AI:s påverkan på kompetensutveckling

AI-tekniken, den som påverkar vår vardag, vårt samhälle och vår framtid. Tillsammans med teknikbloggaren, föreläsaren och journalisten, Elin “Teknifik” Häggberg, utforskar vi de senaste trenderna och framtidsutsikterna inom artificiell intelligens.

*Transkriptet har redigerats för längd och tydlighet*

För dig som föredrar att lyssna: Klicka här!

Louise Papuciu: Min första fråga till dig är: Vart kommer ditt stora teknikintresse ifrån?

Elin Häggberg: Det började i väldigt tidig ålder med en fascination för science fiction. Man fick på ett filosofiskt plan fundera på hur olika tekniker kan påverka hur vi kan leva, hur samhället ser ut, och hur vi gör olika saker.

Jag tyckte det lät spännande när jag var liten, och det skapade en fascination för robotar, och knappar, och datorer. Sen fortsatte det när vi fick vår första dator, och jag började utforska vilka möjligheter som fanns. För mig var det mycket det kreativa som drev, att man kunde skriva hur långt som helst utan att pappret tog slut, man kunde göra egna videos, redigera bilder, spela in musik.

Och när internet kom, att man kunde lägga ut saker, som vem som helst med en internetuppkoppling kunde ta del av. Jag kopplade inte det till ett intresse för teknik förens jag gick på universitetet. Jag hade tänkt på mig själv mer som en kreativ, social person. Jag ville bli journalist, jag ville bli författare. Helt plötsligt insåg jag att “men vänta nu, jag är ju också jätteintresserad av teknik!”. Det föll sig väldigt bra då, att jag blev någon sorts teknikjournalist. 

Louise Papuciu: De flesta har stött på AI på ett eller annat sätt. Vad är AI och vad befinner sig AI idag? 

Elin Häggberg: Jag tror att vi alla har en sorts ytlig, vag uppfattning om vad AI är.

Det som är klurigt med AI-begreppet är att det är ett paraplybegrepp som innefattar väldigt många olika tekniker och forskningsfält, som vi lite slarvigt idag sammanslår under begreppet “AI”, och inte definierar exakt.

Den tidiga AI:n handlar mycket om en typ av avancerade algoritmer, alltså instruktioner för hur maskiner och teknik ska agera. Det infördes neurala nätverk och maskininlärning, alltså nya sätt som de kunde använda teknikens möjligheter för att utveckla algoritmerna på ett mer effektivt och avancerat sätt.

Till exempel algoritmen som styr ditt Facebookflöde, är egentligen inte en algoritm, det är en massa olika algoritmer. Det Facebook gör är att de har en massa olika parametrar som en stor algoritm sedan får jobba med och sedan presentera i ett flöde.

Det som är så spännande med den här algoritmen är hur den lär sig om oss som personer. Allt utifrån hur vi agerar och vad vi gör, drar den slutsatser och hittar mönster som sedan påverkar vilken typ av innehåll vi får se. Det kanske inte är det man nödvändigtvis tänker på som AI idag.

Ett annat exempel är när vi låter AI-modellen lära sig från scratch: Google Deepmind hade en AI-modell som kunde spela ett brädspel som heter Go, som är vanligt i Asien och mycket mer avancerat än schack. Det finns otroligt många möjligheter för hur ett bräde kan se ut och vad som kan hända. Man säger ofta att det kräver intuition och kreativitet, och man trodde inte att det var ett spel som AI kunde spela.

Med första modellen gjorde man som innan, matade in massa spel för att den skulle lära sig av de bästa. Sen testade man att låta den börja från scratch. “Här är reglerna, så här vinner man”, och så fick den spela mot sig själv. Då kan den spela hur många spel som helst hur snabbt som helst och lära sig på den vägen. På det viset utvecklades den mycket snabbare och blev också mycket mer avancerad och mycket bättre.

När vi pratar om AI idag så pratar vi mycket om det som kallas för generativ AI och stora språkmodeller, Large Language Models som till exempel chatGPT, som kanske är den tjänsten de flesta tänker på. 

Louise Papuciu: Hur påverkar det vårt yrkesliv skulle du säga? Skulle du kunna dra något exempel på ett yrke där AI har stor inverkan idag? 

Elin Häggberg: En bransch som såklart påverkas väldigt mycket är tech- och IT branschen. Om man tittar på ett yrke som att vara programmerare till exempel, så finns det idag väldigt bra med chatbotar som kan hjälpa till med kodning, och de blir nu bara bättre och bättre, och kan skriva mer kod själva, hjälpa till att hitta buggar, föreslå saker… Man kan bolla mycket mer med de här systemen, och då påverkas hur man jobbar i sitt dagliga liv.

Ett annat exempel är 1177 och sjukvården, det finns ett jättestort behov av rådgivning när det gäller sjukvård, och 1177 är jätteviktig, då de har e-tjänster man kan klicka in på och få chatta med en sjuksköterska. Problemet är bara att det tar jättelång tid och kräver jättemycket personal. Nu när vi får de här AI-tjänsterna som är jättebra på att titta på till exempel allt material som finns på 1177, plus ännu mer material, då kan man ställa frågor till AI:n, som sammanfattar på ett bra och personligt sätt och ger rådgivning.

Det är samma sak som kundtjänst också, att om man är en person som ska sitta och svara på frågor så handlar det ofta om att själv sitta och söka i olika system för att hitta vägledning. Och det kanske inte heller alltid är det mest stimulerande arbetet om man är vårdgivare. Om vi kan frigöra resurser genom att automatisera och använda AI inom kundtjänst och inom de här vård- och hälsoaspekterna, skulle mer personal sen kanske kunna möta de med störst behov som faktiskt behöver mer mänsklig kontakt och mer tid helt enkelt. 

Louise Papuciu: Kommer då AI:n att kunna rådge på rätt sätt, eller kommer den börja bli kreativ och bygga ihop egna sanningar? Det finns en stor rädsla. Vad skulle du säga om den? 

Elin Häggberg: Det handlar om hur man bygger in begränsningar.

Jag tror att det finns stora möjligheter att göra det här på ett säkert och bra sätt utifrån att det finns mycket skrivet material som redan används för vägledning för människor som sitter och svarar och ser till att man begränsar också. Vilken typ av råd kan den här ge? När behöver den koppla in en människa eller skicka den vidare till en läkare eller sjuksköterska? Precis som på 1177 att det är sjuksköterskor och läkare som granskar resultat och är med och utvecklar tjänsterna. 

Jag tycker också att det redan nu, som till exempel om man tar chatGPT, hur den är utformad, så har den inbyggda begränsningar för vad för typ av råd den ger, hur den ger råd. Den är väldigt bra på att friskriva sig själv genom att säga att “jag är en en chatbot, inte en vårdgivare. Det jag säger nu kan inte ersätta en kontakt med vård ” och så vidare. Mycket av det finns redan och det är enkelt att implementera. Självklart måste systemen också testas, granskas och så vidare.

Louise Papuciu: Utöver en sjuksköterska eller läkare på 1177, finns det andra roller som du tänker påverkas direkt? Till exempel i byggsektorn, hur påverkas roller där av AI? Har du något bra exempel? 

Elin Häggberg: Nu är jag inte så bra på byggsektorn och vilka roller som finns där, men alla saker som handlar om beräkningar och analys kommer att påverkas. En person som jobbar med att till exempel beräkna budgetar, behovsanalyser, riskanalyser, kommer ha stor nytta av AI-system som kan underlätta, ge beslutsstöd och snabba upp processer.

Även kring att rita upp alltså modeller och ritningar. 

Det är inte så att roller kommer att försvinna, utan där kommer det snarare handla om att sånt som idag är tidskrävande och dyrt kan bli effektivare och billigare. 

Louise Papuciu: Som du säger kommer inte roller försvinna utan förändras. Det är en kompetensomställning som måste till för att min roll förändras. Vad behöver ledare stötta i för att medarbetare ska hänga med i den här förändringen?

Elin Häggberg: Jag tror att en sak som är viktig att lära sig är att många har upplevt att digitaliseringen är någonting som har skett, att det har utförts på oss. Det har skett mot oss att vi har blivit utsatta för digitaliseringen mer än att vi känner att digitalisering är en process som vi själva har genomgått tillsammans med våra arbetsplatser för att utveckla någonting till det bättre.

Det kan uppstå väldigt mycket irritation när det känns som att saker bara väller över en och man har ingenting att säga till om. Det har också skapat en känsla hos många kring teknik där man känner sig väldigt passiv. Man känner inte att det har någonting med en själv att göra utan det bara kommer nya system, ny teknik och det krånglar och det är inte anpassat. Det uppstår frustration och irritation, och man upplever kanske inte heller att man får den kompetensutbildning man behöver.

Man får inte den tiden man behöver för att faktiskt verkligen känna att man själv får kontroll över verktygen som man får till sig. Det handlar om att ha förståelse för att alla teknikskiften skapar oro. Det är stor förändring och vi måste försöka involvera våra medarbetare i processerna och tänka på att det här är någonting vi gör tillsammans.

Att vi jobbar tillsammans. Så att man inte bara tänker på hur AI ska ersätta eller förflytta utan att det här är något som vi ska göra. Att det är den känsla man vill skapa. Att vi vill ge er de bästa verktygen för att kunna göra era jobb så bra som möjligt, för att ni ska känna er stärkta, för att ni ska känna att ni utvecklas.

En så konkret grej alla lite större företag idag bör göra, är att man har en person som är ansvarig för AI, en AI-strateg, någon som har ett särskilt ansvar att titta externt, alltså omvärldsbevaka. Vilka verktyg finns? Hur det ser ut i  branschen, och sedan kunna förmedla den informationen internt.

Louise Papuciu: Hur kan AI stötta mig i min kompetens snarare än att ta över det jag gör? Hur kan jag istället få ännu mer kraft i det jag gör? 

Elin Häggberg: Det här är en fråga som diskuteras väldigt mycket. Till exempel det här att vi nu kan fråga en chatbot, att vi outsourcar mycket av vår egen hjärna till tekniken. Det är en process som har pågått länge. På samma sätt som att vi kan googla oss fram till alla möjliga svar, och därför har vi inte lika mycket fokus på utantill kunskap idag.

Det finns både för- och nackdelar med det. Vi har mycket mer tillgång till mycket mer kunskap och mycket mer information. Vi behöver inte ha allting i huvudet, det tar lång tid att lära sig och komma ihåg saker. Då kan vi spara tid och lägga det på annat. Risken är att det blir sårbart. Alltså ligger systemet nere så ligger vår kunskapsbas nere. Det är alltid någonting att ha i åtanke.

Med AI tror jag att man kan få mycket mer personifierade och individualiserade sätt att lära sig på. Vi är alla olika och det här är ett löfte som AI har burit med sig genom många år. Det var en AI-hype även 2017 och 2018, men den var lite mer branschspecifik.

Då satt jag i alla fall på vissa rundabordssamtal där alla var så pepp på att “nu kan skolan få individuella läroplaner” och “man kan få alla kan få lära sig på sitt specifika personliga sätt och och och det kommer bli så himla bra”.

Vi vet hur viktigt det är att vi får lära oss på olika sätt och vi behöver variation och vi behöver många exempel, som kan vara svårt för dem som ska lära ut. Att rent resursmässigt erbjuda. 

Redan idag kan du sätta dig med en chatbot och utforska ett ämne och sen kan du be “kan du förklara det som för en femåring”?, “Kan du förklara med tydliga exempel?” och djupdyka i olika delar för att själv bilda sig en uppfattning.

En annan aspekt av det är också att utbildare får nya verktyg. Det är mycket lättare att generera material i form av text, bild, ljud, video, grafik, till exempel. Vi stärker upp utbildarna med de här verktygen så att de kan använda sin expertis.

Louise Papuciu: Med AI så kan vi vara mer inkluderande. Man är rädd att få allt det här rasistiska, som när en bot på Twitter började twittra helt galet för några år sedan till exempel. Är AI inkluderande eller exkluderande? 

Elin Häggberg: Det finns väldigt god anledning att ha med sig de här perspektiven och det har visats gång på gång hur våra egna mänskliga, det man kallar för bias, alltså förutfattade meningar och fördomar, programmeras in i tekniken utifrån att om vi har agerat på det här sättet, omedvetet, historiskt och sen så tränar vi AI på den här datan så kommer den AI:n inte bara lära sig och ta med sig det beteendet utan dessutom förstärka det och göra det ännu mer påtagligt eftersom den jobbar med sannolikhet och den letar efter mönster.

Det här kan man se till exempel i AI-system som har använts för rekrytering. Man tänker att maskinen är neutral. Problemet med AI-systemet är att vi omedvetet byggt in våra egna diskrimineringsfaktorer. AI:n kommer fortsätta att förstärka och förmedla dem. Datorn sa att det var den bästa kandidaten och man missar aspekten av att den har sett att det är mest sannolikt att en chef ska vara vit man i 40-årsåldern.

Det är så det har sett ut historiskt. Här ser man om och om igen. Det är jättetydligt om du tittar om du går in i en sån bildgenereringsmodell som MidJourney eller Dali 2, och skriver till exempel “visa en bild på en chef” så kommer du få en vit man i kostym. Jag ser jätteproblem med sexism i de här modellerna. Kvinnor ofta är konventionellt vackra, smala, stora ögon, plutiga läppar, stora bröst. Hela den grejen återupprepas.

Det är den typen av bilder som finns på internet och det är det som modellen har lärt sig av. Jag tror att det viktigaste man kan göra när man ska implementera AI-modeller, är att man måste titta på vilken träningsdata modellen tränat på. Kommer dålig träningsdata in så kommer du få ut ett dåligt resultat.

Man kan även se hur man ger regler och uppgifter till den modellen. Där behöver man också tänka på att parera felaktigheter eller bias som kan finnas. 

Louise Papuciu: I vilken riktning tror du att AI kommer att röra sig de närmsta fem åren?

Elin Häggberg: En jättestor del som vi ser är att vi kommer att få mycket mer av det som kallas AI-agenter. Det vill säga AI-modeller liknande chatbot, men som också utför saker åt oss. Idag kan du be AI om olika saker och den genererar en massa texter och listor och grejer,  men den gör inte grejerna åt dig. Den skickar inte det där mejlet utan den skriver bara vad du ska skriva i mejlet till exempel. AI-agenter kan boka den där flygresan och hotellet. Den kan skicka det där mejlet och den kan läsa igenom din mailkorg och sammanfatta och sådana saker. Det som jag tycker är så spännande med utvecklingen, att vi får ett helt nytt sätt att interagera med teknik.

Shopify har till exempel implementerat en AI-agent som kan göra om designen på din Shopify-affär.  Nu kan du till exempel skriva “jag vill justera priset på alla skor med 50 % rabatt under den här tiden”. Du behöver bara skriva det så fixar den det. “Jag vill göra om min design så att den är mer grön och känns mer inriktad mot hållbarhet”. 

Det här kommer revolutionera hur vi interagerar med teknik och det kommer också tillgängliggöra mycket mer teknik för människor. Det som tidigare ändå varit lite för avancerat kommer att bli mycket mer tillgängligt och enkelt. 

Louise Papuciu: Kan du ge ett eller två exempel på verktyg du använder i din vardag? 

Elin Häggberg: Jag gör ganska mycket research till olika saker, till artiklar och föreläsningar och podcastavsnitt och vad det nu kan vara. Där finns det en ny sökmotor som heter Perplexity som är väldigt spännande, för istället för att du själv ska sitta och klicka igenom en massa sökresultat som på Google, så granskar perplex olika källor och visar väldigt tydligt vilka källor den hämtat från, så att man själv kan klicka in och fördjupa sig.

Du får också den här sammanfattningen utifrån den frågan du har ställt. Vilket är superbra när man ska inleda research på någonting. 

Louise Papuciu: Intressant att den ger källan, för att det är många som saknar just det med chatGPT. Hur ska jag veta att den här källan är tillförlitlig? 

Elin Häggberg: En liknande tjänst som är helt inriktad på forskning heter Elicit och där kan man då ställa forskningsfrågor och få sammanställningar med källor.  Det är jättebra när man vill få någon sorts bild av hur ett forskningsområde ser ut. 

Lite som att göra en lite snabb och enkel forskningsöversikt om ett ämne och det kan också vara en väldigt bra ingång, annars måste du sitta och själv skumma igenom väldigt mycket artiklar för att hitta vilka som är relevanta.

Här kan du få en lite bättre starting point så Elicit kan jag också rekommendera ifall man är en person som behöver ta del av forskning, där kan du fråga olika forskningsrelaterade frågor och få en sammanställning med källor. 

Skriven av Mirelle Wallgren

Relaterade artiklar

Forskning har visat att människor är mer framgångsrika och mer motiverade till att uppnå resultat när de arbetar och lär sig nya saker i grupp, så mycket som 70 %.

Man brukar säga att det inte går att ha för många förändringar på gång samtidigt. Men i dagens företagsklimat är det nästan omöjligt att inte ha det. AI, ekonomiska utmaningar, oro, hybrida arbetssätt, jakten på välmående, ökad mångfald och mötet med nya generationer, roller och stora kompetensomställningar präglar våra arbetsplatser

Idag sätter många Learning & Development avdelningar en övergripande strategi men bryter inte alltid ner den till en Learning CONTENT strategi. Men varför är det viktigt att sätta en mer detaljerad plan? Marketing Content strategi och Learning Content strategi ligger egentligen väldigt nära varandra. Det handlar ju om att dela