Generativ AI på jobbet Exempel på nytta i yrkesrollen

Så kan du dra nytta av AI i yrkesrollen

I november 2022 släpptes ChatGPT och sedan dess har utvecklingen gått snabbt. Generativ AI har tagit världen med storm. De allra flesta har säkert provat tekniken och intresset för vad det nya verktyget kan åstadkomma i arbetslivet både intresserar, skrämmer och fascinerar oss.

– AI är ju egentligen inget nytt. Begreppet har funnits sedan 1950-talet och har sedan 1990-talet använts inom maskininlärning för att träna AI att exempelvis upptäcka cancer i röntgenbilder, berättar Daniel Karlsson, expert inom AI och dataanalys och utbildare inom AI på Astrakan.

För beslut, analyser eller som bollplank

Det stora startskottet för generativ AI kom 2017 då en grupp forskare vid Google publicerade rapporten Attention Is All You Need, där de beskrev ett nytt sätt för djupinlärning, Detta blev en nyckel för utvecklingen av ett nytt sätt att använda sig av AI.

– Den stora skillnaden är att generativ AI producerar något nytt med hjälp av modeller som tränats på enorma mängder data – det kan vara en text, bild eller musik, förklarar Daniel Karlsson.

Användningsområdet är enormt. Det kan användas för analyser och beslutsstöd, för att sammanfatta stora mängder text, skapa rapporter eller som ett bollplank.

– Det som är intressant är att det är en generell teknik som kan användas till många olika saker, allt vi gör där vi inte är beroende av medmänsklig interaktion. Häromdagen tog jag hjälp av AI för att tolka en parkeringsskylt som hade många olika instruktioner – kan jag parkera här eller inte?

Exempel på nytta av AI i yrkesrollen

Att generativ AI är ett verktyg som har stor potential att förenkla och effektivisera vår arbetsvardag är uppenbart. Men vilken konkret nytta kan jag ha av verktyget idag?

– Det är den absolut vanligaste frågan jag får när jag håller kurser i generativ AI. Man vill se konkreta exempel på hur man kan använda det i sin yrkesroll.

Vad får du göra?

Idag finns det redan mängder av AI-verktyg, allt från verktyg för analys och beslutsstöd till olika former av AI-assistenter och chat-botar. Men för den som är sugen på att komma igång och använda AI i sin yrkesroll finns det några saker som är viktiga att tänka på.

Det första är att ta reda på vilken policy ditt företag har. Vad får du du göra? Vilka AI-verktyg får du använda dig av? Finns det begränsningar?

– Det är ju fortfarande relativt nytt och som jag uppfattar det är det få som tagit fram en strategi för hur man vill använda AI för att nå sina verksamhetsmål. Antingen har man ingen policy, eller så har man en väldigt generell policy där man tar en restriktiv hållning, säger Daniel Karlsson.

Om det inte finns någon policy rekommenderar han att enbart använda sig av information som finns på företagets webbsajt, alltså sådan information som redan är offentlig, när man börjar testa att använda AI för jobbet.

Investera tid i verktyget

Nästa råd är att avsätta tid för att lära dig verktyget. Precis som med allt annat behöver man kunskap, träning och utrymme för misslyckande för att bli bra på att använda generativ AI.

– Ett vanligt misstag är att man har alldeles för ambitiösa planer när man sätter igång. Om man då inte får ut ett bra resultat är det lätt att man tappar intresset, konstaterar Daniel Karlsson.

Hans tips är att avsätta ordentligt med tid. För att bli bra på att använda verktyget handlar det inte om att lägga några minuter här och där, utan om timmar. Dessutom behöver det finnas ett tydligt mål, en riktning, för den tid du avsätter för att lära dig AI. Börja med en uppgift som är relevant för jobbet eller något som känns roligt att jobba med, att exempelvis planera företagets after work på ett roligt sätt.

– I yrkesrollen har vi ofta fullt upp och det kan vara svårt att hitta tiden för lärande. Försök därför hitta avgränsade, enkla uppgifter i början, tipsar han.

Att prompta är inte som att googla

En viktig nyckel för att få ut ett bra resultat från exempelvis chatGPT är att lära sig tekniker för att prompta. Promptning är själva beställningen, det du skriver in för att tala om för AI:n vad du vill ha hjälp med.

– En promptning bör vara lite bättre än en vanlig googling. Börja med något enkelt och testa dig fram. När du lärt dig grunderna kan du lära dig mer avancerade tekniker. Sedan är det bara att nöta på.

En enkel teknik som Daniel Karlsson brukar börja med när han lär ut promptning är att tänka ”roll, uppgift, format”:

• Roll: Vem är det som ska ha informationen, är det en projektledare, vd eller ekonom?
• Uppgift: Vad är det du vill att AI:n gör åt dig? Ska den leta fram fakta, skriva en sammanfattning eller ge förslag på en struktur till en workshop? Försök att vara så detaljerad som mö
• Format: Hur vill du ha ditt svar levererat? Ska det vara som en tabell, i punktform eller som en mötesinbjudan?

Han konstaterar att många upplever att det är svårt att se nyttan i början. Det kanske känns som om man lägger ned mer tid än man får ut.

– Det är ofta trögt i början, men plötsligt tänds glimten i ögat och man inser att man kan använda det till allt. Det är då du kommer hem från jobbet, tar ett foto av innehållet i kylskåpet och frågar AI-assistenten:  ”Vad kan jag laga till middag?”

Ta ägarskapet över resultatet

En av invändningarna mot att använda generativ AI är att det inte alltid går att lita på informationen. Daniel Karlsson konstaterar att det gäller att använda AI med förnuft, att se det som ett stöd som förenklar arbetet – det är fortfarande du som planerar, står bakom rapporten och fattar besluten.

– Du kan inte skylla fel och brister på AI. Du har ett ansvar för det du levererar, oavsett vilket verktyg du använder. Ta ägarskapet över det som AI:n producerar, läs igenom och justera rapporten så att det blir något som du också kan stå för, påminner han.

Vad innebär det för mitt jobb?

En annan vanlig diskussion som alltid dyker upp när kursdeltagare börjar inse vidden av verktyget är framtiden. Vad innebär AI för min yrkesroll, för min framtid? Att AI kommer att effektivisera mycket av det arbete vi gör idag är uppenbart och många jobb kommer att försvinna. Vi har redan sett exempel på hur AI ersätter människor i kundtjänst och hur illustratörer tappar uppdrag när de ersätts av AI-genererat material.

– Det är viktigt att också ta den diskussionen internt i företagen. Vad händer när vi implementerar AI i verksamheten? Vad innebär det för medarbetarna och hur transformerar vi den kompetens vi har så att den inte går förlorad?

Hur lätt är det då för en verksamhet att kopiera en anställd och skapa en avatar?

Kan Astrakan exempelvis skapa en kopia av mig, en AI-Anna som gör intervjuer och producerar texter i min stil?

 – De skulle kunna kopiera dig i viss utsträckning, ta fram intervjufrågor och även skriva ihop en text av det. Men du är förmodligen bättre på att fånga upp nyanser i intervjun, fördjupa och ställa följdfrågor och kan bygga texten på ett sätt som gör den intressant, som gör att den får den personliga touchen. En AI kan replikera till viss del, men i dagsläget skulle det vara svårt att ersätta dig, säger Daniel Karlsson.

Vill vi se AI spela schack?

På samma sätt skulle det vara svårt att ersätta en projektledare eller förändringsledare.

– Det finns så mycket i rollen som handlar om annat än själva projektet, inte minst relationen med projektdeltagarna. Den komplexiteten som det innebär att leda en grupp kan inte en AI ersätta i dagsläget.

Daniel Karlsson jämför det med att låta två AI-robotar spela schack med varandra. Det skulle objektivt bli det perfekta schackpartiet. Men skulle det bli intressant?

– Vi människor är inte alltid intresserade av det som är det objektivt bästa. Spelarna, deras bakgrund, utmaningar och erfarenheter i livet, är det som gör schackpartiet intressant att följa.

Ordlista: Vad betyder begreppen?

Ordlistan och förklaringarna har tagits fram med hjälp av AI.

Generativ AI och relaterade begrepp

• Generativ AI: En gren av artificiell intelligens som fokuserar på att skapa nytt innehåll genom att använda modeller som lär sig mönster från existerande data. Exempel på generativ AI är verktyg som GPT-4 för textgenerering och DALLE för bildskapande.
• Multimodal AI: AI-system som kan hantera och integrera flera typer av data, som text, bilder, ljud eller video. Text-till-bild-modeller är ett exempel på multimodal AI.
• Promptning: En teknik där en användare ger en AI-modell en instruktion, en ”prompt”, för att generera ett specifikt resultat, till exempel text, bild eller kod. Prompter är centrala för interaktion med generativa AI-modeller som GPT och DALLE.

Maskininlärning och modeller

• Maskininlärning (Machine Learning): Ett område inom AI där datorer lär sig från data och förbättrar sin prestanda över tid utan att vara explicit programmerade för specifika uppgifter. Rekommendationssystem som används av Netflix, YouTube och Amazon för att föreslå filmer och videor är exempel på
• Modell: En modell är en matematisk representation av ett system som används för att göra förutsägelser eller beslut baserade på Modellen tränas på data för att lära sig mönster och kan sedan tillämpas på ny data.
• Natural Language Processing (NLP): En gren inom AI som fokuserar på hur datorer kan förstå, tolka och generera mänskligt språ Exempel inkluderar chatbots och textanalys.

AI-interaktioner

• AI-assistent: En AI-driven programvara som kan utföra olika uppgifter och interagera med användare. AI-assistenter som Google Assistant, Siri och ChatGPT används för att svara på frågor, hjälpa till med planering, automatisera uppgifter och mycket mer.
• AI-agent: En AI-agent är ett autonomt system som kan observera sin omgivning, fatta beslut och agera självständigt för att uppnå må