ARTIFICIELL INTELLIGENS
– STÖDJA OCH EFFEKTIVISERA VERKSAMHETER
VT 2020: KANI06 Kandidatuppsats i Informatik
Olle Sandahl Philip Lökholm
Förord:
Följande kandidatuppsats inom informatik är skriven vid institutionen för informationsteknologi på Högskolan i Borås under vårterminen 2020.
Då uppsatsen är skriven under en pågående pandemi och större delen av Sverige är satt i karantän har det medfört att ett traditionellt uppsatsarbete med kvalitativa intervjuer har varit svårt att genomföra. Det har dock resulterat i ett bredare perspektiv för skribenterna vilket i slutändan kan vara grunden för ett mer väl genomfört arbete. Vi hoppas att för er som läser denna uppsatsen, att ni får en förståelse för hur artificiell intelligens används redan idag för att hjälpa företagen i Sverige att optimera viktiga affärsprocesser för dess kärnverksamhet.
Vi skulle vilja tacka Patrik Hedberg som varit vår handledare genom denna uppsatsen. Tack för din tid, dina tankar och synpunkter på ämnet, du har hjälpt oss och visat vägen i stunder då vi varit osäkra. Vi vill även rikta ett stort tack till alla övriga involverade lärare på akademin för deras inspirerande föreläsningar och genomgångar genom åren vilket legat till grund för denna uppsats.
Svensk titel: Artificiell intelligens - stödja och effektivisera verksamheter Engelsk titel: Artificial intelligence - support and streamline organisations Utgivningsår: 2020
Författare: Olle Sandahl & Philip Lökholm Handledare: Patrik Hedberg
Abstract
The following study has examined whether artificial intelligence can support, promote and, in some cases, improve efficiency for companies and organizations as society becomes more digitized. The study is based on a qualitative study where the collected material that forms the basis of the study comes from companies that are well versed in the work of artificial intelligence. As well as the knowledge based on people with a general and raised experience of the work with artificial intelligence.
Since previous research in this field is limited because of the new technology, there is a lack of literature study linked directly to the field. The literature that are available today is, according to today's people working in the area, outdated even though some studies are only about 5-10 years old only.
The study is developed around the following question:
- How can artificial intelligence support and streamline various functions in a company’s business processes?
- How can artificial intelligence be best implemented in a business?
Through a theoretical frame of reference linked to the study and the subject, a deeper understanding of the concept and area of the study can be achieved. The result of the following study was that artificial intelligence has advantages and disadvantages for companies and organizations, in many cases it can support and streamline various processes and functions in a business. But depending on what type of business it is, the implementation and use is different, it varies based on the amount of data and what data type that the organization has today.
The study also pointed out that without basic analyzes from each organization about how AI can help them, they can in some cases have the opposite effect, something companies do not want to experience. Therefore, it is important that organizations and their system administrators get an insight into what AI can do for their business, how it should be implemented, when it should begin that implementation, but above all why they should implement AI in the organization.
Key words:
Artificial Intelligence, AI, machine learning, data analysis, neural networks, expertsystems.
Sammanfattning
Följande studie har undersökt huruvida artificiell intelligens kan stödja, främja och i vissa fall även effektivisera för företag och organisationer i takt med att samhället blir mer digitaliserat. Studien är baserad på en kvalitativ studie där det insamlade materialet utgör grunden i studien vilken kommer ifrån företag som är väl insatta i arbetet med artificiell intelligens, därtill kommer kunskapen ifrån personer med en generell och bred erfarenhet av arbetet med artificiell intelligens.
Då tidigare forskning är relativt begränsad inom området på grund av den nya tekniken så finns det bristande litteraturstudie kopplat direkt till området. Detta då tidigare litteraturstudie anses av dagens personer som arbetar inom området att denna litteratur redan är föråldrad även om vissa studier är ca 5-10 år gamla.
Frågeställningen i studien är formulerad till:
- Hur kan artificiell intelligens stödja, och effektivisera olika funktioner i ett företags affärsprocesser?
- Hur kan artificiell intelligens implementeras bäst i en verksamhet?
Genom en teoretisk referensram kopplad till studien och ämnet kan en djupare förståelse uppnås kring begreppen och området i undersökningen. Resultatet av följande studie var att artificiell intelligens har för och nackdelar för företag och organisationer, i många fall kan det stödja och effektivisera olika processer och funktioner i en verksamhet. Men beroende på vad för typ av verksamhet det är så är implementeringen och användandet olika, det varierar utifrån datamängder och datatyp som organisationen besitter idag.
Studien pekade även på att utan grundläggande analyser från respektive organisation om hur AI kan hjälpa dem så kan de i vissa fall ge en motsatt effekt, något företagen inte vill uppleva. Därför är det viktigt att organisationerna och dess systemadministratörer får en inblick i vad AI kan göra för deras verksamhet, hur det bör implementeras, när det bör påbörja den implementeringen, men framförallt varför de bör implementera AI i organisationen.
Nyckelord:
Innehållsförteckning
1. Inledning 7
1.1 Bakgrund 7
1.2 Tidigare forskning 8
1.3 Problemdiskussion 8
1.4 Syfte 9
1.5 Frågeställning 9
1.6 Avgränsning 9
1.7 Målgrupp 9
1.8 Disposition 10
2. Teoretisk referensram 11
2.1 Artificiell Intelligens (AI) 11
2.1.1 Maskininlärning 11
2.1.2 Djupinlärning 12
2.1.3 Automatiseringar med artificiell intelligens 12
2.1.4 Expertsystem 13
2.2 Implementering av artificiell intelligens (AI) 13
2.3 Artificiell intelligens inom E-handel 14
2.4 Artificiell intelligens inom försäljningsprognoser 14
2.5 Affärsprocesser 15
2.5.1 Automatisering av affärsprocesser 15
3. Metod 16
3.1 Tillvägagångssätt 16
3.2 Datainsamling 16
3.3 Intervju genomförande 17
3.4 Urval 17
3.5 Motiv för vald metod 18
3.6 Alternativ metoder 18
3.7 Metod utvärdering 18
4. Resultat 19
5. Analys och diskussion 26
5.1 Analys 26
6. Slutsats 31
6.1 Slutsats utifrån frågeställningar 31
6.2 Bidrag till informatik 33
6.3 Metodreflektion 33
6.4 Förslag till fortsatt forskning 35
7. Källförteckning 36
8. Bilagor 39
Transkriberad intervju med Andreas Thorén - Generalist på ICA Banken 39
Transkriberad intervju med Niklas Larsson på Vinga 45
1. Inledning
Detta avsnittet kommer behandla bakgrunden till idén om studien, varför det är intressant att undersöka, samt hur artificiell intelligens kan bidra till bättre processer och funktioner i ett företag för ett effektivisera och förenkla vissa arbetsuppgifter. Inledningen kommer lägga fram en grund till IT-utvecklingen och varför artificiell intelligens bör introduceras för fler verksamheter för att uppnå effektiviseringar i olika former. Studien kommer därefter att behandla en bakgrund till begreppen i studien och ge en större förklaring till vad artificiell intelligens är och hur det fungerar.
Idag blir fler och fler funktioner digitaliserade och uppkopplade mot olika IT-system i takt med att samhället rör sig mot en mer digitaliserad värld. Därför är det också viktigt att företagen som bygger upp samhället även hänger med i IT-utvecklingen som sker. IT-systemen möjliggör
effektiviseringar och automatiseringar av många processer som tidigare krävde manuellt arbete eller handläggning av en människa (Jonsson A, 2017) . Med en implementering av IT-system så skapas möjligheterna att helt eller delvis automatisera olika processer och flöden. Det skapar
tidsbesparingar och i långa lopp oftast kostnadsbesparingar för företagen.
Idag är många IT-system och olika IT-komponenter fortfarande begränsade, det är här som artificiell intelligens (AI) kommer in i bilden. AI är en viktig komponent när det kommer till att säkerställa implementeringen av IT-system för att få maximal effekt och för att främja samt stödja många viktiga processer i verksamheten. AI är en framtidssäkring där systemet ständigt kommer kunna utvecklas och inte sätta käppar i hjulet och begränsa organisationen från att växa som ett
traditionellt IT-system kan göra. (Backlund, I. & Kasapolli, A. 2019).
Medan många företag idag ställer om till en mer digitaliserad affärsprocess så är det redan företag som arbetar med att byta den digitaliserade miljön till ett helt AI baserat system. Men för att företagen ska våga ta steget mot artificiell intelligens och främst förstå varför de bör ta steget mot artificiell intelligens så måste de först förstå fördelarna med en implementering. (Sjödin D, 2018).
De måste förstå hur det kan stödja och effektivisera olika affärsprocesser samt även förenkla en del arbetsuppgifter för att i långa loppet spara resurser.
1.1 Bakgrund
I dagens samhälle som hela tiden blir mer och mer digitaliserat och uppkopplat är det även viktigt att företagen och organisationerna som bygger upp samhället hänger med i teknikutvecklingen. Ett viktigt steg i detta är att äldre företag och organisationer går ifrån tidigare system och
arbetsprocesser och arbetar med nya IT-system. Nackdelarna med en sådan övergång är att det är stora investeringar och tar mycket resurser i form av personaltid och andra ekonomiska resurser.
(David R. Sjödin, 2018)
Något som också är en nackdel med en sådan övergång är att övergången oftast är mot mer
standardiserade IT-system och affärssystem. System som dagens moderna företaget redan har börjat arbeta ifrån och gå mot mer nya AI baserade system för att effektivisera ytterligare. Därför är det av stor vikt att alla företag men framförallt företag som är i fasen att uppgradera IT-system stannar upp och utvärderar möjligheterna att installera framtidens IT-system redan nu.
Genom ett AI baserat IT-system kan stora hinder undvikas och organisationerna slipper flera dyrare investeringar genom att istället framtidssäkra med de senaste systemen och tekniken. Det kan resultera i kostnadsbesparingar och mer effektiviseringar än vad företaget inledningsvis har räknat
1.2 Tidigare forskning
Artificiell intelligens är ett område som ständigt är under utveckling, den tidigare forskningen inkluderar bland annat hur företag går mot en mer digitaliserad miljö och arbetsprocesser. Där har tidigare forskning adresserat främst vilka möjligheter som finns samtidigt som fallgropar och lärdomar även tas upp. Vad kan företagen förvänta sig av en digitalisering, vad för svårigheter och utmaningar en implementering kan medföra för en organisation (David R. Sjödin, 2018).
Genom att studera hur artificiell intelligens implementeras i olika organisationer upptäcks det snabbt att implementeringsprocessen varierar väldigt mycket utifrån vad för företag eller
organisation det är som ska genomföra implementeringen samt på vilket nivå AI arbetet/systemet befinner sig och vad för funktion som ska digitaliseras. (Backlund, I. & Kasapolli, A. 2019)
1.3 Problemdiskussion
Problemdiskussionen tar upp huruvida artificiell intelligens kan stödja och effektivisera olika affärsprocesser i olika verksamheter, därför anses det även vara ett högaktuellt ämne som rör både ekonomi- och IT sektorn. Dessutom tvingas många företag ställa om till en mer e-handel baserad verksamhet på grund av den ökade nyttan av att ligga i framkant inom IT och automatisering (Jonsson, A. et al. 2017).
Idag används artificiell intelligens i allt större utsträckning jämfört med för bara några år sedan men det är oftast kopplat till större företag med mer resurser finansiellt och större datamängder att dels analysera men även att grunda artificiell intelligens på. Det skapar möjligheter att genomföra analyser och reaktioner utifrån den insamlade datan. Företagen kan samtidigt dra sig ifrån att implementera denna nya teknik, dels på grund av utmaningar som nämnt ovan, men även för att allmänheten inte är helt införstådda i tekniken och de vet inte heller om de vågar lita på tekniken. I en undersökning från Novus (Novus 2018) konstaterades det att en stor mängd fortfarande ansåg att uppgifter bör utföras av människor i framtiden och de var inte bekväma med att robotar tog över mycket mer standardiserade processer och arbetsuppgifter.
Sedan finns det även olika områden som artificiell intelligens kan implementeras på samtidigt som det kan implementeras på olika sätt beroende på hur verksamheten är uppbyggd. En människa har möjlighet, att under en process/arbetsuppgift, att byta tillvägagångssätt och anpassa efter arbetet.
Här har inte artificiell intelligensen samma möjligheter. Där arbetar systemet utifrån de inlästa informationen, maskininlärningen är alltså inte bättre än informationen den har läst in. Artificiell intelligens blir mer och mer intressant på agendan, både hur det utvecklas i samhället men även vad ett system baserat på artificiell intelligens kan erbjuda för funktionalitet och effektivisering för företag (Backlund, I. & Kasapolli, A. 2019). Därför är det viktigt att företagen redan nu hänger med i utvecklingen för att inte hamna för långt efter, nyttan med ett sådant system överväger
nackdelarna.
Rapporten kommer därför behandla artificiell intelligens utifrån ett företags synsätt med en
inriktning på informatik och hur huruvida investeringar IT-systemen kan optimera affärsprocesserna i organisationerna och resultera i olika former av effektiviseringar. Kräver stora investeringar, investeringens omfattning får stå i proportion mot vad förväntningarna är med investeringen.
1.4 Syfte
Syfte med den planerade studien är att bidra med kunskap om hur artificiell intelligens kan stödja och effektivisera olika affärsprocesser i olika verksamheter. Det involverar områden såsom möjlighet att skapa bättre försäljningsprognoser för att förutse inköpsbehov, automatisering av kundtjänst för att effektivisera och skapa kundnytta i företaget. Anledningen till varför ämnet är intressant att studera har att göra med teknikutvecklingen som resulterat i att allt fler företag tvingas digitaliseras och implementera fler och fler IT-system.
1.5 Frågeställning
Frågeställningen i studien är:
- Hur kan artificiell intelligens stödja, och effektivisera olika funktioner i ett företags affärsprocesser?
- Hur kan artificiell intelligens implementeras bäst i en verksamhet?
1.6 Avgränsning
Avgränsningar i studien kommer att göras från problem som möjligtvis kan uppstå i samband med en implementering av artificiell intelligens i en verksamhet. Det kommer även avgränsas från mer specifikt när företagen eller organisationerna är mogna att genomföra en sådan implementering och varför de är mogna. Istället kommer studien att undersöka vad en implementering av artificiell intelligens kan bidra med till en organisation i form av just effektiviseringar av affärsprocesser samt hur det bäst implementeras i verksamheten.
1.7 Målgrupp
Följande studie riktar sig till en målgrupp som inkluderar akademin med forskare och andra studenter inom informatik eller annan IT-inriktning som har ett intresse för effektivisering med hjälp av artificiell intelligens
Studien är även lämpad för företag och andra organisationer som söker information om fördelarna med att implementera artificiell intelligens i verksamheten för att antingen stödja, effektivisera eller optimera olika affärsprocesser.
Det kan även vara för rollerna inom, IT-utvecklare, verksamhetschefer, bolagsägare mm.
1.8 Disposition
Uppsatsen disponeras utifrån 8 avsnitt som behandlar olika områden, dessa områden är:
1. Inledning
Syftar till att skapa en förståelse för ämnet och anledningen med studien samt hur detta kommer att undersökas. Tar även upp väsentlig information för att avgränsa studien och vilken målgrupp studien riktar sig mot.
2. Teoretiskt referensram
Detta kapitel syftar kring att skapa kunskap och en förståelse för begrepp och området som behandlas i studien. Det ligger till grund för att lättare förstå resultatet senare i studien.
3. Metod
Metoden innehåller centrala delar för hur studien har behandlats och genomförts. Uppsatsen inleds med en beskrivande del för att därefter konkretisera ner i mer detaljerad nivå över hur insamlingen av fakta har skett.
4. Resultat
Detta kapitel innehåller resultatet som framkommit utifrån den genomförda metoden i tidigare avsnitt.
5. Analys och diskussion
Analys och diskussion tar upp olika synvinklar och är en mer grundläggande analys av resultatet från metodavsnittet. Ligger till grund för slutsatsen i studien.
6. Slutsats
Slutsatsen består av den datan som studien resulterat i utifrån den genomförda analysen av den insamlade information från metodavsnittet. Slutsatsen svarar på studiens frågeställning och är sedan med i sammanfattningen för studien. Slutsatsen kommer innehålla en reflektion över metoden som använts i studien samt hur denna forskningen kan utvecklas i en vidare studie.
7. Källförteckning
Innehåller källor och referanser som utgör grunden till studien och den teorin som har formulerats i studien.
8. Bilagor
Detta avsnitt innehåller bilagor från genomförda intervjuer med respondenterna för studien.
2. Teoretisk referensram
Den teoretiska referensramen ger en fördjupning och ökad förståelse för artificiell intelligens, vissa begrepp kopplat till ämnet och dess olika huvudområden som studien kommer att behandla.
Informationen härifrån ligger som grund för analysen och diskussionen som kommer senare i studien.
2.1 Artificiell Intelligens (AI)
Artificiell intelligens är ett kunnande hos datorprogram eller robotar att ta efter främst människor eller djurs naturliga intelligens, detta i första hand för att kunna reda ut olika problem eller för att planera en sekvens av akter för att utföra något. Artificiell intelligens har funnits med oss inom den teknologiska eran väldigt länge men det är nu de senaste åren en mängd forskning har lagts ner inom detta område. Dels för att öka människans kompetens och förståelse i stor omfattning om vad ett system med artificiell intelligens kan bidra till oss och vårt samhälle i form av självkörande bilar och robotar som utför lättare och mer standardiserade arbetsuppgifter åt oss. Det som forskarna tidigare ansåg låg många år framåt i tiden är idag redan verklighet tack vare artificiell intelligens och dess förmåga till självlärande och utveckling. Artificiell intelligens delas in i några olika
huvudområden, dels för hur systemet fungerar och är uppbyggt men även kopplat till vilka områden som studien kommer att behandla. (Tecuci, G, 2012)
2.1.1 Maskininlärning
Maskininlärning innebär att en dator kan utifrån data lära sig lösa specifika uppgifter utan att datorn har programmerats till att göra just den uppgiften. Under det senaste decenniet har maskininlärning lyckats åstad komma uppfinningar som självkörande bilar, röstigenkänning samt även ge ut relevant information till en specifik användare. Allt detta som allt mer och mer blir en vardag.
Maskininlärning är idag ett så genomgripande begrepp att det dagligen används ett dussintals gånger varje dag utan att veta det. (Mattsson. S 2018)
Maskininlärning använder sig ofta av algoritmer som sedan en dator kan fatta beslut på. Dessa maskininlärningsalgoritmer brukar delas in i två olika kategorier, övervakade eller oövervakade.
Övervakade algoritmer kan tillämpa tidigare erfarenheter eller information som redan tidigare har lärt sig på ny data med hjälp av märkta exempel för att kunna förutsäga framtida händelser. Dessa inlärningsalgoritmer kan också jämföra dess output med avsedd utgång och hitta fel för att
modifiera modellen i därefter. Oövervakade algoritmer eller inlärning studerar hur olika system kan dra slutsatser till olika funktioner för att beskriva en dold struktur från omärkt data. Systemet kan sällan räkna exakt men kan dra slutsatser från data för att beskriva strukturen. (Mattsson. S 2018) Inlärningsprocessen börjar tidigt med observation eller data. Exempelvis via direkt erfarenhet eller instruktion för att kunna leta efter mönster i data som sedan en dator kan göra beräkningar och fatta bättre beslut efter. Maskininlärning möjliggör analys av enorma mängder data, vilket kommer till stor användning, oftast inom ett specialiserat område för statistik korsad med datavetenskap.
Synnerligen brukas maskininlärning inom områden som beräkningsstatistik vetenskapliga kalkyler och datavisualisering. (Mclean, A. 2018)
2.1.2 Djupinlärning
Djupinlärning är ett mer avancerat exempel av maskininlärning och oftast det som berör stora delar av artificiell intelligens. Maskininlärning lär sig specifikt utifrån data som de på egen hand kan analysera för att därefter lära sig och dra slutsatser utifrån den analyserade datan. Djupinlärning tar detta till en annan nivå och kan efterliknas mer hur en människa skulle uppfatta någonting och lära sig, hur människan tänker på ett specifikt sätt och även drar slutsatser utifrån det. Djupinlärningen bryter ner datan och information i olika abstraktionsnivåer för att göra mer konkreta analyser, hela metoden är baserade på komplexa algoritmer som bygger upp analysen. Där lägga fokus på detaljer, medan den irrelevanta datan exkluderas från analysen. I en verksamhet eller produktion används ofta djupinlärning till att finna brister, smarta underhållningssätt, förutsäga framtida behov samt minska kapacitet. (Buchanan M, 2015).
Djupinlärning har fått väldigt stor uppmärksamhet de senaste åren då stora genombrott har gjorts.
Speciellt när det kommer till bild och ansiktsigenkänning, automatisk översättning, sammanfatta olika rapporter och även lära sig spelstrategier. Möjligheten till att skapa en fullt fungerande
djupinlärning bygger på vidareutvecklingar av bakomliggande algoritmer och nätverks utformning.
(Castor och Borgvall 2019)
2.1.3 Automatiseringar med artificiell intelligens
I samband med systemutvecklingen och implementering av nya IT-system i olika verksamheter så är effektiviseringar och automatiseringar oftast en stor och väsentlig del. Om en integrering av ett nytt system ej kommer tillföra något i form av effektivisering eller automatisering så finns det ingen anledning att genomföra implementeringen. Med artificiell intelligens möjliggörs en bättre system integrering då stora delar av simplare uppgifter kan hanteras av systemet automatiskt (Shani O, 2020).
Det finns många olika sätt och områden som ett system kan tänka integreras på. Ett exempel är exempelvis chattrobotar eller chattbot som det också kallas, deras uppgifter är en lättare form av kundtjänst. Roboten integreras i systemet, helt mjukvarubaserad, där agerar den som en första kontakt med konsumenterna. Genom att samla in information utifrån vad som efterfrågas, kan systemet därefter hämta nödvändig och efterfrågad information från ett eller flertalet system i organisationen. Tolka informationen och sammanställa den presentabelt till konsumenten som exempelvis undrar om leveranstiden på en viss produkt i en webbshop. (IDG, 2020)
Det finns en mängd områden där artificiell intelligens kan implementeras för att skapa
automatiserade funktioner som för 10-20 år sedan såg omöjliga ut. Det finns exempel på smarta butiker från företaget Amazon, där konsumenterna har möjlighet att konsumerar varor i en butik utan att behöva stå i kö för att betala. Så fort de tar en vara från en sektion i butiken registreras det och alla varor som kunden tar med ut ur butiken registreras sedan på deras konto och pengarna dras i efterhand. (HUI research 2019)
2.1.4 Expertsystem
Ett expertsystem, även kallat beslutsstödsystem är ett datorprogram som genom tidigare insamlad information kan dra slutsatser och sammanställa datan utifrån några förhållningsregler. Denna datan kan sedan presenteras till användaren som efterfrågat informationen. Det kan efterliknas en chatbot som tar in informationen från en förfrågan, för att därefter sammanställa och sortera upp
information från flera olika system. Funderar likt en if-sats i programmeringen, om något händer ska en annan sak utföras. (Jackson P, 1999).
Expertsystem är inte alltid 0 eller 1 för att definiera om ett svar är sant eller falskt. Utan det kan utgå ifrån Fuzzy logic vilket i praktiken är ett intervall mellan 0 och 1. Exempelvis ”Hur mycket vatten krävs för att det ska räknas som översvämning?”. Svaret på den frågan kan varken vara falskt eller sant utan måste definieras utifrån ett intervall över hur mycket vatten det finns. Det är där som Fuzzy logic kommer in och erbjuder ett intervall mellan 0 och 1 som exempelvis 0.4. något som möjliggör andra svarsalternativ jämfört med en traditionell dator som kan svara falskt eller sant.
(Jackson P, 1999).
2.2 Implementering av artificiell intelligens (AI)
Många företagsledningar ser idag väldigt stor vikt och entusiasm över att använda maskininlärningsapplikationer i deras verksamhet, och att det finns stort potential i just affärsprocesser. Dock en nyckelfråga som ofta förbiser är att låsa helt till fördelarna med en
artificiell intelligens och bortser från att upplärningen och framtida stöd för systemet kräver mycket erfarenhet och kunnig arbetskraft. (Marie-Lousie 2019) kring språkar om hur viktigt det är att lyssna på experterna. Artificiell intelligens är ett väldigt komplext ämne och så är även alla de ramverk och tillvägagångsätt som involveras också. Förutsättningar är viktigt då det inte bara handlar om att implementera AI, utan att även uppnå en framgångsrik verksamhet som skapar värde från AI-lösningar.
Som tidigare nämnt är det inga tvivel om att artificiell intelligens (AI) kan ge enormt stora möjligheter för företag att automatisera affärsprocesser. Tyvärr är det inte så simpelt att bara
implementera maskininlärningsapplikationer i sina affärsprocesser och helt plötsligt uppnått toppen av konkurrensfördelarna. Utan det krävs en hel del förberedelser och veta vad som ska göra med informationen som fås ut av att automatisera. Då AI primärt finner värde genom att förbättra processer men i slutändan är det i princip alltid en människa som gör något eller använder informationen från det automatiseringen har åstadkommit. Det vill säga att datorer kan bearbeta uppgifter med noga precision och eller ta fram väl uträknad information men detta är inte värt mycket ifall informationen inte används till någonting. Det kan till och med vara ännu värre att informationen blir helt fel från början då inmatning av dåliga data i första hand genererar något helt annat än vad som var tänkt från början. (Ross, J. 2018)
En underökning som visar på hur företag värdesätter AI-algoritmer i sina processer visar på att implementering av de flesta applikationer för maskininlärning ökar snarare än att ersättas utav mänskliga ansträngningar. Detta påverkar även i sin tur stora förändringar som vilka andra uppgifter folk uträttar istället. Det vill säga att många icke-specialiserade uppgifter elimineras helt och hållet där endast skickliga uppgifter kvarstår och kräver god bedömning och kompetens för. (Ross, J.
2018)
2.3 Artificiell intelligens inom E-handel
E-handel har på senaste tid utvecklats i väldigt hög grad och är i dagsläget en utav samhällets mest potentiella områden. Då den teknologiska eran bidrar till utveckling av informations och
nätverkstekniker vilket ger större möjligheter för ny teknik i e-handeln. I artikeln The application of Agent technique in E-commerce, tar upp hur agenteknologi är en av de senaste teknikerna som används inom e-handeln. Det är en produkt som använder sig utav databehandling och artificiell intelligensteknik. Denna produkt har fördelen med autonomi, initiativ och strukturfundament för avancerade nivåer av e-handel. Företag kan använda sig utav denna agentteknologi och ta fördel av dess intelligens och dynamik för att få tillgång till en rad agenttjänster. Tjänster såsom
tillhandahålla resurser och automatiska onlinetransaktioner för företag och privatpersoner som deltar inom affärsverksamheten, för att förverkliga en snabba, effektiv och intelligent e-handel.
(Zhang H, 2010)
I artikeln Study on the E-commerce Platform Based on Artificial Intelligence (2015), tar artikeln upp hur IT kraftigt växer inom e-handeln och hur artificiell intelligens till och med kan lösa e- handelns större problem. Artikeln nämner att genom att upprätta en rimlig verktygsfunktion kan den rätta designmodellen maximera fördelarna för både kunderna och försäljare, samt förutse
transaktionsprocesser för e-handel. Artificiell intelligens är lösningen till denna verktygsfunktion och implementera detta på dagens handelsplattform kan effektivt lösa de problem som finns i de nuvarande e-handelssystem.
2.4 Artificiell intelligens inom försäljningsprognoser
Försäljningsprognoser hjälper företag att få en inblick i marknadsdynamiken och hantera de olika aspekterna av en verksamhet. Detta är någonting som är väldigt viktigt för olika företags överlevnad men tar väldigt mycket tid att utföra. Nu på senaste tiden så har AI börjat användas allt mer för att effektivisera detta område (Jakobsson O, 2019).
I artikeln Waiting for a sales renaissance in the fourth industrial revolution kan det tydas att artificiell intelligens eller maskininlärning inte har funnits länge inom affärsverksamheten men börjar bli allt mer vanligt och förekommande. Kortsagt så är AI och maskininlärning förmågan eller intelligens hos maskiner att kunna efterlikna oss människor och andra djur. Forskare kom fram att till det var mer effektivt att få datorer att lära sig själva än att programmera in varje skicklighet eller uppgift som datorn var tänkt att utföra, detta är känt som maskininlärning. Chase, C. från artikeln Machine Learning is Changing Demand Forecasting beskriver han hur maskininlärningsbaserade prognoser används bland annat idag till att beräkna ut kampanjökningar över olika trender och olika säsonger. (Mehendale, A. & Sherin, N. 2018).
Försäljningsprognoser börjar som sagt använda sig mer och mer utav datorteknik och
automatisering. Personlig försäljning och försäljningshantering har ett antal arbetsuppgifter som måste utföras i den dagliga verksamheten. Eftersom dessa arbetsuppgifter tar mycket tid och energi att utföra så försvinner mycket fokus från en säljares primära arbetsuppgifter. Användandet utav AI inom försäljningsprognoser används huvudsakligen för att automatisera rutinuppgifter så som dokumentation, försäljning, samtalsrapporter samt tillhandhållande av produkt/tjänstdata. Detta leder som tidigare sagt att användaren eller försäljaren blir mer produktiv och kan lägga ner mer fokus på att exempelvis utveckla relationer. (Mehendale, A. & Sherin, N. 2018).
2.5 Affärsprocesser
En affärsprocess kan ses som en samling av uppgifter, ofta arbetsuppgifter som är samman länkade som i slutändan genererar någon form utav nytta. Ofta brukar slutnyttan vara en tjänst eller en produkt men kan även vara en uppsättning aktiviteter och uppgifter som kommer generera en organisatoriskt mål. Forskning och utveckling har ökat ytterligt då det framgick att det fanns
mycket tid, pengar och möjligheter att spara på just att automatisera dessa tjänster genom så kallade managementsystem. För att automatisering av affärsprocesser ska genomföras måste det innefatta tydligt definierade ingångar eller starter som i slutändan alltid genererar en och samma utgång. Tack vare det stort ökade intresset och efterfrågan av automatisering har en hel bransch skapats för just automatisering av processhantering. Det vill säga BPA-branschen, Business process automation.
(Hantry F, 2010)
2.5.1 Automatisering av affärsprocesser
Då affärsprocesser kan vara både enkla och komplexa baserat på antal steg, antal involverade system etc. De kan vara korta eller långa där längre processer tenderar att ha flera beroenden och ett större dokumentationskrav. Detta leder till att automatisering av dessa processer finner flera fördelar med även en del nackdelar att tänka på när företag vill integrera automatisering i arbetsflöden.
(Thomas, M. 2017)
En av de största fördelarna med automatisering av affärsprocesser är effektivitet. Det vill säga möjligheten att lättare kunna eliminera de mest tidskrävande och repetitiva arbetsuppgifterna, istället kan tiden och pengarna läggas på annat. Exempel på dessa uppgifter som kan automatiseras är automatiska databassökningar eller dokumenthantering som minskar den tid som skulle
spenderas manuellt för att slutföra dem. En annan betydande fördel är pålitligheten av att automatisera. En uppgift kräver normalt betydande manuell inmatning där automatisering kan säkerställa mer noggrannhet och avlägsna möjligheten till den mänskliga faktorn. Företag kan räkna med mera precision gällande fördjupade rapporter, efterrättelse av interna och externa krav,
tidsspårning, orderfyllning med mera. En förbättrad tillförlitlighet gynnar företag i dess helhet genom att säkerhetsställa en högra kvalitet på arbetet som genomförs. (Thomas, M. 2017)
En utav de största eller kanske till och med den allra största negativa följden utav automatisering är att vissa jobb försvinner helt och hållet där personal inte längre behövs. Eftersom det automatisering främst är bra på arbetsuppgifter som involverar många repetitiva systembaserade uppgifter. Vilket betyder att behovet av att anställa personal för dessa tjänster inte längre behövs. Ett svårt
motargument mot detta är att automatering även skapar mycket jobb då utveckling och
underhållning av systemet behövs, men tyvärr behövs väldigt mycket kompetens och erfarenheter från personal för att kunna bedriva systemet på bästa sätt. Det kommer alltid i slutändan finnas fördelar med automatisering av affärsprocesser men det viktigaste prioritering är att automatisera rätt uppgifter. Automatisering kan tyvärr inte sättas in i alla sammanhang då vissa lösningar kräver betydande mer överväganden och andra viktiga aspekter. (Stiftelsen för strategisk forskning 2014)
3. Metod
Metoden kommer att behandla den valda forskningsmetoden som studien utgår ifrån, den innehåller även arbetsmetoden som används vid insamling av informationen från respondenterna samt hur denna informationen har sammanställts inför studiens nästa avsnitt där informationen granskas och analyseras.
3.1 Tillvägagångssätt
Då artificiell intelligens kan hjälpa företag en hel del till att bli ett mer effektivt företag så är det inte helt solklart vart och vad AI ska användas till. Denna rapport om hur artificiell intelligens kan stödja och effektivisera verksamheter undersöker detta mer på detaljerad nivå. Då undersökningen sker på en detaljerad nivå tog därför beslutet att en kvalitativ studie var det mest passande valet. En
kvalitativ studie innebär att den är induktiv och innehåller en fördjupad analys av fallstudier.
(Jacobsen D, 2017). För att få insikt inom området gjordes därför först en förstudie vars syfte var att skaffa underlag och kunskap inom områden för att sedan kunna fatta bättre beslut (Tonnquist B, 2016). Denna förstudie bestod utav att granska tidigare material och texter där artificiell intelligens var ett nyckelord som användes för att få djupare förståelse. Därefter gjordes ytterligare granskning där av hur artificiell intelligens idag och tidigare har använts inom olika branscher.
Efter förstudien användes den information vid valet av fältarbete. Fältarbetet för denna uppsats behövde genomföras hos ett väl insatt företag där IT är starkt involverad i företags sysselsättning, detta för att hålla sig innanför ramarna för avgränsningarna av studien. Intervjuerna ägde därför rum hos IT-ansvarig Niklas Larsson på Vinga of Sweden då kan uppfyller de aspekter som efterfrågas.
Även Andreas Thorén intervjuades för att få en mer allmän bild över ämnet då han har arbetar med artificiell intelligens sedan 2000. Intervjuerna jämfördes med varandra för att hitta likheter och olikheter för att sedan reflektera över empirin.
För att bygga på den fakta som insamlats under fältstudien så kommer även vetenskapliga tidskrifter artiklar och ytterligare empiriska fakta samlas in och analyseras. Detta framför allt för att förstärka den tidigare informationen. Hela studien kommer att utgå från två nyckelord som kommer
specificera och genomsyra all data som insamlas. Dessa nyckelord kommer att vara AI och automatiseringar, detta för att få så realiserbara svar som möjligt som är relevant till problemformuleringen.
3.2 Datainsamling
Datainsamlingen för denna studie är väldigt komplex och därför är den uppdelad i tre olika faktorer som beskriver olika insamlingsprocesser som kommer utföras. Den första faktorn av denna studie innebär en förstudie om ämnet. Där allmän information samlas och tas in för att få en mer allmän lärdom utav ämnet och studien. Detta som kommer ligga i grund för intervjuerna som senare genomförs för att kunna säkerställa att specifika och genomtänkte frågor kommer att ställas, med eventuella följdfrågor.
Den andra faktorn kommer som tidigare nämnt samlas in genom vetenskaplig undersökning av verkligheten genom en fältstudie hos ett insatt företag i IT-branschen. Sammanställningen av intervjun kommer där efter att analyseras och se vilken information studien fick fram genom intervjun.
3.3 Intervju genomförande
För att kunna ge svara på frågeställningen på en sådan detaljerad nivå som möjligt användes intervjuer som val av fältarbete för denna studie. Intervjuerna utfördes semistrukturerat, det vill säga att inför intervjuerna användes en tidigare nedskriven intervjuguide som opponenten använder sig utav men har friheten att komma med egna frågor och svar under intervjuens gång.
För att förbereda sig inför intervjuerna togs sig mycket tid att läsa på om företaget och dess bransch samt allmänt om ämnet för att kunna ställa så specifika och passande frågor som möjligt. Detta hjälpte även till att få djupare och ingående diskussioner med respondenterna. Fältarbetet för denna uppsats behövde genomföras hos ett insatt företag där IT starkt är involverad i företags
sysselsättning, detta för att hålla sig innanför ramarna för avgränsningarna av studien.
Intervjun ägde därför rum hos IT-ansvarig Niklas Larsson på Vinga of Sweden, (nedan kallad enbart Vinga) då Niklas och Vinga uppfyller de aspekter som efterfrågas. Vinga är ett företag som arbetar med smarta och praktiska heminredningsprodukter, där funktionalitet och design är två viktiga begrepp. Vinga är ett väl IT-utvecklat företag som har kommit långt i att väl fungerade IT-system som arbetar med att implementera automatisering och artificiell intelligens i deras affärsprocesser.
Niklas fick svara på frågor gällande om hur de arbetar med AI idag, vilka nackdelar det finns med AI samt vad AI kan göra i framtiden och hur de på bästa sätt implementeras.
För att få en mer allmän bild över ämnet artificiell intelligens, dess kopplingar till organisationer, och organisationers syn på tekniken så genomfördes en intervju med Andreas Thorén. Andreas har sedan 2000 arbetat med AI inom olika verksamheter och har varit med och byggt upp AI processen och flöden i några av Sveriges största företag och organisationer. Hans kunskap om ämnet, hur det har utvecklats samt vart det troligtvis är påväg i framtiden har legat som grund för detta arbetet och strukturen i uppsatsen. Andreas har stor insikt i hur AI bör anammas av företag och organisationer, vad som de behöver tackla och vad de ska satsa på, något som varit avgörande för slutsaten i denna studie.
Något att ha i åtanke var intervjuerna ägde rum under maj månad 2020, vilket ledde till att
intervjuerna har skett via telefon. Detta på grund utav den rådande världssituationen med utbrottet utav covid-19 som gav förhinder att intervjuerna inte kunde ske på fysisk plats. Opponenterna kände att detta inte påverkade intervjuerna på något negativt sätt då en bra uppfattning av hur respondenterna kände och tyckte förekom ändå, dock hade en fysisk träff med respondenterna föredragits.
3.4 Urval
Studiens urval har berott på kunskapen av respektive respondent, genom intervjun med Andreas Thorén som agerar som en generalist ges skribenterna av denna studie en stor fördjupad kunskap om hur artificiell intelligens fungerar. Hur AI har utvecklats, hur det används av företag idag och hur det troligtvis kommer att användas av företag i framtiden. Intervjun av Thorén i kombination med en mer verksamhets baserad intervju med Niklas Larsson på Vinga of Sweden så skapas en stor förståelse för automatiseringar och effektiviseringar i verksamheter genom att implementera AI. De båda respondenterna ger en bred bild över AI samtidigt som konkreta mer fördjupade analyser skapar en god förståelse för ämnet samt frågeställningen.
3.5 Motiv för vald metod
Kvalitativ undersökning passar in synnerligen bättre för denna sorts studie då en fältstudie hos ett genomtänk och insatt företag kan ge i allra hög grad nödvändig information. Specifika och väl utvalda frågor kommer att ställas till den utvalda organisationen för att kunna få så detaljerade svar som möjligt för att inte gå utom avgränsningarna för denna studie.
3.6 Alternativ metoder
Studien har bortsett från en kvantitativ undersökning då ämnet är i högsta grad alldeles för specifikt och inriktat, något som medför att det endast kommer kunna besvaras av väl insatta personer. Dock eftersom den kvantitativ undersökningen är mer anpassad som verktyg för mätenheter och sociala verklighetsbilder (Jacobsen 2017), så passar därför inte den undersökningen på denna sorts studie.
En särskild metod som diskuterades var den gemensamma metoder, där används både en kvantitativ och kvalitativ undersökning för att få en bättre överblick och mer empiriska fakta. Dock drog slutsatsen att den kvalitativa undersökningen är så pass överflödig i denna studie så den gemensamma metoden uteslöts.
3.7 Metod utvärdering
Som tidigare nämnt så har denna studie använts sig av en kvalitativ undersökning då det synnerligen bäst passade in på denna storts studie. Studien syfte är att ta reda på hur artificiell intelligens kan stödja och effektivisera verksamheter, samt hur det bäst kan implementeras. Därför baseras denna studie på flertal informationskällor. Genom noggranna analys över hur bolag fungerat tidigare, hur artificiell intelligens har utvecklats och hur det idag erbjuder stöd för flertalet olika funktioner i en organisation.
Genom intervjuer av företag med stark IT-sektor ges möjligheterna att djupdyka i just detta ämne samt vilka för och nackdelar detta för med sig. Intervjuerna möjliggör ett större rum för
respondenterna att uttrycka sig friare kring ämnet och komma med egna synvinklar som inte tas upp i litteraturens fakta. Den semistrukturerade intervjumetoden var till stor hjälpsamhet för att få större och öppnare diskussion kring frågorna, samt allt fler följdfrågor (Jacobsen 2017). Detta ledsagade till att även respondenterna kom in på andra relevanta områden som från första början inte var tänk att tas upp. Som sagt utfördes båda intervjuerna via telefon men ifall intervjuerna skett ansikte mot ansikte hade detta möjligtvis lätt till utförligare och mer detaljerade förklaringar. Detta upplevdes dock inte ha påverkat studien i några stora drag. Studien avslutar därefter med att visa vart verksamheter kan sträva att vara i framtiden utifrån att uppnå en stark IT-sektor och hur artificiell intelligens kan komma att hjälpa till vid utvecklingsbehov. Det vill säga bygga upp framtidens företag bättre med mer effektiviserade och automatiserade processer.
Nackdelarna med studien är att artificiell intelligens är ett relativt nytt område, även fast artificiell intelligens tog fart redan på 40-talet så är det nu under 2000-talet det verkligen börjar komma till användning (IDG, 2020). Generellt har många bolag bra IT-system och databaser med mycket information och bra kunskap, så är AI ett brett och nytt område. Det kan därför var svårt att få en tillräckligt bred målgrupp för att få flera sammanhängande svar som kan ligga till grund för rapportens slutsats. Det finns dock flera fördelar med metoden, den blir grundad och baserad på verkliga data från verksamheter som arbetar direkt med artificiell intelligens idag. Hur de försöker utveckla verksamhetens olika områden att bli mer sammankopplat med artificiell intelligens, slutprodukten är effektiviseringar och förbättringar på många områden inom verksamheten. Där kommer studien att avgränsas till hur artificiell intelligens kan stödja verksamheterna på olika
4. Resultat
I tidigare avsnitt så rapportens forskningsmetod och teoretisk referensram presenteras för att få en större inblick och identifiera relevant information som kommer ligger i grund för detta avsnitt.
Resultatet av det empiriska materialet kommer att introduceras och sammanställas. Resultatet presenteras i fyra olika kategorier utifrån den data som har samlats in under intervjuerna. Dessa kategorier är noga utvalda och urskiljs från varandra som har gemensamma faktorer och teman som i sin tur respondenterna har svarat på. Frågorna som har ställt i intervjuerna är som sagt baserat på ämnet och det som tidigare har tagits upp i den teoretiska referensramen. Respondenterna har i det stora hela svarat på frågor som rör användandet av artificiell intelligens och implementering av artificiell intelligens.
De 4 resultatkategorierna som den insamlade empirin kommer att framföras genom är:
- Artificiell intelligens i dagens verksamhet
- Artificiell intelligens framtida funktionsduglighet - Nackdelar och utmaningar med AI
- Implementering av AI
Innan resultatet av kategorierna presenteras så kommer en kort beskrivning av rapportens
respondenter för att få en större inblick i deras dagliga verksamhet och tidigare erfarenheter inom området.
Respondent 1 – Andreas Thorén
Respondent 1 är Andreas Thorén. Andreas bidrar med värdefull insikt och kunskap som kommer utgöra en grund för denna uppsats då Thorén med sin breda bakgrund och erfarenheter av arbete med artificiell intelligens. Andreas har varit delaktiga i flertalet verksamheter med ett
marknadsledande fokus och arbete inom artificiell intelligens och arbetar idag som verksamhets arkitekt på ICA Banken.
Andreas erfarenhet inom artificiell intelligens i olika former sträcker sig över flertalet verksamheter sedan år 2000. År 1996 började Andreas att studera till Datavetare på Uppsalas universitet där han blev bekant med artificiell intelligens inom nätverk. Andreas påbörjade därefter karriären på Tacton systems i Stockholm. Där fick han vara med i fronten för utvecklingen av knowledge systems, kunskapsbaserade system med inslag av artificiell intelligens. Systemet är inget självlärande
upparbetet system utan består istället av insamlad data, analys av datan samt problemlösning utifrån den kända datan och informationen.
Efter Tacton systems så var det dags för Andreas att ta steget mot ett större artificiell intelligens arbete. Som enterprise arkitekt på Hennes & Mauritz i Stockholm var han aktiv i deras arbete med att implementera artificiell intelligens i verksamheten som sedan låg som grund för deras breda och stora e-handelsbutik för hela bolaget. Det var först därefter när Andreas började på Pulsen retail som artificiell intelligens blev ett stort fokus. Pulsen som drivits som IT-bolag sedan 1965 har varit grundpelarna för artificiell intelligens inom e-handelsbolag, de har hela tiden strävat efter vad för IT som behövs 5-10 år framåt i tiden. Där startade Anderas det som idag kallas för rapid donation camp inom Pulsen retail. Arbetet därifrån kretsade kring hur företag kan använda den starka och snabbt växande tekniken av artificiell intelligens för att bygga upp den framtida e-handeln. Många inom e-handel arbetar inom mode och design och där anser Thorén att alla vill använda artificiell
Artificiell intelligens i dagens verksamhet
Andreas Thorén säger att artificiell intelligens på ett sätt idag är väldigt begränsat till vad som kan genomföras men att det har väldigt stor potential i framtiden och att det kommer ta över och förbättra många olika verksamheter. I dagsläget säger Andreas att AI är det perfekt för användning av automatisering av repetitiva tjänster. En stor del av en verksamhets olika uppgifter idag är copy/
paste eller importering och exportering olika dokument som relativt lätt kan automatiseras och utföras av en dator. Det kan användas idag främst som stöd till olika funktioner som att till exempel sammanställa en uppgift från and Q/A.
Att företag använder sig utav AI för att samla in kundinformation för att sedan kunna använda sig utav det för att tillhandahålla en bättre köpupplevelse för kunden är idag väldigt förekommande av stora företag. Andreas säger att detta kan hjälpa företag mycket men kan även ge en motsagd effekt då kunder är medvetna av att deras information samlas in och kan därför bli skrämd av detta.
Andreas ger exempel på hur bankverksamheten gör detta på ett bra sätt då de är extremt försiktiga med användarnas data på grund utav sekretess och andra GDPR-regler. Men vid jämförelse av sekretessen på andra marknader så är det mer öppet och därför använder sig utav tekniker som AI som hjälper företag synnerligen med att samla information om vad marknaden eftersträvar. De flesta kunder och konsumenter är medvetna om hur rekommendationssystem fungerar men de vet inte alltid exakt all information som sparas om än. Det gäller även för företag att bevisa för kunderna att de är ett trovärdigt företag och inte utnyttjar informationen på fel sätt, något som kan liknas vid självkörande bilar, är inte företaget trovärdigt, hur trovärdig är den självkörande bilen då.
Artificiell intelligens framtida funktionsduglighet
Som nämnt tidigare så har framtida tillämpning av AI och automatisering stor potential. Andreas tar upp en väldigt intressant synpunkt där han nämner hur AI användes idag som hjälpmedel i många företag. Men det intressanta är när företag väljer ett AI inriktat spår inom en bransch och sedan förändras princip hela marknaden efter det. Företaget Uber är ett ultimat exempel på detta, då uber är världens största taxibolag men äger inte en enda taxibil. Även AirBnB har gjort en liknande inriktning då företaget är världens största hotellkedja men äger inte ett enda hotell. Andreas säger att de är sådana inriktningar kan på riktigt förändra världen även fast det kan vara svårt att se det idag, och tror därför på att i framtiden så kommer många olika marknader se annorlunda ut.
En sådan industri som kommer förändras helt är bilindustrin tror Andreas. I framtiden när i princip alla bilar kommer kunna köra sig själva så kommer det troligen leda till bilpooler, det vill säga, att inga eller väldigt få kommer äga någon bil. Alla bilar kommer fungera som en taxi att den plockar upp personer och kör dem till respektive platser och sedan kör vidare för att plocka upp nästa person. Vilket även i sin tur kommer leda till att behovet av parkeringsplatser inte kommer vara den samma.
Artificiell intelligens kommer implementeras överallt i framtiden i allas sorters marknader, vissa marknader kommer det ta över helt, medan andra kommer det vara ett viktigt hjälpmedel. Andreas ser även att mycket kommer förändras i ekonomi och lager sektorn, som det redan i dagsläget sker stora förändringar. Lagerrobotar kommer hjälpa till med lagerhantering och även transporten kommer köras ut av självkörande lastbilar. AI inom ekonomisektorn kommer vara ett viktigt hjälpmedel i framtiden och kommer hjälpa till under analyser av tabeller eller stora textmängder, samt automatisering av en mängd olika affärsprocesser.
Men det är inte bara för verksamheter som kommer dra nytta av AI utan även privatpersoner. Den allmänna vardagen kommer se annorlunda ut då AI kommer att användas för att hjälpa till med diverse vardagsuppgifter. Detta genom att prata med en dator och uttrycker sig med ord en uppgift som till exempel du vill ha utförd. Exempelvis på detta kan vara att skriva ett enkelt mail, det vill säga att utrycka sig med ord eller en känsla, vad mailet ska innehålla så kommer en dator författa det till användaren.
Nackdelar och utmaningar med artificiell intelligens
AI är ett brett område där det kan användas för en mängd olika uppgifter. Men även denna oklarhet kan leda till utmaningar med AI, och Andreas säger att han upptäckt och lagt märke till att det är få som faktiskt vet vad för nytta som kan åstadkommas med AI. Andreas pratar om begreppet business translator och data scientist. Där business translator hittar olika affärsbehov och omvandlar det till AI behov som sedan kopplas samma för att uppfylla nyttan. Medan en data scientist eller så kallade analytiker som hjälper till att bygga upp algoritmer som passa in på olika nyttor i verksamheten.
Även andra stora utmaningar och nackdelar som finns idag med AI är att det läggs för stort ansvar, kompetens eller förståelse i en dator istället för att det finns en expert på ett specifikt område. Det vill säga att företag sätter för höga förhoppningar på AI och risken för att någonting ska slå fel är inte nollprocentig. Att lägga för mycket ansvar och tillit på AI har bevisat sig tidigare att saker och ting kan gå fel. Exempelvis vissa AI-robotar som existerar på börsen kan leda till stora problem då det inte har gått att förutsett vissa problem vid utveckling, där då sedan roboten gör som den blivit programmerad till oavsett vad som än händer. Ett sådant överförtroende finns och har ledat tidigare till att vissa börskrascher har uppstått just på grund av detta.
Den största utmaningen med artificiell intelligens ligger hos rädslan för många användare vad som händer med informationen som sparas om än tycker Andreas. Rädslan av att för mycket information sparas om än och att företag kan förutspå och utnyttja det i större utsträckning. Andreas menar att idag så lägger företag mer tid och pengar i att samla på sig information om respektive konsumenter än att försöka sälja så mycket som möjligt. Integriteten betyder väldigt mycket i dessa aspekter och kan vara väldigt skrämmande för individen som blir utsatt, förutsägbar och företag blir alltför närgångna i ens privatliv. Något som kom på frågan i detta ämne är när artificiell intelligens kommer bli allt mer vardag för alla privat personer och individer kommer då skrämseln också försvinna.
Andreas svarade att han inte tror det kommer försvinna att istället kommer det vara någonting som måste regleras bort med tiden. Många lagar och regler skapas för att kunna beskydda integriteten hos många privatpersoner men problemet ligger i att det högst troligtvis alltid finnas någon som vill utnyttja kraften av all denna information. Vilket i sin tur leder till att det alltid kommer finna
personer som är rädda för just den kraften.
Implementering av artificiell intelligens
Det allra första som behöver bli synligt vid implementering av AI är att hitta nyttan och i vilken del av företag som kan dra mest nytta från det, vilket sedan mappar till vilken tjänst som kan
implementera AI inuti. Ett bra exempel är det redan finns mycket data ifrån olika ställen.
Det är inte alltid som det krävs att lära upp artificiell intelligens från början, utan det går att använda sig utav system som redan är bekräftat att det fungerar. En bra start för ett företag som tidigare inte har använt sig av AI är att köpa ett redan existerande system och använda sig utav det.
Sen när företaget är helt beredd på att ta nästa steg och göra stora förändringar kan
implementeringen av specialiserade AI algoritmer baserad på egen data påbörjas, säger Andreas. Att ta beslutet att direkt utveckla egen AI tar alldeles för lång tid och pengar och är inte alls lika
lönsamt för företag som tidigare inte använt sig utav AI.
När det kommer till stadiet att implementera egen AI så det viktigt att tänka på att AI fungerar annorlunda och olikt jämfört med traditionell kod, den måste läras upp av någon eller någonting, eller föra över kunskap. Vilket kan jämfört med att tidigare program är baserad på färdigskrivna regler i form av programmeringskod. Samt att det som är mest tidskrävande är underhållandet av systemet vilket kräver hög kompetens hos förvaltningsprocessen. Eftersom AI använder redan från början använder information som den sedan kan lära sig utav behöver data som används vara relevant, det vill säga att den kan inte bygga algoritmer på data som inte stämmer överens med verksamheten.
Respondent 2 – Vinga of Sweden
Respondent 2 är Niklas Larsson och som har arbetat på Vinga of Sweden (kallad enbart Vinga nedan) sedan 2017 som IT ansvarig och idag arbetar han som E-commerce Manager på Vinga.
Niklas har sedan tidigare en kandidatutbildning från Högskolan i Borås där han studerade till
Dataekonom. Efter avslutad examen våren 2017 började Niklas på Vinga i slutet på sommaren. Som första ansvariga över IT sektionen för Vinga så hade han möjlighet att lägga grunden för en fin karriär inom bolaget. Idag arbetar Niklas som IT-chef eller E-commerece Manager, han har en stor inblick i företagets verksamhetsutveckling kombinerat med bred kunskap om företagets IT
användning.
Vinga är ett företag som arbetar med smarta och praktiska heminredningsprodukter. Funktionalitet och dessutom design är två viktiga begrepp för Vinga. Vinga arbetar en hel del med profil och gåvokort som är deras största produkt för privatpersoner, de är även grossist till 650 stycken återförsäljare och genom dessa så sker majoriteten utav deras försäljning där återförsäljarna har till största del kontakt med slutkund. Vinga har idag cirka 30 anställa men deras 650 återförsäljare fungerar som en hjälpande arm. De satsar väldigt mycket på att vara ett IT-inriktat företag som vill digitalisera så många arbetsprocesser som möjligt, framförallt för att få bort mycket utav den manuella handpåläggningen men också för att göra den interna verksamheten smidigare.
För Vinga är kvalité och värna för miljön aspekter som synar genom hela företaget och de säger att kvalité är mer än bara att sälja bra produkter, eftersom för Vinga handlar det lika mycket om att säkerhetsställa arbetsförhållanden. Vinga är medlemmar inom Amfori och är ett europeiskt
företagssamarbete för att förbättra arbetsvillkor globalt inom leverantörsverksamheten. Över 1300 företag har gått samman inom Amfori för att lägga grunden och implementera en väl uppförandekod i samtliga leverantörskedjor. Vingas syn på miljö och hållbarhetstänk strävar mot att minimera så många negativa effekter från verksamhet och maximer de positiva på deras miljö och sociala gemenskap.
Artificiell intelligens i dagens verksamhet,
Niklas på Vinga säger att AI är ett väldigt brett begrepp och svårt i sig att definiera vad exakt som räknas med AI inom en verksamhet då han säger att på Vinga så arbetar de främst med algoritmer och automatisering. De utför olika förstudier samt undersökningar av marknad eller respektive processer för att sedan kunna effektivera dessa. Niklas säger även att när han tänker på AI så tänker han mer på något som är förberett och som lär sig allt eftersom.
Medan just nu så är Vinga mera inriktade på mer automatiserade processer. Automatisering är väldigt viktigt för en växande verksamhet speciellt ifall de vill ligga i framkant när det kommer till IT-hantering. Men kan inte riktigt räknas som artificiell intelligens.
Dock säger Niklas att delar av Vinga så nyttjas artificiell intelligens, eller till viss utav det. Inom marknadsföring är ett exempel då framtagna algoritmer används för att produktplacera kampanjer.
Han säger att AI används framförallt inom buisness to consumer (B2C). Niklas säger att de använder även algoritmer till att gynna slutkunden, som nämnt innan hos Vinga så sker främst kontakt med slutkund via deras återförsäljare. Vinga arbetar därför just nu med att ta fram
algoritmer för att kunna beräkna vilken produkt som kan vara aktuell för en specifik period samt för vilka kunder. För detta undersöker de främst köpreferenser när företag vanligtvis köper in vissa produkter och i vilken storlek som är kan vara aktuellt för den perioden. Niklas säger även att
granskning av försäljningsprognoser gör för att ligga steget före kunden gällande beställningssteget.
Men det är inte bara inom kundsyfte som Vinga har implementerat AI inom deras verksamhet.
Niklas säger att automatisering och AI behöver inte bara vara främja kunden utan kan användas till stor del internt inom en verksamhet. Niklas berättar även att det finns mycket positiva saker som kan göras samt att de har arbetat en hel del med automatisering av processer och funktioner, där mycket tid har lagts ner för att effektivera ekonomifunktioner och enklare batch hanteringar. Då Vinga säljer mycket på lager så analyserar de omfattande hur de kan förbättra lageroptimering av lager platser, vilka produkter som har pågående trender samt layouten inom lagret då populära produkter lagras längst fram och produkter som säljer mindre lagras längre bak i lagret. Något som även har påbörjats är att de undersöker hur det är möjligt att digitalisera genom att använda AI- robotar inom lagersektorn. Även ett pågående projekt just nu hos Vinga är att implementera en chattfunktion som ska använda sig utav en chattrobot som hjälper till med kundtjänst som klassar som en AI baserade robot. Där roboten kommer använda sig utav funktioner som att hämta
information från olika datakällor för att kunna besvara kundersfrågor och kommer lära sig mer och mer med tiden beroende på vad kunden svarar och ger för betyg.
Niklas säger även att Vinga inte skulle vara samma sak idag ifall artificiell intelligens eller
algoritmer som många processer utgår ifrån idag inte fanns tillgängligt. Vinga hade därför blivit mer tvingade till att ha mera strömlinjeformade processer. Det skulle även vara svårt att arbeta som de gör idag eftersom många har olika tillvägagångssätt och olika lösningsorienterade. Det vill säga utan AI eller algoritmer vara intvingade i olika processer och arbeta på samma sätt.
Artificiell intelligens framtida funktionsduglighet
Varför är det intressant att vilja investera i artificiell intelligens inom en verksamhet kanske inte är solklart, och vad för skillnad kan det göra för en organisation. Att AI gynnar en organisation tvivlar inte Niklas på iallafall. Han säger att han tror AI bidrar med en hel del och arbetar effektivare många mänskliga fel och känslor kan elimineras med AI. Inköpsberäkning är ett exempel som Niklas pratar om hur person kan få känslor för specifika produkter.
Detta kan vara baserat på allt ifrån att till exempel personen varit med och tagit fram produkterna eller bara att de kanske hade en dålig morgon. Hur som helst så finns det olika effekter som uppstår när människor är involverat vilket kan i vissa fall vara en fördel men kan även leda till kognitiva fel, något som då är möjligt att få bort med automatisering av AI där de då undersöker trendanalyser säger Nicklas.
Hur artificiell intelligens kommer se ut i framtiden kommer helt bero på hur stort och välinvesterat olika företag är, det vill säga att många företag kommer helt enkelt att följa marknaden. Niklas säger att större företag kommer har mer av ett forskningsteam som hela tiden letar och kommer på lösningar till nya delar som går att automatisera medans mindre företag som i Vinga of Sweden i denna kontext väntar till en produkt blir mer kommersiell på marknad, det vill säga produkten är mer utav en branschstandard och blir därför lättare för mindre företag att finansiera. Exempelvis är kundtjänst en utav dessa områden där stora investeringar görs i dagsläget på användandet utav AI som troligen kommer bli mer och mer vanligt i framtiden, även ekonomi -och lageravdelningen är två områden som det investeras i kraftigt.
Niklas ger även ett exempel på hur vissa av hand medarbetar tar emot en beställning från ett mail och kopierar in det till ett affärssystem. Detta säger Niklas är en typisk process som ett system enkelt kan automatisera och in princip är byggda för att göra, vilket han påstår att i framtiden kommer helt och hållet handhas av en dator.
Nackdelar och utmaningar med artificiell intelligens
Den största utmaningen med artificiell intelligens är enligt Nicklas egentligen att hela tiden blir allt mer effektivare, vilket både i sig kan vara en för- eller nackdel. Inom en organisation så vill de bli så effektiv som bara möjligt och ett bra sätt att göra detta det vill säga IT-inriktat är automatisering och optimering av processer och AI. Men utmaningen med detta blir att det gäller och hitta en bra gräns för hur mycket som optimeras, eftersom de inte vill optimera allt för mycket heller. En annan utmaning som uppkommer är att artificiell intelligens kräver en hög kompetens i organisationen samt kräver ett större form utav datasystem säger Niklas. Exempelvis som på Vinga som tillfället undersöker att ta in robotar för deras lagerhantering kommer då ”vanlig” lagerpersonal istället behöva bytas ut mot personal som är inriktade i maskin- eller systemoperatörer. Det vill säga en stor klyfta i kunskap och specialisering jämfört med standardlagerpersonal. Niklas menar alltså att kompetens kommer spela stor roll och vara en stor utmaning optimera dessa robotar till en fullkomlig nivå där det övervinner övrig lagerpersonal
Implementering av artificiell intelligens
Niklas på Vinga säger att implementering utav artificiell intelligens kan se olika ut för olika organisationer. Men det allra viktigaste enligt Niklas som kan stämma in på en mängd företag och organisationer är att vid implementering utav AI så måste det finnas tillförlitliga data och att allting är korrekt uppbyggt i alla system, samt även att datan inte är redundant. Hela informationssystem arkitekturen måste stämma överens med den övriga verksamheten. Niklas säger att det svåra med att just datan ska vara tillförlitlig och överensstämmande är att det tyvärr inte finns någon
standardsätt för hur denna arkitektur ska läggas upp. Utan det enda sättet att göra är helt enkelt att testa sig fram, resultatet om det var rätt beslut eller ej kommer inte fören senare längre fram när det går att utvärdera beslutet.
Niklas säger även att vid implementering av AI så bör det undersökas i ett så tidigt skede som möjligt, då det hastigt kan täcka upp vissa processer. Eftersom AI och datorer är väldigt bra på att göra uppgifter som är monotona, vilket många tycker är väldigt tråkigt eller onödigt att göra.
Då är det istället möjligt att sätta människor på mer kreativa arbetsuppgifter vilket en dator har svårare att utföra. Men som tidigare nämnt för att en AI-system ska kunna prestera så bra som möjligt måste datan och informationen som utgör grunden för AI-systemet vara korrekt, ett bra grundsystem och struktur är av största vikt. Niklas säger att detta är helt enkelt A och O för att implementera AI i ett verksamhetssystem, för annars kommer det inte att fungera.
Niklas fortsätter även med att säga att när de har fått koll på den egna datan så gäller det givetvis att använda den, och använda den på rätt sätt. Därför ska AI implementeras där det finns pengar eller tid att spara, då det inte finns någon anledning att automatisera någonting som redan i nuläget tar lite tid och är sparsamt. Ekonomi funktioner är ett bra exempel då det redan ligger i framkant inom AI eftersom det redan finns mycket tidigare forskning inom området samt finns mycket pengar som är möjligt att spara in på.
