Slik sikrer du trygg bruk av AI

Skaff deg nødvendig innsikt i hva som er mulig med teknologien, og hvordan dette har relevans for din bransje.

Inspirasjon og innsikt handler om å kunne å svare på tre grunnleggende spørsmål:

1. Hvilke muligheter kommer med denne teknologien?
2. Hva har andre i min bransje fått til i praksis?
3. Hva er relevant for oss?

Dette er startpunktet for å utforske mulighetsrommet vi har foran oss og hvordan det kan overføres til praktiske bruksområder. Det videre arbeidet handler om å ta inn over seg vår egen modenhet og gjøre nødvendige omstillinger. Derfor skjer gjerne adopsjonen i tre «bølger»: personlig produktivitet, re-design av prosesser og transformasjon.

Personlig produktivitet handler om å endre måten vi utfører våre daglige oppgaver på ved at AI integreres i programmene vi bruker hver dag. Vi effektiviserer en arbeidsoppgave ved å støtte oss på assistenter når vi har behov for det. De er våre co-piloter.

Å redesigne en hel arbeidsprosess endrer på hvem som gjør hva og hvordan vi bør drive prosessen fremover. Skal vi bli mer datadrevet i måten vi jobber på, må vi også akseptere at maskinen noen ganger må sitte i førersetet.

Den tredje bølgen kaller vi transformasjon og handler om større endringer i dagens driftsmodell. De som lykkes kan få vesentlige konkurransefortrinn i måten de leverer kundeopplevelser, utnytter interne ressurser og sikrer lønnsomhet i alle ledd – men det er også mer krevende.  

Vurder bruksområder opp mot dine strategiske mål og hvordan teknologien kan være med å skape praktisk verdi.

Først og fremst – unngå å lage en ny AI-strategi som lever på siden av alt annet som allerede gjøres. AI-teknologien skal ikke endre fokuset, men være et hjelpemiddel for å realisere våre strategiske mål. Alt for mange går i teknologifella, der man begynner å nærmest finne opp nye problemer som skal løses med AI-teknologien. Dette skaper bare forvirring og konkurranse om tid, penger og ressurser.

I stedet bør du ha en verdibasert tilnærming til teknologien. Denne handler om å integrere AI der det kan gi resultater. Arbeidet skal hjelpe med å prioritere AI-initiativer basert på dagens forretningsstrategi og prioriterte fokusområder, og drive en verdibasert tilnærming til implementering med relevant teknologi. I mange tilfeller er det ikke AI som er det rette svaret.

Du er nødt til å ta stilling til verdien for hvert enkelt bruksområde basert på konkrete brukercaser. Hvert case stiller ulike krav til endringer i prosess, data, teknologi, organisering, sikkerhet, kompleksitet og risiko. Resultatet er et veikart med prosjekter skreddersydd og prioritert ut fra virksomhetens behov og begrensninger.

Eksperimenter og adopter ulike AI-applikasjoner og co-piloter.

Vi mennesker bruker generelt for mye tid på rutineoppgaver som tømmer oss for energi og inspirasjon. Derfor er AI-assistenter som støtter de ansatte en «gamechanger» innen produktivitet og kreativitet. Ved å bruke assistentene kan vi fristille mye av tiden vår, sånn at vi kan bruke tiden på mer verdiskapende oppgaver.

Om du ikke allerede er i gang, er det lurt å starte med å teste ut relevante AI-applikasjoner og co-piloter, som for eksempel Microsoft Copilot. I pilotering av brukercaser er det flere ting som er viktige å sjekke av. Noen av disse er å:

• jobbe integrert med å realisere verdi
• endre arbeidsmetodikk
• ivareta datakvalitet
• sikre personvern
• skape tydelige roller og ansvar
• etablere nødvendig tilgangsstyring i bunnen
• understøtte omstilling av kompetanse på sikt

Teknologien gir mange nye muligheter, men det er menneskene som skal bruke den til å skape verdi.

Sikre et kvalitetssikkert, datadrevet fundament med integrasjoner og fleksible omstillinger av intelligente arbeidsprosesser.

For å skalere AI-teknologien må forskjellige former for maskinlæring integreres i arbeidsprosessene. Maskinlæringsoperasjoner (MLOps) åpner opp for mer sofistikerte AI-løsninger som kan prosessere og identifisere mønstre i enorme mengder strukturerte og ustrukturerte data.

MLOps er en viktig del av fundamentet som gjør at vi kan integrere relevante AI-tjenester og transformere prosessene. Det hjelper oss med å ivareta datakvalitet, sikkerhet, integrasjoner, orkestrere fleksible prosesser, integrere automasjoner og levere analyseløsninger for avansert beslutningsstøtte.

Det er likevel viktig å være oppmerksom på at en vellykket MLOps-satsing stiller mange krav til modenhet utover selve teknologien. Derfor er dette gjerne en stegvis reise hvor organisasjonen gradvis bygger nye kapabiliteter som handler om:

• en tydelig formulert og forankret datastrategi,
• involvering av hele organisasjonen,
• veien fra proof-of-concepts til industrialisering,
• organisering og ansvarsfordeling, og
• integrert arbeid med verdiskaping.

Det datadrevne fundamentet i MLOps legger grunnmuren for at AI kan skaleres effektivt og integreres på tvers av prosesser. Resultatet er et robust, fleksibelt, sikkert og datadrevet fundament som kan støtte en rekke avanserte AI-applikasjoner.

Ivareta nødvendig sikkerhet og personvern.

Vi kan ikke snakke om Trusted AI uten å ta for oss sikkerhet og personvern. En forutsetning for å kunne realisere nye bruksområder er god kontroll på informasjonssikkerhet og personvern. Virksomheter med kontroll kan bevege seg raskt i et teknologilandskap under kontinuerlig endring, mens virksomheter med mindre kontroll må bevege seg saktere.

Husk at trusselaktørene har tilgang på samme verktøy som deg

Samtidig som optimismen for stadig nye AI-verktøy er stor blant de fleste, er det viktig å være oppmerksom på at det ikke kun er vi som har tilgang til disse. Ondsinnede aktører som ikke følger loven eller tar etiske hensyn, kan også bruke verktøyene, og også for de åpnes det opp et helt nytt mulighetsrom.

For svindlere og trusselaktører kan kunstig intelligens brukes til å målrette flere sofistikerte angrep mer kostnadseffektivt. Språket i svindel-e-postene blir bedre, svindlerne får samlet mer åpen og tilgjengelig informasjon fra forskjellige kilder og kanskje også samlet dem på en troverdig måte. Skadevaren utnytter sårbarheter på tvers av systemer.

I dette landskapet må vi forbedre eksisterende og etablere nye kontroller for å opprettholde et forsvarlig risikonivå. Vi må overvåke tjenestene vi bruker og sikre at miljøene ivaretar tekniske, juridiske og operasjonelle risikoer. Ikke minst må vi bevisstgjøre ansatte og systemansvarlige på nye risikoer og et endret trusselbilde.

Viktige personvernhensyn

Virksomheter må oftere forbedre tilgangsstyringen og klassifiseringen av informasjonen sin. Det er viktig å sikre at kun de som skal ha tilgang på personopplysninger og konfidensiell informasjon, faktisk har det. I noen tilfeller bør dette også holder utenfor AI-systemer – for eksempel bør personopplysninger anonymiseres så langt det er mulig, og vi må sikre at behandlingen er lovlig gjennom blant annet behandlingsgrunnlag og formålsbegrensning.

Mekanismer for å fange opp sofistikerte angrep på tvers av den digitale infrastrukturen må også i mange tilfeller forbedres. Mobiler og PC-er bør kobles sammen med beskyttede nettverk og sentrale systemer og settes i stand til å oppdage nye risikoer og kjente sårbarheter.

Det er viktig å sørge for god informasjonssikkerhet og et trygt personvern gjennom hele AI-livsløpet. Det kan gjøres ved å gjennomføre risikovurderinger før et prosjekt starter, slik at vi får oversikt over reelle risikoer og kan prioritere tiltak som å på plass før vi implementerer nye AI-løsninger.

Slik etablerer du nødvendige mekanismer for virksomhets- og risikostyring.

For å sikre effektiv skalering og pålitelig bruk av AI er det lurt å etablere et fleksibelt og risikobasert rammeverk for styring og kontroll med AI. Det betyr at virksomheter trenger et rammeverk som gjør at vi forstår betydningen AI-bruken vil ha både for selskapet og for interessentene når man bruker det på spesifikke områder. Det er viktig for å kunne implementere riktige internkontrolltiltak som reduserer risiko.

Vår anbefaling er at man bør starte med å kartlegge eventuelle gap i styringskulturen og etablere effektive prosesser for kost-nytte-vurderinger av ulike AI-verktøy. Bruksområdene bør klassifiseres slik at riktige kontrolltiltak identifiseres og implementeres, og det kan være lurt å gjennomføre piloter med ulik risikoprofil for å få innsikt i tilpasningsbehov og slik at man kan etablere standardiserte risikoprofiler og tilhørende tiltak. 

Sørg også for å ha kontroll på regelverkene. AI Act for eksempel, gir noen klare retningslinjer.