Sveriges ledande frilanskonsulter inom AI, tech och digital marknadsföring är knutna till konsulter.io. En av dessa är Magnus Unemyr – AI-expert med gedigen erfarenhet och som även skrivit boken Data-Driven Marketing with AI.
I dag ska vi få lära känna Magnus lite bättre.
Jag läste AI på ett Universitet i England i slutet av 1980 talet, och området fascinerade mig redan då. Men på den tiden undrade alla varför jag ödslade min tid på något så konstigt som AI som ju inte var praktiskt användbart då. Som vi nu vet så har allt ändrat sig, speciellt i och med att lite större neurala nätverk började fungera riktigt bra, och därefter transformer-arkitekturen som ligger till grund för explosionen inom stora språkmodeller och vägen till generell AI.
Det var faktiskt ett expertsystem som vi utvecklade som laboration på Universitetet i England. Det är inte alls samma teknik som den maskininlärning som nu används. Nu används oftast programspråket Python eller R, men den här typen av expertsystem utvecklades i Prolog och Lisp.
De tre stora milstolparna enligt mig är när neurala nätverk började bli större och fungera bättre, transformer-arkitekturen som ligger till grund för stora språkmodeller, samt konceptet att enormt stora datamängder med enormt mycket beräkningskraft mer eller mindre linjärt har lett till allt bättre resultat
Ibland blir man lite trött på att endast språkmodeller och ChatGPT får uppmärksamhet, allt annat man kan göra som har fungerat bra under många år kommer i skymundan nu. Och så kan man bli lite trött på alla självutnämnda AI-experter som dök upp mer eller mindre någon dag efter att ChatGPT lanserades. Att man kan prompta en chatrobot innebär inte att man kan något om AI.
Det finns två sätt att använda AI:
Utveckla egna AI-modeller på ditt egna data: Utöver att man förstås behöver en data-scientist för att utveckla bra modeller, förbiser många vikten av att ha mycket och bra data. Man kanske behöver instrumentera verksamheten 1-2 år innan man kan bygga en modell, för att man annars inte har rätt data.
Använda färdiga system, t ex ChatGPT: Här tror jag det största problemet är att företag inte har en AI policy som styr hur AI får användas. Jag vet flera bolag där känslig information – även persondata – har laddats upp på externa AI tjänster i molnet utanför EU. Här finns stora juridiska risker.
I båda fallen är AI-utbildning för ledning och medarbetare viktigt.
Förr var det mycket högre tröskel. Man var tvungen att utveckla egna AI modeller med eget data och integrera i egna programvaror. Idag går det att sy ihop bra lösningar genom att lägga lite egen affärslogik ovanpå färdiga AI moduler, t ex ChatGPT. Utvecklingsverktygen idag är också mycket bättre, i allt högre grad no-code med drag & drop osv.
Det beror på om man skall utveckla egna AI- modeller eller använda färdiga, men det är nog främst datatillgång, övervakning när system driftsatts, och förståelse för teknikens risker och juridiska problem. I framtiden tror jag etiska frågor och problem kommer att bli en viktigare fråga.
Jag jobbar ju främst som AI-strateg så jag håller mycket AI-kurser för ledningsgrupper och medarbetare, som ofta följs av workshops eller framtagning av en AI strategi. Ibland följer jag med på resan som konsult och projektleder t ex framtagning av AI modeller eller chattrobotar.
Alla som driftsätter AI-lösningar har skyldighet att förstås följa relevant lagstiftning, t ex GDPR, NIS2 eller AI Act. Men man måste även göra etiska avvägningar och förstå att ens eget företag eller andra kan orsakas stor skada (juridiskt, ekonomiskt, socialt, miljömässigt osv) om AI ger fel svar eller svaren används olämpligt.
Med skräckblandad förtjusning följer jag vägen mot AGI (generell intelligens på minst mänsklig nivå). För ett par år sedan trodde de flesta experter det skulle komma 2040-2070, om ens någonsin. Nu verkar konsensus bland experterna vara att det kommer ca 2030, kanske före det. Men utvecklingen med autonoma agenter och agentsvärmar är otroligt spännande.
2025 blir året för AI-genererad video, och de första trevande stegen för helt autonoma AI-agenter som driftsatts operativt. 2026 blir det stora genombrottet för AI-agenter, och något år därefter tror jag vi har någon form av generell AI, lite beroende på hur vi definierar termen. Men det kommer inte spela någon större roll, oavsett hur vi definierar det och om vi med den definitionen uppnått det eller inte kommer AI att ge en otroligt stor påverkan på hela samhället när vi närmar oss 2030.
AI-verktygen automatiserar allt mer av AI utvecklares arbete. Bli antingen riktigt duktig på matematiken bakom, eller bli riktigt bra på att använda färdiga moduler i en stor plattform, t ex Azure AI Foundry.
Jag tycker det är jätteroligt att utbilda och hjälpa företag och bredare nätverk är alltid bra.
Främst som AI-strateg, och håller bl a kurser för ledare och medarbetare, men hjälper även till med rådgivning, t ex för att ta fram en AI-strategi. Jag projektleder gärna AI-projekt och utvecklar en del lösningar själv där det inte krävs kodning. Jag har flera data-scientists och maskinlärningsingenjörer i min bekantskapskrets som jag ibland tar hjälp av när det blir mer kod- eller matematiknära projekt.
Jag har ju en endagarskurs ”AI för ledare och verksamhetsexperter” som flera hundra personer gått genom åren. Jag tror den täcker det mesta, det är en bred överflygning som innehåller allt från historik, geopolitik, en populärvetenskaplig förklaring till hur AI fungerar, vikten av data ur olika aspekter, men även tips kring att komma igång med resan.
Kursen täcker även frågor som AI-transformation, ROI, etiska och juridiska aspekter, och för lite mer IT kompetenta företag ibland även ett avsnitt om hur man utvecklar egen AI. Jag tror man behöver en rätt bred introduktion inom dessa områdena, även om man inte behöver gå jättedjupt på varje.