Så används AI i vardagen

- Några av lärdomarna de 200 seminariedeltagarna kunde ta med sig var vikten av att vara medveten om vad man gör och varför man gör det, menar Peter Kurzwelly, Activator, AI Innovation of Sweden.

– Dessutom handlar det om att man som organisation även tittar på samarbeten med andra aktörer, menar Kurzwelly. Och om vikten av kvalitativdata som samtliga talare lyfte. Får vi kanske snart se DR - Data Resources som en ny funktion i den nya företagsstrukturen? 

Många talar om artificiell intelligens, det har blivit ett modebegrepp. Men hur tillämpas AI? Hur ser befintliga lösningar och verkliga applikationer ut? Detta var den generella startpunkten för åtta presentationerna som hölls under dagen. 

En av dem som framträdde var Tobias Edman, ansvarig för innovation och samhällsnytta på Rymdstyrelsen och för den statliga organisationens datalabb och hur data därifrån kan tillgängliggöras och komma till nytta.

Edmans budskap var: AI frigör kraften i våra rymddata. 

I en intervju efter sitt framträdande utvecklade Edman:

– AI ger verkligen stora möjligheter. Det finns väldiga mängder data som vi inte har kapacitet att analysera utan AI-metoder och där det blir dyrt om man inte gör det i en datafabrik.  

Ett aktuellt problem där Rymddata används handlar om angrepp på skog i södra Sverige från granbarkborren. 

– Enligt de senaste uppgifterna som jag tagit del av är problemen större än efter att stormen Gudrun drog fram 2005, sa Tobias Edman. Den gången var träden sårbara på grund av stormskador – nu är de utsatta efter förra årets torka.

Men nu finns möjligheten att innan det är för sent se vilka träd och bestånd som är angripna – vilket självfallet innebär en stor samhällsnytta.

AI kan också vara en del i arbetet med att tidigt hitta stormskador i skogen.

– Man kommer att kunna hitta mindre stormfällningar, genom att hämta in och sålla ut data, säger Tobias Edman.

Rymdstyrelsen är också engagerad i projekt i och kring några av våra största sjöar. 

– Vi ska titta på igenväxning i Vänern och se hur strandzonerna har påverkats av vattenregleringarna, sa Tobias Edman. Man kan mäta vattenkvalitet och till exempel bidra till förbättrat brukande av åkermark genom gödsling på rätt ställe till en lägre kostnad. Det finns jättestora möjligheter.

I Mälardalen är Rymdstyrelsen i startgroparna för ett projekt tillsammans med de inblandade länsstyrelserna. 

– Vi ska titta på klimatanpassning och olika aspekter av klimatförändringar. Det kan komma att handla om torka, brandrisk eller översvämningar, säger Edman.

Lite senare under eftermiddagen berättade Hans Frölich, vice president Global Business Service på Essity, tidigare SCA:s hygienproduktbolag, om sitt arbete. Frölich har en lång karriär bakom sig inom digital transformation. Han kom till SCA 2016 och hans uppdrag är att driva Essitys transformation av Global Business Services bla inom Digital och AI inom området Finance and business administration.

Hans Frölichs centrala budskap var: 

– Man måste börja! Vissa sätter upp en grandios master plan – men då får man aldrig igång servicen och skapar framgång. Starta i stället med en liten grupp och få det att växa.

Han gav en bild av hur Essitys AI-projekt utvecklats och vilka ambitioner man har; var man kommer ifrån, var man befinner sig i dag och vart man är på väg.

Efteråt breddade Hans Frölich sitt resonemang kring detta:

– När jag kom in var vi otroligt decentraliserade, använde olika verktyg, arbetssätt och hade olika organisationer beroende på region. Alla regioner levererade inte samma service. Vi var decentraliserade och det finns ju fördelar med det. Men om man ska jobba med AI och ha datakvalitet – då är det definitivt ingen fördel, utan då måste man ha globala processer och standardiserad masterdata.

 – I dag har vi kommit långt med den nya plattformen och vårt arbetssätt. Våra medarbetare ser hur man ska arbeta, hur vår modell ser ut, vad är det för verktyg vi använder. Vi har fått en fantastisk up-take – tack vare att vi vågade börja, var tydliga i våra mål inom Digital och AI, samt att vi breddat vår leverans att gälla hela Essity. 

– Framöver måste vi utveckla vår leveransmodell, hur vi kan säkerställa att vi fokuserar på rätt värdeskapande område. Så att vi hjälper organisationen att bli duktigare och duktigare inom AI utifrån att vara en center of excellence-funktion.

Ett konkret exempel, enligt Hans Frölich, är när Essity under hans ledning gick igenom sina arbetssätt i Frankrike och Tyskland inom processen ”order to cash”, alltså från beställning till att man får in pengarna. 

– Genom att titta på processerna så kunde vi identifiera vad som fungerar bra och vad vi kan förbättra, såsom analys varför vi fick kundreklamationer och annat. Vi har nu en tydlig bild av förbättringspotentialen vilket är jätteviktigt nu när vi har börjat titta in på ett nytt ERP-system, (Enterprise Resource Planning), säger Hans Frölich. 

Han är också mycket nöjd med hur AI hjälpt Essity att skapa en matematisk analysmodell för hur kundernas betalningsbeteende, kreditvärdighet mm för potentiella, nya och befintliga kunder genom att använda ”Data mining” och ”Predictive analytics”.

– För ett företag så är ”Cashflow”, flödet av pengar in och pengar ut väldigt viktigt, säger Frölich. Man vill ju förfoga över pengarna så länge som möjligt, så att bättre kunna göra investeringar och utveckling av nya produkter mm, istället för att vara bank till kunderna. Med hjälp av credit mangement-metoden kan Essity fastställa hur mycket bank vi vill vara i förhållande till våra olika kunder. AI-tekniken hjälper oss att se mönster som ligger till grund för enskilda bedömningar.

Hans Frölich har två sammanfattande råd för företag och organisationer som arbetar med AI:

• Harmonisera processerna. Utan kontroll är det svårt att mäta och förbättra. Ha också en förståelse för ”End-to-End” processen, så att du förstår hela värdekedjan. Ett exempel: om du bara analyserar fakturahanteringen utan att processen är harmoniserad, eller du inte förstår hela värdekedjan, då kan du tex inte förstå varför ni får kunder som klagar på fel information.
• Säkerställ att du har kontroll över datan. Man måste ha en masterdata-organisation, annars kommer alla att ha olika definitioner och kvaliteten på informationen kommer att vara dålig. Ett exempel: vad är en anställd? Är det en heltidsanställd? En deltidsanställd? En föräldraledig? En långtidsengagerad konsult? Utan gemensamma definitioner får vi felaktiga rapporter och analyser. 

AI Innovation of Sweden