Hur förklarar man begreppen AI och Machine Learning? Vad är skillnaden? Varför ligger vi i Sverige ca 5 år efter USA och flera länder i Europa? Och varför är det kritiskt att komma igång och hur gör man det på bästa sätt? Många är frågorna ute på företagen just nu. Vi bad Stefan Lavén, VD på Lincube Group AB och en av gästföreläsarna på vår erfarenhetsutbytesgrupp inom AI for Marketing, reda ut begreppen och dela med sig av sina bästa tips.
Hur skulle du definiera begreppen AI respektive Machine Learning?
AI = Teorin och utvecklingen av datorsystem som kan utföra uppgifter som kräver mänsklig intelligens, som visuell uppfattning, röst-igenkännelse, beslutsfattning och översättning av språk.
Machine Learning (ML) = ML är en typ av AI som tillåter applikationer att vara mer exakta i sitt förutsägbara resultat utan att vara uttryckligen programmerad. Grundförutsättningen för ML är att bygga algoritmer som kan ta emot inkommande data och använda statistisk analys för att förutse ett resultat inom en acceptabel räckvidd.
Varför ligger företagen i Sverige efter USA och flera länder i Europa inom dessa områden?
Det finns olika orsaker till att Sverige har halkat efter. En teori är att det har med att regeringar i andra europeiska länder gav stora anslag till universitet och organisationer redan för ett par år sedan, något som vår regering beslutat om först nu. De har nu givit Sveriges Innovationsmyndighet, Vinnova, 1 miljard kronor som ska gå till utveckling av AI och Machine Learning. De andra länderna har helt enkelt haft ett försprång då de fått ekonomisk hjälp tidigare.
En annan orsak till att vi ligger efter kan vara på grund av den ekonomiska nedgången som började 2008. Eftersom Sverige inte blev lika drabbade som övriga länder runt om i Europa och Norden, så behövde inte vi leta lika aktivt efter smarta och effektiva lösningar i samma utsträckning som exempelvis Finland. De var ett av länderna som drabbades hårdare och behövde komma på smartare och effektivare sätt att driva utvecklingen och tillväxten framåt. Det resulterade i att de tog till sig och exploaterade ny teknik och dess möjligheter tidigare än oss.
Varför är det viktigt att dessa frågor lyfts i företagen nu?
För att det har blivit en överlevnadsfråga. Det är vinna eller försvinna, men för att nyansera bilden lite, så kan du fortfarande leverera vinster eller ha en tillväxt idag, men om två år kommer dina konkurrenter att gått förbi dig, om du väljer att inte göra investeringar för att bli datadriven. En annan viktig orsak är att kundernas beteende är förändrat och det kommer fortsätta att förändras. Idag börjar 85% av alla inköp online, det gäller både inom B2B och B2C.
Man får en känsla av att många tror att det finns en magisk robot/låda att koppla in, som löser allt. Vad säger du om det?
Nej, det gör det inte. Det handlar om att börja arbeta data-drivet, alltså att arbeta med att samla data, analysera och sedan agera på insikterna genom ett Marketing Automation-system. Att arbeta datadrivet är inte för de lata, utan för de ambitiösa. Jag rekommenderar också att börja arbeta efter 70-20-10-regeln. 70% av ditt fokus ska ligga på vad du måste göra idag. 20% ska ligga på vad du måste göra för att överleva imorgon. 10% ska ligga på vad du måste göra i övermorgon. Ett exempel: Det du ska göra idag handlar om att skapa agerbara insikter, agera på dessa insikter och automatisera dina KPI:er, imorgon måste titta på vilka data integrationer som kan få dig att överleva och i övermorgon måste du ha koll på AI och VR.
Vad har du att säga till dem som oroar sig för att AI kommer ta över jobben på marknadsavdelningen?
Alla teknikskiften har inneburit att fler jobb skapats än försvunnit. Men för att det ska ske krävs det att vi, människor, anpassar oss efter utvecklingen. Att vi förändrar sättet vi arbetar och hur vi arbetar.
Vilka är dina bästa tips för att komma igång och driva framgångsrika projekt inom detta område?
- Lev efter 70-20-10-regeln
- Börja i liten skala och väx därifrån
- Använd tekniken till din fördel
