AI-r

I bring the knowledge. You run the company. Together we teach your AI!

Gå direkt till kontakt.

Vad jobbar du egentligen med?  Det är en bra fråga för titeln AI-filosof är inte helt vardaglig. Jag har upptäckt att det bästa sättet att besvara frågan är med tre motfrågor.

(1) Vad har du lärt AI idag?

Du kanske nu svarar att du använt den i jobbet och den har byggt något åt dig eller assisterat dig i ett möte. Bra. Då har du använt AI och lärt AI om dig själv genom ditt eget beteende. Du har givit den användardata Men vad har du medvetet lärt upp AI i idag?

Vilka kunskaper, vilka värderingar, vilka definitioner och vilka perspektiv har du medvetet lärt ditt system?

(2) Vad har ni lärt AI om er organisation?

De flesta organisationer fokuserar på hur AI ska användas. Betydligt färre funderar på vad de faktiskt lär den. Ni lär AI om er organisation genom den information, de principer och de definitioner ni väljer att ge den. Det är faktiskt vad som brukar kallas företagsfilosofi. Ett ord som används ofta men sällan definieras. Sättet ni lär upp den på kallas träningsdata. Där skiljer sig svaren på de två frågorna åt. Så låt oss klargöra det med denna fråga:

(3) Vad blev svårare när ni började använda AI?

De svar jag får handlar sällan om teknik utan om otydligt språk, motsägelsefulla principer, osäker ansvarsfördelning och bristande samförståelse blir plötsligt operativa frågor. Men jag möts också av att material som kommer från medarbetare och avdelningar blir allt tyngre och mer omfångsrikt vilket gör det svårare att hantera.

Med det sagt är frågan dels om vi får mer kvantitet eller mer kvalitet (eller båda två?). Och dels handlar det om tydligheten. De flesta organisationer är tydliga kring hårda värden som ekonomi. Färre är lika tydliga kring kultur, inkludering, jämställdhet, ansvar eller värderingar.

Här är det som skiljer nu från då: Människor kan nyansera men AI kan inte själv avgöra vilken tolkning organisationen föredrar. Den behöver alltid total tydlighet. När definitioner är otydliga tvingas AI fylla i luckorna utifrån sannolikheter och mönster i sitt träningsmaterial. Resultatet blir att olika användare och olika avdelningar kan få olika svar på samma fråga – precis som du och jag kan få olika svar då vi ställer samma fråga till vår AI. Svaren baseras på det den lärt sig om oss som är en del av dess träningsdata.

Så har det alltid varit invänder du? Det är korrekt. Skillnaden är att det aldrig tidigare har varit så enkelt att fråga ett system istället för en kollega. Därför blir organisatorisk otydlighet plötsligt synlig i stor skala.

Med tydliga träningsdata kan AI fungera som en gemensam kunskaps- och bildningsbank för organisationen – tillgänglig dygnet runt. Samtidigt synliggör den var språk, principer och definitioner är otydliga. Det är där mitt arbete börjar.

När AI blir en del av organisationens tänkande måste organisationen förstå vad den själv bygger sitt tänkande på.

Om en organisation bygger ett internt AI-system så börjar det i praktiken fungera som en bärare av:

• språk
• principer
• kultur
• definitioner
• kunskap

Alltså sådant som tidigare främst spreds genom:

• chefer
• möten
• introduktioner
• kultur

Förr spreds organisationens tänkande genom människor. Nu börjar det också spridas genom system.

Och då man sprider värderingar, ideer och kunskap måste man ta ansvar för det som sprids och det sker via bildning. Filosofi betyder kärlek till visdom och det kommer som bekant ur bildning.

Det är här ordet AI möter ordet filosofi. AI för tankarna till maskinen. Filosofi för tankarna till människan. Mitt arbete uppstår i mötet mellan dem.

Bildning är förmågan att förstå konsekvenser och att orientera sig mellan flera kunskapsfält samtidigt, såsom filosofi, kultur, neurologi, antropologi, etik och teknik.

AI-system blir i allt högre grad involverad i mänskligt tänkande. Därför blir bildning inte mindre viktig i den digitala eran – utan mer. Har du sett mina filmer på nätet så får du en bild av vad jag menar. Du hittar dem på Youtube och på Linkedin.

Vad lär organisationen sina system?

Den fråga jag tror vi bör ställa oss är: har vår intelligens ökat med AI? Har vi blivit mer bildade med AI? Eller presterar vi mer av kvalitet – inte kvantitet med AI?

Jag skulle säga att det är bildning som vi nu behöver för in i våra AI system. Ty det är ur bildning som ansvar och omdöme föds. Och det är med det vi bemästrar AI. Inte med mer tech. Det kommer ske inom 3 områden:

• Kurering av information
  • Vikten av att förstå när det spelar roll då AI ger olika avdelningar olika information
  • Nyttjandet av detsamma
• Kompetensflöden: Bildning av AI-systemet med avseende på
  • Historik och berättelse
  • Kulturell, historisk och politisk insikt
• Agentorisk produktsökande – Marknadsföring som vänds 180 grader.
  • Människans agenter kan sin användare så väl att traditionell marknadsföring slås ut till förmån för individuellt organiska agentoriska filter som ger exakt matchande produkt utan någon sökning
  • Vikten av att då ha ett kurerade digitala avtryck på internet som garanterar transaprens och ärlighet lika mycket som den bästa produkten

Jag tror att företagen kommer börja tillhöra en av två klasser i framtiden. De som har bildat sin träningsdata och de som inte har det. De som har bildat den kommer upplevas som mer transparenta och mer ansvarstagande mot sina kunder och även kommuniceras så av de agentoriska produktsökande algoritmerna. Frågan är vem som vill tillhöra vilken klass.

Ju mer mänskligt tänkande som flyttar in i digitala system, desto viktigare blir frågan: Vad har du lärt AI idag? AI-r står för AI renaissance. Digitalismen har fört oss dit. Till en slags digital renässans där bildandet måste återuppveckas.

Hur vill du gå vidare?

---

Hör av dig

Boka ett möte om du vill utforska om AI-r är relevant för er organisation. Beskriv gärna kort vad ni vill diskutera och hur ni föredrar att träffas – online, via telefon eller personligen. Jag återkommer så snart som möjligt.