AI NYT #12
Alle oplæg om ChatGPT skal rettes, hvordan får man succes med Generativ AI, nye tider for mødet med AI og er vi på vej mod en AI Engels Pause?
2024 er kommet, jeg har brugt juleferien og lidt til, på at tænke på hvilken form og indhold AI NYT skal have fremover. Det ændrer sig ikke, det jeg hører, ser og læser om AI og som jeg tror har betydning for dit og mit arbejdsliv og samfundet/verden. Hverken mere eller mindre. Mine tanker - helt gratis.
Jeg har valgt 4 temaer/historier til dette nummer:
Hvad sker der når roller i ChatGPT ikke virker?
Hvordan får man succes med Generativ AI
AI og møder, en gigantisk mulighed?
Engels pause - hvordan undgår vi det?
Jeg slutter med en række links til historier hvor AI spiller en rolle
Alle reaktioner, kommentarer, ris, ros eller ønsker er altid velkommen.
Alt hvad der står i AINYT er udtryk for mine egne holdninger. Alle billeder som er lavet i Midjourney kan du se den prompt de er lavet med.
Hvad sker der når roller i ChatGPT ikke virker?
Jeg var millimeter fra at spytte kaffen ned i tastaturet da jeg læste det her interview på The Markup, som i øvrigt varmt kan anbefales. De interviewer 3 forskere som har publiceret dette studie hvor de har undersøgte systematisk hvordan tildelingen af roller i ChatGPT har en indvirkning på kvaliteten af de svar vi får.
Jeg har mange gange i oplæg om AI sagt det, jeg har selv læst, set og hørt det i oplæg hos andre; nemlig at tildele ChatGPT en rolle ikke bare var vigtigt, det ville bidrage til bedre svar. Det her studie stiller så store spørgsmål ved den prompt teknik, at jeg ikke mener at folk skal have det med når de underviser i ChatGPT længere.
Det er alt fra hvis du tildeler ChatGPT kvindelige roller som “mor” får du dårligere svar end hvis du bruger “far” eller “forældre” til store forskelle i kvaliteten på “en læge” og “din læge”. Der er ingen der ved hvorfor sprogmodeller på den måde gør forskel på roller, men det her er kritisk for det vi allesammen har lært i det første år med ChatGPT.
Hvad gør vi nu?
Husk vi kun er i lærings stadiet når det kommer til Generativ AI, det er et også vigtigt at huske at det kun er et studie, men vi skal være nervøse og på vagt f.eks. har Professor Ethan Mollick også gjort mig nervøs i 2024 ved at henvise til et studie lavet af Anthropic der viser hvad han kalder “Sandbagging” som oversat til dansk betyder at sprog modellerne svarer mindre korrekt hvis du virker mindre godt uddannet, baseret på dine prompts.
Vi skal afsætte mange flere ressourcer af til at forske i hele det generative AI område, det er alt for vigtigt til at lade være med. Indtil da, så brug roller i ChatGPT kritisk.
Hvordan får man succes med generativ AI?
Du kender godt den lyd eller det svar man får når man siger noget helt indlysende til et andet menneske? Jeg er 100% med på at den lyder spiller inde i dit hoved, når du læser at McKinseys dyrt betalte forskere er kommet frem til at de meste innovative virksomheder har en kæmpe fordel når det handler om at få succes med Generativ AI.
Ikke desto mindre skal du læse en spændende artikel om netop det
I artiklen, som er langt, er der er 5 træk der går igen ved innovative ledere, som gør en forskel i forhold til generativ AI, hvilket er beskrevet i artiklen sådan her:
Stiller de rigtige spørgsmål: Innovationsledere bruger allerede AI effektivt og ved, hvordan man undgår faldgruber med generativ AI. De forstår, hvordan man bruger teknologi til at skabe værdi og ved alt om “garbage in - garbage out” princippet. De mest innovative organisationer har i 4 ud 5 tilfælde en teknologi tosset chef :-) ikke nået jeg har set i jobopslag så tit.
Find og fjern forkerte svar hurtigt: Topinnovatorer bruger "fail fast"-princippet og har systemer og en kultur, der hurtigt kan stoppe noget, der ikke fungerer. De har også tværfunktionelle teams, der ser på deres forretning fra slutbrugerens perspektiv, hvilket hjælper dem med at opdage dårlige svar.
Opbyg løbende egen data: Innovationsledere indsamler data gennem interne processer, produkter og kundeinteraktioner. De bruger både interne og eksterne data, hvilket giver dem bedre svar, når de bruger generativ AI. De har også processer for at beskytte deres data og overholde komplekse regler som GDPR.
Skab en organisatorisk evne til hurtigt at lære: Topinnovatorer er langt foran i at vedtage agile praksisser i hele organisationen, ikke kun i IT. Dette er afgørende for at være en succesfuld innovator og svært for hvad vil det sige at være agil udenfor IT?
Udnyt generativ AI's hastighed i nøgleprocesser uden menneskelig berøring: Organisationer, især dem i uregulerede industrier, der allerede har identificeret vigtige arbejdsprocesser og sat de rigtige mennesker, tankegange og processer sammen, er foran i at udnytte generativ AI's rasende hastighed.
Hvis vi går skridt længere ned i abstraktionsstigen er der i denne artikel nogle meget interessante pointer om hvordan du sætter det rigtige team sammen i forhold til at arbejde med sprogmodeller i din organisation, og her tænkes ikke på at sidde og prompte i ChatGPT, men hvordan du sætter sprogmodeller som ChatGPT, Mistral og hvad de hedder i produktion i din organisation, hvilket langt de fleste i Danmark ikke er nået til.
AI og møder, en gigantisk mulighed?
Jeg tænker næsten konstant på og prøver at analyse hvordan AI og Generativ AI ændrer måden vi arbejder, lærer og samarbejder på. Jeg er på det seneste begyndt at tænke over at den kunstige intelligens er gaven til det som er uundgåeligt for langt de fleste af os, men som ingen rigtigt syntes fungerer optimalt, nemlig møder.
Hvis vi hæver blikket fra den enorme forandringsledelses opgave det er at ændre en mødekultur, og ser på hvad det er at AI teknologien som er her nu, kan tilbyde, så er præmissen følgende: Din organisation har valgt at investere i CoPilot fra Microsoft, der bliver både holdt mange Microsoft Teams møder og fysiske møder. De fysiske møder bliver på samme måde som Teams møder optaget, ved start af alle møder identificerer alle deltagere med deres stemme sig overfor Teams teknologien.
CoPilot Teams leverer efterfølgende et referat af mødet i flere versioner; En transskribering som efterfølgende bruges som data, et referat hvor kontekst og beslutninger giver mening for både deltagere og ikke deltagere i mødet, og et hvor alle beslutninger fra mødet er fremhævet.
Prøv at forestille dig at alle møder på din arbejdsplads, blev dokumenteret, kunne søges på og i, du kunne på et splitsekund læse konteksten for alle beslutninger og se hvem der havde taget beslutningen.
Viden er magt, så der vil være modstand fra mange kanter til sådan en udvikling, og i tilrettelæggelse og afvikling af møder kan en mødekultur være opstået hvor det til tider kan forveksles med manipulation og det vil kræve meget forandringsledelse at ændre. Der vil være modstand bundet i fortroligheds elementer, men det kan allerede løses i dag hvis man har styr på IT-sikkerheden.
Der er kun positive effekter af at demokratisere viden i en organisation, og kunstig intelligens har givet os chancen for at ændre mødet som koncept, til alles fordel. Jeg er optimistisk i forhold til teknologien, pessimistisk i forhold til realiteten.
Engels pause - hvordan undgår vi det?
Jeg medgiver gerne det kan være være kontroversielt at bruge en Friedrich Engels analogi til at beskrive et scenarie som jeg frygter godt kan være en realitet, men når man læser IMF nyeste rapport “Gen-AI: Artificial Intelligence and the Future of Work” på toppen af alle de andre rapporter som institutioner og organisationer har udgivet på det seneste, så er vi nødt til at stille os selv nogle svære spørgsmål, det her er mit forsøg.
I dagens hurtigt skiftende teknologiske landskab, hvor kunstig intelligens (AI) spiller en stadig større rolle, er det værd at overveje en interessant historisk parallel: "Engels Pause". Dette begreb, opkaldt efter Friedrich Engels, beskriver en periode i den industrielle revolution, hvor teknologiske fremskridt ikke umiddelbart forbedrede arbejdernes livskvalitet. Faktisk blev deres forhold ofte værre, før de blev bedre.
Når vi overfører dette koncept til AI's æra, opstår spørgsmålet: Er vi på vej ind i en lignende fase, hvor AI's fremskridt forbedrer produktivitet og økonomi, men ikke øjeblikkeligt gavner den gennemsnitlige borger? Denne "AI Engels Pause" kan potentielt føre til midlertidige udfordringer som jobtab og forøget ulighed, før de bredere samfundsmæssige fordele bliver tydelige.
Vigtige faktorer at overveje i denne sammenhæng inkluderer:
Arbejdsmarkedets Dynamik: AI vil revolutionere joblandskabet. En hurtig tilpasning af uddannelsessystemer og arbejdsmarkedsstrategier er essentiel for at mildne de negative effekter. Hvor er vi, går det hurtigt nok og hvem har ansvaret?
Ulighed: Der er en risiko for, at AI kan forstærke eksisterende sociale og økonomiske kløfter, medmindre der træffes bevidste beslutninger for at fordele fordelene mere jævnt. Den digitale kløft blandt danske virksomheder er med den generative kunstige intelligens blevet dybere og bredere, risikoen er helt reelt.
Politik og Regulation: Regeringens evne til at styre AI's udvikling gennem effektiv regulering og politikker vil være afgørende for at sikre en retfærdig overgang. Er EU’s AI act nok, er Mathias Tesfaye hurtigt nok i forhold til folkeskolen og kvæler reguleringen initiativ?
Samfundets Respons: Offentlighedens holdning til AI, og dens indflydelse på hverdagen, vil også forme teknologiens fremtidige rolle i samfundet. Diskursen omkring AI og GENAI i Danmark har været positiv, hvad sker når AI bliver misbrugt i valgkampe i stor skala, når GPDR stopper AI produkter der kunne redde liv og når mange virksomheder opdager de ikke har råd til at investere og de ikke evner at implementere AI og høste gevinster?
Mens vi navigerer i AI's voksende indflydelse, er det vigtigt at være opmærksomme på disse udfordringer. En balanceret tilgang, hvor vi anerkender både potentialet og risiciene ved AI, vil være nøglen til en glat overgang til en mere teknologisk avanceret fremtid.
Bum bummelum, det var en kondenseret og koncentreret udgave af mine tanker om AI.
Jeg bruger mange ressourcer på at tænke over hvordan AI kan automatisere og augmentere jobfunktioner med udgangspunkt i IT jobs og hvordan uddannelsesverden forandrer uddannelse og efteruddannelse. Ræk ud hvis du har indsigter, tanker eller spørgsmål du vil dele.
Links til historier som der skal tænkes mere over
Microsoft og uddannelsesverden
AI + robot finder og reparerer huller i vejen
AI Robot bekæmper ensomhed blandt ældre
“AI4AI” vildt inspirerende historie fra Indien om AI i landbruget