AIA Mimir

Offentlig prosjektsammendrag

Ekte digitalisering handler om å utnytte maskiners evne til å lære (aka. kunstig intelligens) på en måte som ofte snur opp ned på forretningsprosessene. I en ekte digital bedrift har “maskinene” (gjennom sin evne til å lære ved bruk av maskinlæringsmodeller) inntatt en ny rolle. De har lært seg å forstå situasjonen ut fra historiske data og de trenes til å fatte beslutninger om hva som til enhver tid skal gjøres. Dette bringer bedriften fra å være reaktiv og manuell, til å bli proaktiv og mer automatisert. Hvorfor skal brukeren sende inn en søknad (f.eks. for å søke etter en barnehageplass), kanskje være for sent ute og måtte fylle ut mange felter med tidligere kjent informasjon, når maskinene allerede kan forstå behovet basert på det de vet (barn født for 9 mnd siden), og iverksette en slik tenkt dialog med brukeren: Kan vi foreslå at du velger en av disse 3 barnehageplassene for ditt barn? Skillet mellom virksomheter som vil lykkes eller feile med digitaliseringen ligger nettopp her. Det er en fordel for de små nystartede bedriftene, som aktivt utnytter maskinlæring på en god, vitenskapelig og data-drevet måte. De som leverer de beste tjenestene fordi de har de mest effektive prosessene og dermed lavest kostnader. Vi vil møte større utfordringer i årene som kommer. Mange av de AI løsningene som har blitt tatt frem på markedet i dag er kun piloter, men blir markedsført som produkter eller produksjonsklare løsninger. I prosjektorganiserte organisasjoner hentes ofte eksperter inn for å få frem AI baserte løsninger, men så snart den første piloten er levert blir det stans. Tiden og pengene er brukt opp, ekspertene reiser videre og den tradisjonelle organisasjonen står nå med en “intelligent modell” på teamet. Hvordan kan de spille hverandre gode? Vi vet at maskinlæring er ferskvare. Dersom overvåkning og trening av modellen stopper opp etter leveranse blir modellen raskt dårligere i løpet av kort tid. Dette trenger vi AIA Science og AIA Mimir til.