Kunstig intelligens? Vi må snakke om datakvaliteten

Robot, av mikemacmarketing, wikimedia
Lav datakvalitet nå blitt et så prekært problem for AI-utvikleres effektivitet, at en av de største stemmene innen kunstig intelligens, Andrew Ng, har startet en global bevegelse for å «rense opp i datarensingen» og endre fokuset fra modellering og store data, til gode data, skriver Christian Braathen i DN . Foto: Wikimedia (mikemacmarketing)
Kronikk

30. august 2022 10:39

Kunstig intelligens? Vi må snakke om datakvaliteten

Kunstig intelligens er løsningen på manglende arbeidskraft – om datakvalitet tas tak i. Organisasjoner må prioritere datakvalitet, være mindre opptatt av «store data», og mer av gode data, skriver Christian Braathen.

Den 24. august publiserte Valeriya Naumova et innlegg i DN om at kunstig intelligens (AI) kan redusere behovet for personell i et svært presset arbeidsmarked. Hun tar opp viktige aspekter for at AI-roboter både vil ta over, og skape et stort antall arbeidsplasser, men for å oppnå slike betydelige tall, må spesielt én flaskehals tas tak i først – datakvalitet.

Jo bedre karrieren din allerede er eller har potensial til å bli, desto mer må du ofre for å gå inn i en usikker hverdag som gründer, skriver stipendiat og gründer Christian Braathen i DN. Foto: Sigrid Folkestad

Psykologisk trygghet avgjørende for gründere

Gründere trenger ofte finansiering for å slippe å ha jobb ved siden av oppstartsselskapet. Samtidig krever investorene at gründerne bare skal jobbe med oppstartsselskapet før de finansierer, skriver Christian Braathen i DN.

Frem til i dag har de fleste AI-satsende organisasjoner prioritert modellene – eller robotene som vi ofte kaller dem – blant annet fordi AI-roboter selger og engasjerer. Problemet med denne prioriteringen er at disse robotene trenger inndata for å være nyttige, og kvaliteten på disse inndataene blir ofte neglisjert på organisasjonsnivå, til fordel for robotene.

Denne flaskehalsen med lav datakvalitet skaper i sin tur tre hovedutfordringer.

  • For det første er det en rekke AI-roboter som feiler når de beveger seg fra en prototyp til den virkelige verden – i stor grad fordi manglende datakvalitet utløser negative, selvforsterkende effekter. Dermed sløser ettertraktede utviklere tid på prosjekter som ikke realiseres.
  • For det andre får ikke utviklere nok tid til å lage disse AI-robotene, fordi de må ta drittarbeidet med å klargjøre inndataene, som en konsekvens av at organisasjonene ikke tilrettela tilstrekkelig for dem. Hvor mye tid som medgår til å klargjøre disse dataene varierer, men rapporteres hyppig til å ligge på 80 prosent av all medgått tid.
  • Og for det tredje bytter disse utviklerne hyppig arbeidsgiver, fordi de ikke får utnyttet sine AI-evner hos sin nåværende arbeidsgiver og heller må ta nevnte drittoppgaver. I sin tur skaper disse forflytningene problemer for kunnskapsoverføring og utviklingshastighet innad i organisasjonene.

Som et resultat har lav datakvalitet nå blitt et så prekært problem for AI-utvikleres effektivitet, at en av de største stemmene innen kunstig intelligens, Andrew Ng, har startet en global bevegelse for å «rense opp i datarensingen» og endre fokuset fra modellering og store data, til gode data.

Jobb nummer én er å bruke ressursene våre bedre

Selv om omstilling og et grønt skifte er viktig, er det ikke nok. Dagens ressurser må også brukes bedre, skriver PhD-kandidat Christian Braathen i DN.

Om arbeidet med inndata er ekvivalenten til pendling, og bygging av AI-roboter er ekvivalenten til effektivt kontorarbeid, tilsvarer dagens situasjon at svært ettertraktede utviklere daglig pendler 6,5 timer for å unnagjøre 1,5 time arbeid på kontoret. Dette er en ressurssløsende situasjon.

Om den globale bevegelsen til Ng lykkes, vil utviklere derimot oppleve ekvivalenten til en avslappende gåtur til jobb og få tilnærmet fulle dager på kontoret.

Ved å sette datakvalitet i høysetet kan spesielt AI-fokuserte organisasjoner dermed verdiskape så enormt mye mer enn dagens situasjon tilsier. Denne forbedringen kan i så måte bidra til flere og mer vellykkede AI-løsninger enn i dag – men veien til mer AI går paradoksalt nok gjennom å fokusere mindre på AI, og mer på data.

Kronikken var først publisert i DN 29. august 2022.

For å ha utholdenheten til å oppnå et mål, må evnene dine til å realisere det minst overstige det som kreves for å oppnå målet, skriver Christian Braathen i Shifter. Braathen er stipendiat ved Institutt for foretaksøkonomi ved NHH og medgründer i Problemo og Prefero. Foto (Braathen): Sigrid Folkestad

Gründerskap er en øvelse i mental selvpining

Gründerskap bidrar til en ekstrem personlig vekst, men medaljen har en bakside, skriver stipendiat og gründer Christian Braathen i Shifter.