”AI handlar väl så mycket om organisationsutveckling som teknik”
Det var ett av många medskick som AI-forskaren och universitetslektorn Nina Edh, Jönköping University, gav till de deltagande företagen när hon deltog på Inredningsnätverkets tvådagarsträff och föreläste under rubriken ”AI, organisatoriskt lärande och framtidens produktionssystem”. Nina Edh tycker även det är hög tid för företagen att skapa ett specifikt ”case” i sin verksamhet för att undersöka behovet av AI.
Nina Edh har en gedigen bakgrund inom produktions- och logistikledet med högskoleexamen inom Logistik och ledning, en Mastersexamen inom Produktionsutveckling och ledning samt en doktorsexamen i Teknikens ekonomi och organisation. Numer är hon universitetslektor i Produktionssystem och forskar på förändringsprocesser, strategisk samsyn, lärande i organisationer samt hur artificiell intelligens kan påverka arbetsliv och ledarskap i socio-tekniska system.
Mycket av Ninas forskning har bedrivits i samverkan med bolag inom metallbearbetning, och hon har under de senaste åren arbetet mycket med stora bolag. Därför tog hon chansen att vara med under två dagar när Inredningsnätverket samlades i Jönköping, med företrädelsevis ganska små företag som jobbar med träbearbetning.
Enligt Nina Edh är det oerhört viktigt hur ett företag ser på produktionen i företagets strategiska verksamhet. Det behöver företaget veta!
AI är inte ett begrepp
Samtidigt var Nina Edh genomgående tydlig med att betona att AI inte är ETT begrepp/koncept och att man behöver fundera över vilken typ av AI man vill vi ha, vad man vill att AI ska göra – eller snarare - vilken roll AI ska ha i problemlösningen.
Under föreläsningen talade hon om olika användande av AI; kognitivt, reflekterande, relationsmässigt (hur får vi in det i organisationen?), kreativt (där AI är en slags meddesigner) samt det adaptiva/anpassningsbara (tillgänglighet och inlärning).
– I AI-transformationen handlar det ofta väl så mycket om organisationsutveckling som förändring gällande teknik, menar Nina Edh. Det gäller att förstå sitt företags kompetenser och behov och utgå ifrån själva verksamheten när man ska fatta beslut om vilken typ av AI man ska implementera; vilket problem den ska lösa eller vilka möjligheter den ska hjälpa till att förverkliga.
Det gäller att förstå sitt företags kompetenser och behov och utgå ifrån själva verksamheten när man ska fatta beslut om vilken typ av AI man ska implementera.
Nina Edh, AI-forskare
Hon bollar upp ett antal frågor:
- Hur utvärderar vi vad som är viktigt nu och vad som blir viktigt längre fram?
- Hur utvärderar man vad som är viktigt för individen vs organisationen? Där man ofta behöver kliva utanför ”den finansiella lådan”?
Men inte minst:
Behöver företaget AI-lösningar eller löser man i stället problematik via automatisering/teknik? Här ska man, enligt Nina Edh, inte underskatta vikten av att förstå sin data och göra den kompatibel.
– Det kan absolut finnas behov av nya roller i företaget/organisationen i sin AI-utveckling. Och inom företag finns det ofta ett enormt spann mellan front-runners och de som är obenägna att ”hoppa på tåget”.
Vad tycker du konkret att ett TMF-företag bör göra framöver – i en möjlig AI-transformation?
– Kontakta närmaste lärcenter, engagera en AI- respektive flödesstudent, och välj sedan ut ett case i din produktion som studenter och anställda analyserar under en tid.
– Enligt min erfarenhet när jag jobbar med företag är det en hel del som inte förstår eller kopplar inte vikten av AI till sitt hållbarhetsarbete.
Fotnot: På lärcentra möts studerande, näringsliv och offentlig verksamhet för att hitta och skaffa sig efterfrågad kompetens.
- Börja med generativ AI. Ladda ner en app och testa. Det finns flera gratisvarianter och det finns en poäng med att testa och pröva. Fördelen med den här tekniken är att den i sig kan hjälpa dig att förstå vad du kan använda den till. Du behöver inga manualer eller krångliga support-sidor att läsa.
- Börja skriva (eller prata), fråga den vad den kan hjälpa dig med, berätta om en uppgift där du tror du kan få stöttning och diskutera er fram till en lösning du är nöjd med. Modellerna utvecklas snabbt, men det är fortfarande saker som de inte riktigt förstår eller gör bättre än vad man själv klarar av.
- Testa gränserna. Olika varianter har olika licenser och lite olika förmågor. Vilken modell från vilken utvecklare som är bäst för stunden varierar kontinuerligt så valet handlar snarare om personliga preferenser, IT-miljöernas begränsningar och vilket typ av uppgift du vill få stöd i.