For å lykkes med AI må du forstå brukeren

Men for at det skal tilføre reell verdi, må vi sørge for at den nye teknologien faktisk bidrar til å løse noen av de utfordringene brukerne står overfor. Vi må rett og slett stille oss selv spørsmålet: Hvilke problemer vil vi løse med tjenester som for eksempel ChatGPT, før vi fullt ut tar disse i bruk i forretningssystemer?

Historisk sett har forretningssystemer vært vanskelige å bruke, med mange manuelle og repeterende prosesser. Systemene har blitt oppfattet som lite intuitive, med informasjon delt opp i siloer, og de har ikke fremmet samarbeid. I dag finnes det store muligheter for å forbedre brukeropplevelsen ved hjelp av AI og automatisering. Men for å lykkes må vi forstå sluttbrukerne bedre enn vi gjør i dag. Hvilke behov har de, og hvordan kan forretningssystemet løse utfordringene deres?

For å undersøke hvordan sluttbrukere interagerer med forretningssystemer, bruker Unit4 ideer fra etnografien. Vi har samlet inn kunnskap om hvordan brukere tilpasser forretningssystemet med snarveier og hurtigkommandoer, hvordan de legger inn data, og hvordan de bruker ulike klientenheter. Vi har også identifisert hvordan forretningssystemet brukes til uformelt samarbeid.

Studiene gjør det mulig for oss å bygge rammeverk for generativ AI som er tilpasset enkeltpersoner og som forenkler vanlige brukssituasjoner. Et eksempel er at kommandoene som vises i menyer, tilpasses brukerens profil. Målet er å skape tilpassede opplevelser for de kontekstene løsningene brukes i. Dette fører til bedre beslutningstaking, fordi de rette innsiktene presenteres til riktig tid.
 

Faktum er at AI vil føre til fundamentalt endrede forretningsprosesser. Dette krever endringsarbeid i forbindelse med implementeringen av AI-løsninger. Dersom yrkesroller endres, må ansatte forstå hvordan AI-løsninger kan lette og effektivisere arbeidet deres. Dette vil innebære kunnskapsutvikling.

-> Les mer om hvordan Unit4 jobber med AI her 

For å lykkes med AI i forretningssystemer bør følgende tas i betraktning:

• Dataintegritet. Hvis AI er trent på upresise, begrensede eller dårlige data, risikerer virksomheten å bli utsatt for partiske resultater og dårlige beslutninger. Som igjen gir en selvforsterkende effekt i nye versjoner av modellene.
• Personvern og datasikkerhet. Sensitiv informasjon som brukes i AI-løsninger, må behandles varsomt. Personlig informasjon må aldri brukes direkte til trening av egne AI modeller, eller nye versjoner av offentlige modeller som GPT.
• Forstå begrensningene. Ved å forstå begrensningene med AI er det realistiske muligheter for å skape nyttige løsninger.
• Gjennomgå AI generert programkode som brukes i forretningskritiske løsninger nøye. Ikke stol på at AI generert kode er feilfri eller bedre fordi den er laget av en maskin. 
• Tolke analysen. Skal vi ta svar fra AI som absolutte sannheter, eller bør de stilles spørsmål ved? Dette kan være vanskelig uten en detaljert forståelse av hvordan AI-løsningen fungerer. Hvordan reduserer vi risikoen for at ansatte utelukkende stoler på AI-genererte svar? Vær alltid tydelig ovenfor brukeren når AI har bidratt til et forslag, og gi alltid brukeren mulighet til å overstyre.
• Test AI-svarene. Det er nødvendig med overvåking og gjennomgang av AI for å sikre at beslutningene AI foreslår og svarene den gir, er sikre, pålitelige og rimelige.
• Fokuser på kompetanseutvikling. Både kunnskap om selve AI-løsningene og evnen til å stille spørsmål ved og analysere resultatene av dem. Og glem ikke de "myke" ferdighetene som aldri kan erstattes av AI, som samarbeid, fleksibilitet, kreativitet og sosiale ferdigheter.

AI og automatiseringsløsninger fortsetter å modnes og vil bli stadig mer utbredt de kommende årene. De vil spille viktige roller i forretningssystemer. For å få full nytte av dem må vi fokusere på sluttbrukernes behov. Hvis vi gjør det, venter ikke bare mer effektive virksomheter, men også nye og spennende yrkesroller for mange ansatte.

Les vår brosjyre «Unit4 og AI» her