Omställning och AI: Äventyret 2024
Året då nedskärningar mötte AI som ny vardag, både i vår byrå och i kundprojekten.
Såhär
2024 kommer vi på Äventyret att minnas som ett år av omställning. Det var året då en orolig omvärld tvingade oss till nedskärningar. Året då vi införde OKR för att styra och mäta vårt arbete, men framför allt året då AI på allvar blev en integrerad del av vår vardag — både som verktyg och i våra kundprojekt!
På kort tid har vi sett en demokratisering av AI-tjänster, där teknologin blivit mer tillgänglig än någonsin. Detta har gjort det möjligt för oss som produkt- och tjänstedesignbyrå att skapa kraftfulla AI-applikationer — utan att vara en byrå full av data scientists.
Vi är stolta över att vara en byrå som är mer verkstad än snack — ett team av doers som får saker att hända. Vi är som mest effektiva mitt i projekten. Vår leverans består aldrig av 70+ slides med rekommendationer; vi föredrar att leverera slutprodukten som våra insikter leder fram till. Men historiskt har vi varit mindre bra på att dela våra praktiska erfarenheter och lärdomar. Det tänker vi ändra på.
AI i praktiken: Utmaningar och lösningar
De flesta av våra AI-uppdrag har varit inriktade på arbetsgivarorganisationer, där vi ställts inför unika utmaningar. En av de största har varit att hantera och strukturera komplex information från olika datakällor. Vi har utvecklat automatiserade lösningar för att dela upp informationen i hanterbara block (chunking) vilket möjliggjort effektiv bearbetning av AI-modellerna.
Vi har även arbetat fram nya metoder för att indexera datakällorna, vilket förbättrat vektorsökningen och därmed gett AI-modellerna tillgång till relevanta och precisa data. För att uppnå den noggrannhetsnivå som krävs, särskilt i juridiska frågor, har vi jobbat med finjustering. Genom att finjustera grundprompterna och anpassa till våra kunders behov har vi kunnat höja både effektiviteten och kvaliteten i deras support vilket frigjort tid för rådgivarna att arbeta med svårare fall.
Men AI handlar inte bara om snabbhet. Det handlar om att säkerställa att informationen är korrekt och tillförlitlig. Tillsammans med våra kunders ämnesexperter har vi granskat och kvalitetssäkrat lösningarna. Detta samarbete har inte bara säkrat resultatet utan även ökat kunskapen och förståelse för AI i kundernas organisationer, samt fungerat som förankring.
Experiment och innovation
Utöver supportlösningar har vi utforskat andra kreativa tillämpningar av AI. Ett av dessa experiment var generativ meditation. Med en RAG-modell som bas använde vi befintliga meditationer som underlag för att skapa nya skräddarsydda meditationer baserat på användarens input. De genererade meditationstexterna omvandlas sedan till ljud med hjälp av Eleven Labs text-till-röst-API, vilket ger slutanvändaren en personlig och interaktiv upplevelse i hörlurarna. Namaste!
Skomakarens barn: Ny webbplats
2024 blev också året då vi äntligen lanserade en ny webbplats för vår egen verksamhet. Här använder vi DiffusionBee för att generera illustrationer, ett verktyg som våra designers kan köra lokalt på sina laptops. Genom att träna modellen på vår grafiska profil kan vi skapa enhetliga och passande bilder till våra artiklar och projekt.
Luftgitarren tar det piano
AI har på gott och ont blivit ett paraplybegrepp för en mängd olika tekniker och discipliner. Även om det är generativ AI som stjäl rampljuset just nu, så har maskininlärning – eller Machine Learning (ML) på engelska – länge varit en viktig underdisciplin. Vad är då maskininlärning? Det handlar om algoritmer och modeller som gör att datorer kan lära sig från data, snarare än att programmeras för varje enskild uppgift. Med andra ord, datorer som blir smartare med erfarenhet.
Ett lysande exempel på maskininlärning är luftpianot, ett experiment som vår egen Erik byggt (seriöst, du borde prova – det är hur kul som helst!). Luftpianot bygger på ett maskininlärningsramverk som heter ML5. Ramverket är enkelt att komma igång med, men att få det att spåra fingertopparnas rörelser och simulera tangentnedslag var en riktig utmaning. Resultatet? Ett AI-drivet piano du kan spela på – utan tangenter.
Det som göms i snö
Det har heller inte undgått oss att generativa AI kan skriva kod. Även om den genererade koden än så länge ofta väcker en del frågetecken skapar det fantastiska möjligheter att gå från idé eller dröm till snabb prototyp. Som när Christoffer lyssnat på en podcast om utrymmet som bildas mellan snötäcket och marken på våren. Med den inspirationen skapade han ett spel där lämmlar under snön jagas av och undviker rävar. Det kanske inte går till historien som årets tv-spel men vad GPT 4o skapade från prompterna bjöd på många skratt.
En insikt från genererad kod är att den kan hjälpa erfarna utvecklare som Christoffer att täppa mindre luckor i sin förståelse, samtidigt som den kan hjälpa nybörjare att överkomma gigantiska hinder. Skillnaden ligger i att den erfarna utvecklaren förbättras och lär sig av processen, medan nybörjaren ofta inte fullt ut förstår vad som hänt – bara att något fungerar för tillfället och bara kan hoppas att det fortsätter göra så.
Råd till dig som ännu inte påbörjat din AI-resa
Börja litet
Pilotprojekt är perfekta för att testa, lära och utforska möjligheterna.
Börja inifrån
Bygg interna verktyg som underlättar för era experter. Att involvera sakkunniga säkerställer att lösningarna blir korrekta och funktionella, samtidigt som det skapar lärande och acceptans i organisationen.
Fokusera på era styrkor
Identifiera områden där AI kan bygga vidare på era befintliga konkurrensfördelar.
Behovsstyrt
Precis som förut, men fundera på hur AI kan hjälpa till att lösa dem. Fortsätt fokusera på era och era användares behov!
Det är spännande att tänka på vart AI kommer att ta oss nästa år. Den snabba utvecklingen är oundviklig och full av möjligheter. Vi står redo att ta oss an fler uppdrag i kategorin och fortsätta innovationsresan med våra kunder.