Når svaret ikke er AI

Dette er en upraktisk ting for et AI-selskap å skrive, men verdt å si tydelig: en god del av AI-prosjektene som settes i gang, løser et problem som ikke krevde AI.

Ikke fordi teknologien ikke virker, men fordi spørsmålet ble stilt feil vei. Noen bestemte seg for å bruke AI, og lette så etter et sted å bruke den. Man finner alltid et sted. Sjelden det der pengene ligger.

Når problemet er at ingen har bestemt seg

Et team ber om et system som leser innkommende saker og foreslår hvilken avdeling som skal ta dem. Setter man seg ned med dem, viser det seg at det ikke finnes noen omforent regel. Fire personer i rommet gir tre forskjellige svar på samme eksempel.

Ingen modell løser det. Det som mangler er en avklaring som tar en ettermiddag.

En modell trent på uenighet produserer uenighet, bare raskere.

Kjennetegnet: dere klarer ikke å bli enige om fasiten på 20 eksempler. Klarer dere ikke det, klarer ikke systemet det heller, og dere kommer aldri til å kunne måle om det virker.

Når problemet er at data ikke er tilgjengelig

Et ønske om en assistent som svarer på spørsmål om kundene, viser seg å handle om at informasjonen ligger i fire systemer som ikke snakker sammen, og at to av dem oppdateres manuelt.

Et AI-lag skjuler problemet en stund. Assistenten svarer selvsikkert på grunnlag av noe som er delvis utdatert, og feilen blir vanskeligere å oppdage enn før, for nå kommer den i hele setninger.

Kjennetegnet: når dere spør hvor tallet kommer fra, får dere navnet på en person i stedet for navnet på et system.

Når regelen er kjent og stabil

Noen oppgaver har et presist svar som allerede står skrevet ned: sats, frist, terskel. En modell kan lære å gjengi den, og vil gjøre det riktig mesteparten av tiden.

Mesteparten av tiden er et dårlig bytte når alternativet er alltid. Bruk modellen på det som er uklart, og la regelen være en regel.

Der AI faktisk er svaret

For å være tydelige: det finnes mange oppgaver der ingenting annet virker. Språk som varierer fritt, dokumenter uten fast struktur, og oppgaver der reglene finnes men ingen har klart å skrive dem ned.

Det som skiller de vellykkede prosjektene er ikke modellvalget, men at de brukte en uke på å forstå oppgaven først.

Spørsmålet vi stiller først

Hva ville skjedd om vi løste dette uten AI? Ofte ville det tatt lengre tid eller ikke skalert, og da er saken grei. Men noen ganger ville det tatt 2 uker og kostet en brøkdel. Verdt å finne ut av før, ikke etter.