AI är inte nytt – men mognaden är det
När Melina Katkic började intressera sig för artificiell intelligens var fältet långt ifrån mainstream. Redan 2015 grundade hon ett nätverk för AI-entusiaster – ett initiativ som senare blev konsultbolaget NordAxon.
”Jag följde min passion för AI. Det var de kurserna som var mest intressanta under min utbildning i datateknik och ekonomi på Lunds universitet,” berättar hon.
AI:s historia är betydligt äldre än många tror. Teknikens rötter sträcker sig tillbaka till 1956, men utvecklingen har kantats av återkommande ”AI-vintrar” – perioder då intresset svalnade. Det var först runt 2012 som tekniken tog verklig fart, tack vare genombrott inom deep learning och tillgång till stora datamängder.
Transformers, ChatGPT och AI-demokratisering
De senaste åren har utvecklingen accelererat kraftigt – inte minst genom tekniker som transformerarkitekturen (grunden i t.ex. ChatGPT) och plattformar som OpenAI och Hugging Face. Dessa har gjort avancerad AI tillgänglig för fler, inte bara teknikjättarna.
”Demokratiseringen av AI är en milstolpe. När verktygen blev tillgängliga för fler – både öppna modeller och molnbaserade plattformar – öppnades nya möjligheter,” förklarar Melina.
Men samtidigt varnar hon för att reducera AI till enbart generativa verktyg.
”ChatGPT är AI – men AI är så mycket mer än ChatGPT.”
Så skapas verklig nytta med AI
Vad kan AI egentligen användas till inom industrin? Här är Melina tydlig: Det handlar alltid om att skapa affärsvärde.
”Vi brukar utgå från tre värden: öka intäkterna, minska kostnaderna eller höja kvaliteten. Sedan tittar vi på vilken typ av data som finns – bild, text eller tidsserie – och väljer metod därefter.”
De tre stora AI-fälten hon syftar på är datorseende, språkteknologi (NLP) och tidsserieanalys – alla med olika användningsområden. Identifiering av defekter i produktionslinjen, prediktion av efterfrågan eller integration av AI i kundtjänst är bara några exempel.
Men det handlar inte bara om teknik – det handlar om mindset.
”De företag som lyckas är de som har personer i ledande roller som inte är rädda för AI, utan vill förstå det. Det kräver mod, nyfikenhet och viljan att lära,” säger Melina.
Fem vägar till AI-implementering
Enligt Melina finns det fem huvudsakliga sätt att implementera AI i en organisation, beroende på behov och resurser. Allt från att använda färdiga appar, till att bygga egna modeller från grunden.
”Det mest spännande tycker vi är när det inte finns någon färdig lösning – då vi kan bygga en modell från scratch baserat på kundens egen data,” säger hon.
Men det är inte alltid molnet som är lösningen. Oro för dataskydd är vanligt inom industrin, och med rätt arkitektur går det att bygga AI-lösningar helt lokalt.
”Du behöver inte skicka upp datan. Vi kan ladda ner en öppen modell och träna den på en lokal server. Det handlar om att hitta rätt teknisk väg från början.”
AI som verktyg för gott
Samtalet avslutas med en viktig påminnelse:
”AI ska användas för att hjälpa människor, samhället och vår planet – inte tvärtom,” betonar Melina.
I takt med att AI fortsätter förändra industrin i grunden är det upp till oss hur tekniken används. Det handlar inte bara om algoritmer och kod, utan om visioner, värderingar och modet att tänka längre än nästa kvartalsrapport.
Slutreflektion
AI är inte en silverkula – men rätt använd kan den bli en katalysator för verklig transformation. Det kräver både teknik och tillit.
Och kanske viktigast av allt: människor som vågar leda vägen.
