Tänk på detta när du påbörjar projekt inom AI utveckling

AI har snabbt gått från att vara en utopisk, eller enligt somliga, en dystopisk framtidsvision till att bli ett buzzword. Kanske är det inte så konstigt med tanke på dess outtömliga potential. Men har du ännu inte börjat dra nytta av AI i din organisation fullt ut, så är det hög tid att hoppa på tåget.

Men vad ska du tänka på när du kickar igång er AI utveckling? Oavsett om du gör jobbet in-house eller anlitar en AI-byrå via Partna finns det saker att tänka på. Vi reder ut några viktigheter som du bör hålla koll på.

Bra data är nyckeln

Låt oss likställa AI med en myrstack. Vi har myrorna som är AI-modellen och barren de bär till stacken är data. Myrornas uppgift är att kontinuerligt hämta in mer data för att bygga upp en större och starkare modell. Vem är då drottningen? Jo, det är du. Din uppgift är att instruera myrorna att hämta in rätt data. Om du bygger egna AI-modeller från grunden, är det särskilt viktigt att säkerställa att du har kvalitativ data att träna AI med.

Prompt engineering – vad tusan är det?

Väljer du att använda “färdiga” modeller, såsom OpenAI eller Gemini, bör du förstå vad prompt engineering innebär. I korta drag är det en process som går ut på att utvecklaren finjusterar den text eller fråga som skickas in till AI-modellen i syfte att få ett så bra svar som möjligt tillbaka. AI modellen får då lättare att förstå vad användaren faktiskt är ute efter vilket gör att den kan servera ett tillfredsställande resultat. Prompt engineering är något som en programmerare ofta utför, så tänk på att åsidosätta ordentligt med utvecklingstimmar för detta moment.

OpenAI vs Gemini

OpenAI har du säkert hört talas om. Ett kraftfullt API som baserat på en LLM (large language model) gör att du snabbt och träffsäkert kan framställa text, bilder och annat resultat via generativ artificiell intelligens. Men även Google, och andra jättar, är med i racet och har därför utvecklat deras motsvarighet Gemini. Denna tjänst är dock nyare och kräver lite mer utveckling innan den uppnår samma potential. Om du inte tänker bygga AI från scratch, undersök vilka tredje parter som passar bäst för ditt ändamål.

Tänk på kostnaden

Så vad kostar AI utveckling då? Det beror lite på vad du vill åstadkomma. Vill du skapa en produkt med egna modeller blir det å ena sidan dyrare. Å andra sidan får du en produkt med starkare upphovsrätt och ett högre immateriellt tillgångsvärde. Förlitar du dig på färdiga modeller, såsom OpenAI, kan du snabbare få ut din produkt på marknaden. Hållhaken blir dock att du sätter din tillit till en tredje part som plötsligt, men förhoppningsvis inte, kan komma att sluta fungera. Kostnaden styrs även till stor del av vilka humana resurser du tar in. Att anlita en digital byrå kan exempelvis vara kostnadseffektivt i ett tidigt skede. Utvecklar du egna AI modeller kan du behöva hyra in en data scientist som undersöker vilken data som behövs, hur den ska struktureras och hur den ska presenteras. För att sedan testa om din AI-produkt håller vad den lovar, kan det vara smart att börja smått genom att göra ett proof-of-concept. Därefter kan du successivt investera mer tid och resurser i fortsatt utveckling allteftersom din produkt gradvis mognar.

GDPR och AI utveckling – vad gäller?

Att behandla personuppgifter på ett sunt och hållbart sätt har varit avgörande ända sedan GDPR trädde i full kraft för ett antal år sedan. Oavsett vem som tilldelats rollen som personuppgiftsansvarig i er organisation finns det viktiga frågor att ta hänsyn till när ni drar igång ert AI projekt:

Vilka personer har tillgång till datan som ska nyttjas i projektet?
Kan ni börja använda en mindre mängd persondata för att minimera risker?
Finns det vattentäta sekretessavtal eller personuppgiftsbiträdesavtal på plats?
Hur ska användarnas data krypteras?
Hur säkerställer ni att själva AI:n inte bryter mot GDPR?
Har ni rutiner på plats i händelse av oförutsedda incidenter?

Glöm inte den mänskliga faktorn

Det förekommer en väl etablerad farhåga i samhället att AI kommer att ”stjäla våra jobb”. Men det finns en viss osanning i det här påståendet. Faktum är att ju mer vi låter datorer utföra våra jobb, desto större blir behovet av människor. Detta kallas för automation paradox. Om du väljer att se AI och automation som ett verktyg och en vän blir livet garanterat enklare. Så när du börjar använda AI på en mer avancerad nivå i organisationen, tänk på att inte förlita dig för mycket på den. Det är minst lika viktigt att blanda in människor som förvaltar teknologin och säkerställer att både du och dina kunder får ut det mesta av AI.