling og strukturering af data. Kunstig intelligens har mangedoblet værdien af gode, omfattende og velstrukturerede data.
