Varje dag översköljs vi av budskapet om den revolutionära kraften i Artificiell Intelligens (AI). Vi får veta att det framtidssäkra företaget är AI-drivet, där beslutsfattande, processer och strategier är underbyggda av avancerad dataanalys utförda av intelligenta algoritmer. Råden är många om hur teknologin ska tas tillvara, och de publiceras i allt från böcker, artiklar i affärsmedia och på sociala medier. Författare exemplifierar sina goda råd genom att hänvisa till företag som varit mer eller mindre lyckosamma i sin användning av AI.
Dock är dessa exempel ofta hämtade från enskilda sammanhang, organisationer som dessutom visar sig vara extrema företag födda i den digitala eran, som Netflix, Amazon och Google. Det är få förunnat att följa i Amazons fotspår, och lärdomarna som publicerats kan vara svåra att översätta till mer traditionella företag. Samtidigt påbörjar allt fler företag implementeringen av AI och törsten efter kunskap för att förstå utmaningar likväl som strategier växer. Så, vad är viktigast att ta till sig för att bygga en AI-driven organisation? Är det att hitta experter inom datavetenskap? Är det mängden av data man har tillgång till? Eller är det något helt annat, som till exempel att fostra en kultur där tonvikten ligger på flexibilitet och uthållighet?
För att utforska de erfarenheter traditionella företag får från sin omställning genomförde vi en enkätstudie med sammanlagt 2525 beslutsfattare i företag som alla påbörjat den transformativa resan att bli AI-drivna. Trots att beslutsfattarna kom från en rad olika industrier och fem olika marknader (USA, UK, Tyskland, Indien och Kina) var likheterna slående. Det stod snart klart för oss att även om fallgroparna är många är det inte tekniken som utgör den största utmaningen, utan kulturen. Nedan följer några av de insikter vi funnit i studien.
En ökande svårighetsgrad
Det är endast logiskt att tro att utmaningarna blir lättare med tiden. Att erfarenhet och träning ger kunskap och erfarenheter, vilket minskar risken att stöta på problem och svårigheter framöver. När det kommer till implementering av AI så visar det sig dock att ju längre implementeringsarbetet fortgår desto svårare blir det.
För att få en bättre förståelse för vilka utmaningar som kan uppstå längst med vägen delades de dryga 2500 respondenterna i 3 grupper efter mognadsgrad, i AI-ledare, AI-följare och AI-noviser. Mognadsgraden baserades på hur långt de nått i implementeringen av verktyg för AI och avancerad dataanalys, antalet AI-främjande strategier de tillämpat och deras rutiner för att dela och erhålla data.
”Att få med medarbetare på förändringsarbetet och ta till sig den nya tekniken är avgörande.”
Sammantaget svarade 99 procent av alla beslutsfattare att de upplevt problem med implementeringen av AI. Samtidigt svarade AI-ledarna att fler av deras initiativ stött på utmaningar (59 procent) i jämförelse med AI-följare och AI-noviser (50 respektive 49 procent). Det finns flera förklaringar till den ökade svårighetsgraden. Många AI applikationer kan lära sig av nya data och måste därför ha kontinuerlig tillsyn även efter implementering. Dessutom ökar komplexiteten i ekosystemet ju fler AI applikationer som introduceras. Även om AI-applikationer bidrar till olika processer kan de samarbeta eller vara beroende av varandra, de kan också använda sig av en rad olika datakällor. Ett växande antal AI-applikationer ställer allt högre krav på arkitekturen för att säkerställa att inga konflikter uppstår.
Det är ett mänskligt problem
Helt klart är att de tekniska utmaningarna är många, inte minst när det kommer till datahanteringen. Men faktum är att det inte är tekniken som är den mest kritiska utmaningen i implementeringsarbetet. I vår studie fick alla beslutsfattare svara på vilka utmaningar de mött utifrån tre kategorier; Teknologi, Organisation (ex. processer, organisationsstruktur och budget) och Mänskliga och Kulturella utmaningar (ex. förväntningar och öppenhet för förändring bland medarbetare). Majoriteten, hela 91 procent, av beslutsfattarna svarade att de stött på problem inom samtliga kategorier. Men när de mest kritiska utmaningarna listades visade det sig att 6 av 10 utmaningar kom från kategorien Mänskliga och Kulturella utmaningar (se fig. 1).
Figure 1. Ranking of critical challenges (Source Ericsson Industry Lab report: Adopting AI in Organizations, 2020)
En av de högst rankade utmaningarna är att medarbetare känner en rädsla för att förlora sitt jobb. Men det finns även en ovilja till förändring och en rädsla för förlorad kontroll och expertis. Att de utmaningarna framkommer som några av de mest kritiska utmaningarna visar på att implementeringen av AI i allra högsta grad är en kulturell resa.
Beslutsfattarna fick även svara på ett antal strategier som de tillämpar för att överkomma de utmaningar som uppstått. Dessa var uppdelade i samma kategorier som för utmaningarna. Som ett svar på de mänskliga och kulturella utmaningarna visar det sig att de mest kritiska strategierna som tillämpas kommer från samma kategori (se fig. 2).
Figure 2. Ranking of effective solution strategies (Ericsson Industry Lab report: Adopting AI in Organizations, 2020)
Att få med medarbetare på förändringsarbetet och ta till sig den nya tekniken är avgörande. De tre top-rankade strategierna syftar alla till att hjälpa medarbetare att ta till sig den nya teknologin. Dock kan vi också se att den högst rankade strategin inom teknologi-kategorin går i samma riktning, att förbättra människa-maskin-interaktionen.
Öka takten
Men vart slutar då resan med att implementera AI i organisationen? När når man nivån då man kan anse sig färdig? Tittar man på svaren från våra AI ledare så verkar svaret på den frågan vara: aldrig.
Faktum är att även om 69 procent av AI ledarna säger att de kommer vara AI-drivna under 2020, så svarar 75 procent av dem att de kommer fortsätta att investera. Inte nog med det, de planerar att både öka och bredda sina investeringar de kommande 18 månaderna. Det blir relevant att jämföra med de andra två grupperna, till exempel AI-följarna som till betydligt mindre uträkning tror sig vara AI-drivna under 2020. Bland AI-följarna är det färre än bland AI-ledarna som planerar att investera mer (52 procent) än de tidigare gjort. Det finns alltså en risk för att AI ledarna drar ifrån ytterligare och ökar på sin ledning.
”Men en organisation som kontinuerligt utvecklar nya applikationer kommer också att kontinuerligt behöva ändra arbetsprocesser, vilket i sin tur kan komma att påverka organisationens utformning. ”
En kontinuerlig förändring
Den fortsatta investeringen blir förståelig när man tittar på hur AI ledarna ser på sin framtida organisation. Av AI-ledarna svarar 69 procent att det i framtiden kommer ske en konstant utveckling av AI applikationer i deras företag. Ett rimligt antagande då nya data, nya insikter och nya möjligheter kommer generera nya behov för AI applikationer. Men en organisation som kontinuerligt utvecklar nya applikationer kommer också att kontinuerligt behöva ändra arbetsprocesser, vilket i sin tur kan komma att påverka organisationens utformning. Även detta förutspår AI-ledarna där 63 procent svara att arbetet med AI kommer leda till mer frekventa organisatoriska förändringar.
Som beslutsfattarna i studien redan vittnat om kräver implementeringen av AI en ökad förståelse i mötet mellan människa och teknik. Men om målet dessutom är en kontinuerlig transformation, där arbetsuppgifter, processer och strukturer fortlöpande förändras, kommer inte enbart teknikförståelse vara tillräckligt för att lyckas med förändringsarbetet. För att möta dessa utmaningar krävs att fostra en kultur som präglas av flexibilitet och uthållighet. Hur det utvecklar sig i framtidens AI-drivna företag kommer bli intressant att följa framöver.
Rekommenderad läsning
> Agrawal, A., Gans, J., & Goldfarb, A. 2018. Prediction machines: The simple economics of artificial intelligence. Boston, Massachusetts: Harvard Business Review Press.
> Fountaine, T., McCarthy, B., & Saleh, T. 2019, July. Building the AI-Powered Organization. Harvard Business Review, July-August 2019: pp.62-73.
> Iansiti, M., & Lakhani, K. R. 2020. Competing in the age of AI: Strategy and leadership when algorithms and networks run the world. Boston, MA: Harvard Business Review Press.
https://www.ericsson.com/en/reports-and-papers/industrylab/reports/adopting-ai-in-organizations