Blir 2026 året då AI-bubblan spricker? Eller blir det året då organisationer till slut lyckas få ut verkligt värde av den nya tekniken i större skala? För alla ledare där ute spelar det kanske inte så stor roll. Det viktiga är att fokusera på rätt saker i den nya AI-eran.
De stora techbolagen har investerat enorma summor i AI-tekniken och ser än så länge ut att endast tjäna en bråkdel av vad de behöver för att hämta hem investeringen. [1]
Mycket av pengarna som investerats kommer från bolagens befintliga lönsamma verksamheter vilket talar för att vi inte skulle få en krasch på samma sätt som om investeringarna hade gjorts med bara lånade pengar. Samtidigt känns aktiemarknaden övervärderad med en förväntan på att den nya tekniken ska ge betydligt mer avkastning framöver än vad den gjort hittills. [2]
Att de här bolagen skulle lyckas producera en avkastning som är i linje med förväntningarna är osannolikt. Det innebär att aktiekurserna kommer gå ner på ett eller annat sätt när marknaden inser att värdet är uppblåst.
Om vi nu har en AI-bubbla så är det en tidsfråga innan luften kommer gå ur den. Men vad kommer det innebära? Kommer den spricka över en natt och dra med sig hela börsen och världsekonomin i recession på samma sätt som efter dotcom-kraschen 2000 eller efter finanskrisen 2008?
Eller kommer luften sakta att gå ur och värderingen av techbolagen stabiliseras i samband med att fler och fler organisationer börjar hitta sätta att skapa värde ur sina AI-initiativ? Även det senare alternativet med "pyspunka" kommer leda till att många bolag behöver omvärdera sina förväntningar på det här teknikskiftet och behöva skriva ned förlorade investeringar de inte kommer kunna räkna hem.
Till exempel kommer säkerligen ett flertal av tjänsterna och modellerna som hajpas idag att försvinna och de organisationer som byggt lösningar baserade på dessa kommer att behöva bygga om och göra ytterligare investeringar.
Andra organisationer kommer ha gjort personalnedskärningar med premissen att den nya tekniken fyller luckorna. Men om tekniken inte uppfyller förväntningarna, eller helt enkelt blir dyrare än beräknat när leverantörerna höjer priserna, så kommer dyra återanställningar behöva göras.
HUR SER FRAMTIDEN UT?
"Det som inte dödar oss gör oss starkare"
Det snart 150 år gamla citatet från Nietzsche kommer gälla även de som överlever AI-bubblan. Men vilka är det som kommer gå starkast in i den nya eran?
För att svara på den frågan behöver vi fundera över vilka förväntningarna på AI egentligen är. Precis som med all teknik genom alla tider handlar det om att effektivisera och hitta nya sätt att göra mer med mindre.
Den industriella revolutionen gjorde att en människa med en maskin kunde göra motsvarande arbete som tidigare krävt flera människor. Tänk grävmaskinisten i stället för 20 arbetare med spadar.
På samma sätt har datoriseringen och digitaliseringen de senaste 50 åren gjort att vi kunnat effektivisera vår informationshantering. I stället för att ha människor som utfört administrativt arbete som att registrera ordermottagning, beräkna skattesatser eller rapportera nyckeltal så har vi kunnat automatisera de här uppgifterna i IT-system som dessutom lagrar allt de gjort i databaser för framtida återanvändning.
Båda dessa skiften har dock baserats på deterministisk teknik som accelererar en mänsklig process och ökar en mänsklig arbetares effektivitet så att vi hinner med att göra mer på kortare tid. Det vill säga det är fortfarande en människa som styr grävmaskinen och vet vad som ska grävas. Det är människan som vet vart det ska grävas och vilken skopa som passar bäst att använda. För att det ska bli bra krävs att vi har god förståelse för processen och utförandet. Maskinen ger oss enorm utväxling i utförandet och det blir kritiskt att människan verkligen har kunskap, kompetens och styr processen.
Det är fortfarande en ekonomiassistent som bokför men applikationen hjälper till att räkna fram skattesatsen. Det är människan som vet vad verifikationen representerar för att avgöra vilken typ av kostnad det är men systemet hjälper till att utföra de arbetsamma beräkningarna. För att det ska bli bra krävs att vi har god förståelse och struktur på vår information. Maskinen ger oss extra kapacitet att processa information men det blir kritiskt att människan har kunskap och kompetens och tillhandahåller rätt informationen på rätt sätt.
I den pågående AI-hajpen finns en förväntan att maskinen inte bara ska processa information utan dessutom stå för kunskap och kompetens. Det finns en förväntan att maskinen ska kunna styra processen själv och ta beslut baserat på kunskap.
Det här är ett paradigmskifte i hur vi ser på teknik
Hur tekniken fungerar är också ett paradigmskifte. Traditionell teknik har i princip alltid varit deterministisk. Den ger alltid exakt samma output på exakt samma input. Om outputen blir fel, kan vi skruva på tekniken tills det blir rätt och sedan kan vi förvänta oss att den alltid kommer fungera likadant och ge exakt samma output för samma input. Den är deterministiskt och regelstyrd.
Den nya tekniken är probabilistisk. Den kommer inte garanterat ge samma output för samma input. Den kommer i stället ge den mest sannolika outputen baserat på den information den tränats på. Om den ger fel svar behöver vi antingen träna om den med annan (eller mera) information eller lägga till en ytterligare mekanism som kontrollerar och korrigerar den.
Vi har alltså en helt ny teknik som fungerar på ett helt nytt sätt och som vi förväntar oss ska göra helt nya saker.
Vad är det då vi behöver göra för att lyckas med AI? Vi kan börja med att titta på vilka som lyckats med tidigare teknik.
Den industriella revolutionen gav oss teknik som gav hävstång på utförandet. Mekaniska muskler. Och de som lyckades var de som hittade nya sätt, nya processer, att göra saker effektivare med tekniken.
Det som kanske är ännu intressantare att titta på är de som inte lyckades. Till exempel den elektriska pennan av Thomas Edison som använde toppmodern teknik för att kopiera text men visade sig vara helt värdelös jämfört med andra metoder. [3]
Eller den ryska flygande pansarvagnen som kombinerade flera banbrytande innovationer men visade sig katastrofalt oanvändbar i praktiken. [4]
Att bara applicera ny teknik på ett problem är inte ett givet framgångsrecept. Utan god förståelse för problemet finns en stor risk att det istället blir väldigt kostsamt.
Digitaliseringen har gett oss teknik som gav oss hävstång på informationshanteringen. Datoriserad beräkningskrav och minne. De som lyckats är de som använt den nya tekniken på ett sätt som gjort att de sparat tid i sin informationshantering. Att till exempel låta en kund lägga sin order direkt i en webshop istället för att den behöver hanteras manuellt av en orderhandläggare.
Samtidigt finns det idag otaliga exempel på misslyckanden där vi förväntat oss att tekniken ska ge mervärde men vi har misslyckats att få den att hantera vår information på rätt sätt.
Några närliggande exempel är Millenium [5] eller Skolplattformen i Stockholm [6]
VILKA KOMMER ATT LYCKAS I EN FRAMTID MED AI?
De faktorer som varit avgörande vid de tidigare teknikskiftena ovan blir en underliggande hygienfaktor för att lyckas med AI. Det vill säga att ha tydlig kunskap om sina processer och sin information.
Hur många organisationer har uppnått den mognaden idag? Nyheterna om misslyckade IT-initiativ som Millenium och Skolplattformen duggar fortfarande tätt.
Nästa naturliga steg och det som kommer behövas för att lyckas med AI-tekniken är att hantera sin kunskap på ett strukturerat sätt. Om vi förväntar oss att maskinerna ska kunna bidra i kunskapsrelaterat arbete behöver vi tillhandahålla kunskap. Och det är inte vilken kunskap som helst vi pratar om utan den egna organisationens intellektuella egendom (IP). Den unika kunskap som gör det specifika företaget konkurrenskraftigt på marknaden.
Dagens AI-hajp utgår ifrån en ny teknik, på samma sätt som IT-boomen gjorde för 25 år sedan. Men då precis som nu så är tekniken kanske en av de minsta faktorerna i förändringsresan. Det största skiftet handlar om kultur och mänskligt beteende. De är faktorer som skapar osäkerhet och kräver ett starkt och tydligt ledarskap. De som lyckas efter dagens skifte kommer vara de som har en stark vision och starkt ledarskap. Ledare som kan skapa en trygg miljö för sina medarbetare att innovera och navigera risker.
VAD INNEBÄR AI FÖR DAGENS LEDARE?
De flesta organisationer idag har två helt separata stödfunktioner för att hantera människor respektive teknik. HR ansvarar för att rekrytera, utveckla och vårda personalen. IT ansvarar för att upphandla, utveckla och förvalta teknik. AI är en teknik som kommer med ett löfte att utföra mer traditionellt mänskliga uppgifter och skär över flera traditionella stödfunktioner. Samtidigt måste alla förflyttningar alltid utgå från kärnverksamheten. Det måste alltid finnas ett tydligt värde för verksamheten i anammandet av en ny teknik.
Alla ledare inom en organisation, oavsett kärnverksamhet eller stödfunktion, kommer på någon nivå behöva förstå hur den nya tekniken fungerar för att kunna ta välgrundade beslut i hur den ska användas. Alla kommer inte kunna vara experter, men precis som med annan teknik behöver alla ha en grundläggande förståelse.
När transformativ förändring finns runt hörnet så finns det en stor risk att enskilda ledare i en organisation blir passiva och pekar på att andra ska kliva fram. Här har den högsta ledningen en väldigt viktig uppgift att sätta ihop tvärfunktionella team som får i uppdrag att tänka fritt på vilka möjligheter som den nya AI-tekniken kan medföra när det gäller affärsmodeller, processer, information och hur vi organiserar arbetet. Ett tvärfunktionellt perspektiv leder också till kognitiv mångfald vilket bevisat leder till öka grad av innovation och varaktig som ger hållbar förändring. [7]
Oavsett vad som händer med AI-bubblan så kommer morgondagens vinnare vara de som tar vara på sin unika kunskap och behandlar den som en viktig tillgång. För att kunna använda kunskapsbaserad teknik på ett skalbart sätt behöver vi hantera vår kunskap på ett strukturerat sätt.
Kunskap har alltid varit centralt
Kunskap har alltid varit centralt och viktigt för att lyckas, men när människor leder processer har vi inte haft samma behov av att hantera det på ett strukturerat sätt. En människa samlar alltid på sig kunskap via pragmatisk erfarenhet och kommer alltid kunna ha inneboende kunskap (tacit knowledge) utan att den finns materialiserad någon annanstans i organisationen. Om vi förväntar oss att en maskin ska leda en process behöver vi materialisera vår kunskap utanför våra huvuden. Kunskapen behöver materialiseras på ett sätt som människor förstår och maskiner kan använda. Kunskapen behöver ha ett tydligt ägarskap och förvaltas i organisationen.
Precis som vi i tidigare skiften har fokuserat på att konceptualisera och materialisera vår kunskap så kommer det bli ännu viktigare nu. I slutet på 1900-talet växte insikten och kunskapen fram att kartlägga processer. Många organisationer var flitiga att kartlägga sina processer och nyttja den kunskapen genom en processorienterad effektivisering och innovation.
Från millennieskiftet, i samband med digitaliseringen, har behovet vuxit fram att kartlägga sin information. Även om många organisationer fortfarande kämpar med sin informationshantering så finns idag både insikten och kunskapen att arbeta mer informationsorienterat.
Morgondagens vinnare kommer vara de som till att börja med har kunskap om både sina processer och sin information. Det är den kunskapen som sedan i sin tur behöver hanteras på ett strukturerat sätt. På samma sätt som vi lärt oss göra processkartläggningar och informationskartläggningar så behöver vi också lära oss göra kunskapskartläggningar.
KUNSKAP ÄR NYCKELN TILL FRAMGÅNG
Oljan brukar sägas vara förutsättningen och drivkraften bakom den industriella revolutionen.
Data nämns ofta som den nya oljan i den digitaliserade världen.
Om fossila bränslen och data varit de kritiska resurserna hittills så kommer kunskap vara den främsta resursen för att navigera en både industrialiserad och digitaliserad värld fylld med AI.
Artikeln är författad av Johan Nodén och Dan Ekholm.
Noter:
[1] https://www.marketingaiinstitute.com/blog/ai-economic-impact
[2] https://seekingalpha.com/article/4862638-microsoft-the-ai-reality-check-investors-cant-ignore
[3] https://en.wikipedia.org/wiki/Electric_pen
[4] https://en.wikipedia.org/wiki/Antonov_A-40
[5] https://sv.wikipedia.org/wiki/Millennium_(journalsystem)
[6] https://sv.wikipedia.org/wiki/Skolplattformen
[7] https://oxford-review.com/the-oxford-review-dei-diversity-equity-and-inclusion-dictionary/cognitive-diversity-definition-and-explanation/