Virksomheder ser et stort potentiale i at anvende kunstig intelligens, men kæmper med at omsætte milliardinvesteringerne til resultater. Ny forskning giver et bud på, hvorfor det er så svært at få den avancerede teknologi til at skabe værdi på bundlinjen.

Explainer: Se et sammendrag af forskningsresultaterne på to minutter.

Af Camilla Buus Poulsen

“Beklager. Jeg forstod ikke din forespørgsel korrekt. Prøv at formulere det anderledes.”

Du har sikkert prøvet det. At ringe til din bank, telefonudbyder eller trafikselskab og blive mødt af en venlig robotstemme. Samtalen går nogenlunde, så længe du blot skal indtale dit navn eller CPR-nummer. Men med et stopper den imødekommende robot med at forstå dig. Og efter et endeløst loop, hvor du skriger “HOBRO” eller “UDENLANDSTELEFONI” ind i røret, må du opgive og lægge på.

Talerobotter er én af de løsninger, som virksomheder er vilde med at afprøve i disse år. For potentialet i kunstig intelligens (AI) er enormt, også i erhvervslivet. Alene i 2022 brugte virksomheder 118 mia dollars globalt på initiativer med kunstig intelligens. Men erfaring viser, at det er svært at bygge AI-løsninger, der rent faktisk kommer i brug hos virksomhedens medarbejdere og kunder. 

“Vi ved fra både forskning og vores samarbejde med industrien, at rigtigt mange projekter om kunstig intelligens aldrig bliver sat i drift efter pilotstadiet. Så hvad er årsagen til det?”, spørger Arisa Shollo retorisk. 

Hun er lektor på Institut for Digitalisering på Copenhagen Business School. Og så er hun medforfatter på et 2023-studie, der giver et nyt bud på, hvorfor det ofte går galt med virksomheders indsats inden for kunstig intelligens.

Kreativ problemløsning
Arisa Shollo og hendes kollegaer har undersøgt 55 pilotprojekter med kunstig intelligens i nordeuropæiske virksomheder. Her har de interviewet de dataspecialister, der er ansat til at udvikle datamodeller og computersystemer med kunstig intelligens. 

Forskerne bemærkede, at specifikke udfordringer blev nævnt igen og igen af dataspecialisterne. De var for eksempel frustrerede over urealistiske forventninger fra ledelsen til, hvor nemt det er at implementere AI-løsninger, og hvor hurtigt man kan opnå store resultater. Dataspecialisterne oplevede også, at det var svært at få ledere til at stole på resultater skabt af en kunstig intelligens.

Samlet set viste undersøgelsen en markant forskel på, hvordan dataspecialister og deres ledere går til opgaven med at bygge produkter med kunstig intelligens.

Dataspecialister ser grundlæggende deres arbejde som et håndværk, hvor faglighed og kreativitet hjælper dem med at rette produktudviklingen til, i takt med at de bliver klogere. 

Hvorimod ledere er præget af et perspektiv, hvor de ser dét at udvikle en AI-løsning lidt som at arbejde ved et samlebånd.

Arisa Shollo uddyber: 

“Fra ledernes perspektiv ser man i højere grad arbejde og opgaver som noget forudsigeligt, man kan kontrollere og bryde ned i mindre trin. Man skal bare udføre de planlagte opgaver i den rigtige rækkefølge”.

Således har ledere, ifølge forskergruppen, ofte for høje forventninger til udfaldet af AI-projekter, samtidig med at de behandler projekterne som almindelige, mere traditionelle IT-projekter. 

Skuffede ledere og frustrerede specialister
“Ved at se på medarbejdergrupperne og deres forskellige tilgange til at løse opgaver og samarbejde, får vi en ny ramme til at forstå, hvorfor det er så svært for virksomheder at skabe værdi med kunstig intelligens”, siger Arisa Shollo.

Hun vurderer, at begge medarbejdergrupper ofte overser den anden gruppes perspektiv. Og manglen på forståelse for forskelligheder kan bidrage negativt til at projekterne aldrig kommer ud over rampen. Ledelsen forstår ikke dataspecialisternes undersøgende tilgang, og dataspecialisterne forstår ikke lederes behov for kontrol og planlægning. Projekter går i stå, eller bliver lukket. 

Behovet for ildsjæle
Anders Henten nikker genkendende til resultaterne. Han er professor på Institut for Elektroniske Systemer på Aalborg Universitet, og forsker blandt andet i, hvad der sker, når virksomheder indfører kunstig intelligens, med særligt fokus på serviceorganisationer:

“Jeg er ikke i tvivl om, at forskerne har ret i, at forskellige arbejdstilgange spiller en rolle. Det er bare vigtigt at huske, at der også er andre aktører på spil”.

Anders Henten fortæller, at AI-projekter ofte opstår på grund af andre fagmedarbejdere, som får en idé til, hvordan kunstig intelligens kan hjælpe med at løse et konkret problem i deres eget arbejdsområde. Det kan være en jordemoder, der ser potentiale i at bruge AI som ekstra kontrol til ultralydsscanninger. Eller en advokat, der har læst om en ny måde at automatisere sagsarkivering på. 

Og han understreger, at disse initiativtagere har afgørende betydning for, om et projekt lykkes.

“De begynder som nicheprojekter, der opstår på grund af begejstring og initiativ. Det er ganske enkelt afgørende for succesen med nogle ildsjæle til at drive projektet. Og de kan komme fra alle steder i virksomheden”, forklarer Anders Henten.

Noget tyder altså på, at hvis virksomheder vil skabe værdi med kunstig intelligens, skal de fokusere bredt på medarbejdere, og ikke blot på store computere og videnstunge specialister. Hvis de til gengæld overvinder forståelseskløften mellem medarbejdergrupper, kan det være nøglen til endelig at få det fulde potentiale ud af kunstig intelligens.