Generativ AI i rådgiverbranchen

Generativ AI (GenAI) fejer henover Kongeriget. Betydning af GenAI sammenlignes med de transformationer, vi har oplevet med internettets fremkomst og Michael Faradys opdagelse af elekromagnetisk induktion, der er afgørende for moderne elektricitetsproduktion (aka strøm). 

81% af topledere mener, GenAI vil få en positiv betydning for deres virksomhed, 50% forudser det vil være en transformativ kraft, men kun 5% – af knapt 600 adspurgte virksomheder – har bevæget sig ud over pilotprojekt-stadiet, når det kommer generativ AI.  

Det fremgår af den hidtil største undersøgelse af danske virksomheders brug af GenAI – Denmark’s GenAI Paradox: From Lagging to Leading – fra marts 2024.  

Undersøgelsen er foretaget af Boston Consulting Group i samarbejde med DI Digital, Dansk Erhverv, Finans Danmark, F&P - Forsikring og Pension og IT-Branchen.  

Spredt fægtning og ikke en samlet business case  

Undersøgelsen viser, at vi mangler den perfekte business case og de fleste er i gang med, på mindre skala, at teste GenAI af i forhold til alt fra billedgenerering til tekstproduktion, chatbots og oversættelser. 

Rådgiverbranchen ser stort potentiale i GenAI

Generelt er rådgiverbranchen mere begejstret for GenAI end resten af landets industrier. 

Kilde: Denmark’s GenAI Paradox: From Lagging to Leading

Men hvis du tripper lidt i boksen, er ramt af AI fomo (fear of missing out), og samtidig ikke ved, hvordan du konkret griber det an, er du ikke alene.

”80% af det arbejde, rådgiverbranchen laver i dag, laver vi ikke om 10 år. Det skyldes, at majoriteten af vores opgaver kan automatiseres. Derfor ser vi ikke AI som en teknologi, men som en transformation,” siger Thomas, som leder arbejdet med AI på BCG’s danske kontor.

Rådgiverens dilemma  

Som rådgiver er GenAI et nyt forretningsområde, som branchen hjælper sine kunder med at forstå og implementere. Samtidig vil det vende arbejdslivet på hovedet og mange af branchens nuværende opgaver, vil forsvinde før eller siden.

Lige nu, viser undersøgelsen, at rådgiverbranchens største barriere for øget brug af GenAI er usikkerhed omkring kvaliteten af det output, vi får.  

Flere har måske oplevet forkerte svar fra en model som ChatGPT eller at vejen til en fuldautomatiseret og smuk PowerPoint fra et notatpapir fortsat er lidt bumlet.  

Hvis du lever af, at din viden og din rådgivning er dit produkt, er det en udfordring, der skal løses, før det giver 100% mening at basere mere af den rådgivning på kunstig intelligens.  

Derudover fremhæver rådgivervirksomhederne i undersøgelsen tre udfordringer:

• Manglende business case 
• Manglende samarbejdspartnere
• Manglende investering  
  

1. Manglende business case 

Manglende business case anføres af rådgiverbranchen som en barriere for implementering af GenAI.

 Kilde: Denmark’s GenAI Paradox: From Lagging to Leading

De mindre pilotprojekter, vi er i gang med betyder, at eventuelle resultater optræder i isolation.

I dag oplever vi måske at det bliver 2 timer hurtigere at producere en video, at vi sparer x antal kroner på budgettet til eksterne oversættere eller at vi kan løfte kvaliteten af brainstormingen, når vi skal pitche til en ny kunde.  Og det er dejligt. 

Men vi er nødt til at samle op på de erfaringer, og samtidig løfte dem op på et højere plan, så vi mere gennemgribende kan ændre arbejdsgange og processer - på tværs af virksomheden.  

Den eksplorative tilgang, der præger området vil blive en udfordring om 1-2 år. Det skyldes, at det er vanskeligt at skalere de mindre, isolerede piloter og det hindrer os i at forløse det transformative potentiale. 

2. Manglende samarbejdspartnere 

Eftersom der ikke er mange danske frontløbere, hvor GenAI er en del af kerneforretningen, er det svært at vide, hvor man skal kigge hen.

Mange virksomheder er også i tvivl om, hvorvidt man internt har de rette kompetencer til at løfte opgaven. Det gælder dog i langt mindre grad for rådgiverbranchen; her er det ikke mangel på kvalificerede hoveder, der er den største barriere.  

Men mens du (måske) venter på nogen at arbejde sammen med, kan du starte med at kigge opad – eller indad, hvis du er i en lederrolle. Undersøgelsen viser, at de virksomheder, der forankrer AI hos CEO’en eller bestyrelsen, er længst fremme.  

3. Manglende investering 

Vi investerer slet ikke nok i GenAI, og mange undervurderer behovet. Vi under-investerer i forhold til den menneskelige dimension, hvor virksomhederne skal sikre, at alle kommer med ombord og vi under-investerer i forhold til data. 

Data, data, data. Skalering, skalering, skalering 

Når det kommer til GenAI skal data opsættes, håndteres og behandles anderledes, end vi er vant til for, at vi kan skalere vores indsats.  

Det er et kæmpe arbejde, der omfatter: 

1. Afklaring og dokumentation af juridiske aspekter. Det gælder fx copyright i forhold til alle potentielle cases, hvor data kan anvendes og der er behov for tonsvis af metadata. 
2. Data management. Data skal sættes rigtigt op fra start og håndteres anderledes end vi er vant til, når vi skal bruge det til GenAI. Dataplatforme bliver uundværlige.  
3. En decideret governance-platform, der sikrer, styrer, registrerer og dokumenterer model og data. Spørgsmålet er blandt andet, hvordan vi overvåger vores modeller for bias eller drifting. Sidstnævnte betyder, at vi har styr på, at vores model ikke er tilbøjelig til at drifte (eller søge) mod bestemte svar grundet det, vi fodrer den med eller den måde, vi interagerer med den på. 

Træk vejret roligt – og så afsted!  

Mens du sunder dig ovenpå tanken om, at vi knapt har skrabet overfladen i forhold til at kunne indfri potentialet, så lad mig på falderebet introducere dig for noget, der bliver helt uundgåeligt de næste par år: Virksomhedens interne modeller baseret på GenAI.

De fleste af de pilotprojekter, der gennemføres i dag, bygger på brug af ”eksterne” modeller, såsom ChatGPT, eller når vi bruger embedded AI i andre tools, men de fleste af disse er trænet på data, der i 99% af tilfældene er offentligt tilgængeligt.  

Vil du sikre validt, relevant output, være sikker på copyright – og indfri det transformative potentiale – er der ingen vej uden om virksomhedens egne modeller (med dertilhørende data- samt governance platform).  

Det gode ved det er, at når I dertil, har I samtidig løsningen på rådgiverens dilemma og en skudsikker business case. 

Tjekliste til transformation med generativ AI 

1. Hav en klar business case

Kvantificér fordelene: Det er vigtigt at kvantificere de fordele, som generativ AI kan bringe. Det kan fx være tidsbesparelser, forbedret kvalitet, eller reduktion af omkostninger. Hav konkrete tal og eksempler, der kan hjælpe med at tydeliggøre værdien for ledelsen og andre interessenter.

Hav en langsigtet strategi: Det er vigtigt at udvikle en langsigtet strategi for, hvordan generativ AI kan integreres i virksomhedens kerneprocesser og skabe værdi over tid. Det indebærer at tænke ud over de umiddelbare gevinster ved pilotprojekter og overveje den bredere transformation af forretningsmodellen.

2. Skab stærke partnerskaber

Find de rette partnere: Identificer og samarbejd med teknologipartnere, uddannelsessteder og andre virksomheder, der er førende inden for AI. Det kan give dig adgang til ny viden, teknologier og ressourcer, der kan accelerere implementeringen.

Opbyg kapaciteten internt: Investér i opkvalificering af medarbejdere og udvikling af interne kompetencer inden for AI. Dette kan omfatte træningsprogrammer, workshops, og samarbejde med eksterne eksperter.

3. Forankring i ledelsen

Ledelsesinvolvering: Sørg for, at AI-initiativet er forankret på højeste niveau i organisationen. CEO’er og bestyrelsesmedlemmer bør være engagerede og aktive i at drive AI-strategien fremad.

Kommunikation og forandring: Implementer en klar kommunikationsstrategi for at sikre, at alle i organisationen forstår formålet med og fordelene ved AI. Skab en kultur, hvor innovation og adoption af ny teknologi er værdsat og støttet.

4. Øg investeringerne i AI

Økonomisk investering: Øg de økonomiske investeringer i AI-projekter for at sikre, at der er tilstrækkelige ressourcer til fuld implementering. Det inkluderer investeringer i teknologi, datahåndtering, og menneskelige ressourcer.

Fokus på data: Data er nøglen til succes med AI. Sørg for, at virksomheden har en robust datainfrastruktur, herunder dataopsætning, håndtering, og governance. Investér i dataplatforme og juridiske aspekter som copyright og metadata.

5. Skalering og governance

Skalerbare løsninger: Udvikl og implementer skalerbare løsninger baseret på erfaringerne fra pilotprojekterne. Det kræver en struktureret tilgang til at samle og analysere resultaterne fra pilotprojekter og anvende dem på større skala.

Governance framework: Etabler en stærk governance-ramme for at overvåge AI-modellerne for bias, drift og performance. Dette inkluderer dokumentation, styring og løbende overvågning for at sikre, at AI-modellerne fungerer korrekt og etisk.

6. Fokus på kvalitet og etik

Kvalitetskontrol: Implementer mekanismer til at sikre kvaliteten af AI-output. Det kan fx være regelmæssig validering og testning af AI-modellerne for at sikre, at de leverer pålidelige og præcise resultater.

Etiske overvejelser: Overvej de etiske implikationer af AI-brugen, herunder databeskyttelse, bias, og transparens. Sørg for, at AI-løsningerne er i overensstemmelse med lovgivning og etiske standarder.