Dagens Transport & Logistik 1
AI sade Gattami som också höjde ett varningens fi
nger för junior-företag som påstår att de kan allt om AI. Ather Gattamis råd är att inte lyssna på dem. Vad förväntar sig kunder att få ut av sina AIprojekt, undrade moderatorn Sabinije von Gaffke. – De frågar om vi kan förutsäga efterfrågan, svarade Cecilia Hellstadius, Head of Analytics Global Ops, Ericsson, bestämt. Negativa förväntningar Förväntningarna kan ha också ha negativa förtecken. Det vittnade Michal Pietka, Supply Chain IT-chef på Procter & Gamble om och berättade om utmaningen att få med samma människor på AI-resan som är oroliga för att för att mista sina jobb på grund av det, genom att ett AI gör deras arbetsuppgifter överflödiga. – Det handlar om att bygga tillit, att få dem att se sig som ”ambassador of change” och förstå att ett AI inte kommer att ta deras jobb ifrån dem, sade Michal Pietka. Men hyser man den oron kanske man inte ens ska arbeta med AI: – Vi vill få med ”early adopters” ombord. Låt oss jobba med dem som vill jobba åt oss, sade Mattias Axelsson, Transportation & Area Manager på SKF. Jordnära projekt SKF har genomfört ett AI-projekt, som åtminstone i AI-sammanhang framstår som ganska jordnära och som gick ut på att korrigera masterdata. – Vi började med att vi hade ett projekt med dålig datakvalitet och såg möjligheten att korrigera data, berättade Mattias Axelsson som poängterade att projektet var avgränsat till ett område, en marknad och hade konkreta resultat som mål. En lärdom Mattias har dragit av projektet är att det är viktigt att inte arbeta i silos. En framgångsfaktor för projektet var att process-, dataoch finansavdelningarna samarbetade. En helt annan utgångspunkt har Michal Pietka haft i de AI-projekt han varit inblandad i. – Det är viktigt att ha med sig att man inte vet vad man kommer att lära sig. Jag har tidigare varit med att man varit ”committed” på ett för tidigt stadium. Bestäm dig inte för något annat än att förkovra dig. Man lär sig mer från misstag än framgångar, sade Michal Pietka. – Visst är det viktigt att lära sig, men man kan inte bara göra det. Man måste också tjäna pengar, replikerade Cecilia Hellstadius. AI i vardagen AI-tillämpningar har ofta drag av framtidsvision, inte minst på film, kanske för att används så mycket i övervakningskameror där det också reser känsliga integritetsfrågor. Särskilt då den kontroversiella användningen av ansiktsigenkänning i Kina. Men det förekommer i ännu vanligare och helt oförargliga tillämpningar, som när vi gör en google-sökning. – När Amazon rekommenderar en ny bok Vi är omgivna av AI i vardagen, till exempel är det nödvändigt för att processa all data som övervakningskameror samlar in. Foto: Wikimedia Commons används ett AI och Google Search skulle inte vara möjligt utan AI, sade Ather Gattami. Somliga kanske tycker att även detta är skrämmande, men dem påminde Gattami om att det är många tekniker vi använder oss av utan att ha insyn i hur de fungerar, exempelvis GPS. – Var inte rädda för att inte förstå allt, lita på experterna, manade han. Slutligen frågade Sabinije von Gaffke vad panelen önskar att AI kan göra i framtiden. – Jag skulle vilja att en självkörande bil kommer och hämtar upp mig när jag ska till jobbet på morgonen, sade Cecilia Hellstadius och drog ner skrattsalvor. n DAGENS TRANSPORT & LOG I ST I K 5 20 1 9 • 6 1