Hvad er Kunstig Intelligens?

Hvad dækker begrebet AI over?

AI er bedst forstået som kasser inden i hinanden, ikke som sidestillede teknologier.

Maskinlæring (ML) er den inderste, mest udbredte kasse. Systemer, der lærer af historisk data i stedet for faste regler, og bliver bedre, efterhånden som de får mere. Det driver alt fra churn prediction til kvalitetskontrol i produktionen.

Deep learning er en kraftigere form for maskinlæring bygget på neurale netværk med mange lag. Det er det, der fik billed- og talegenkendelse til at virke, og det er fundamentet under de store sprogmodeller.

Generativ AI er deep learning, der skaber nyt indhold: tekst, billeder, kode. Det er den type, de fleste kender fra ChatGPT, Claude og Gemini.

AI-agenter er det nyeste lag. Her bruges en sprogmodel som motor, men systemet kan derudover planlægge, bruge værktøjer og udføre handlinger på tværs af systemer med mindre menneskelig styring.

Et vigtigt skel går mellem snæver og generel AI. Alt, der findes i drift i dag, er snæver AI: dygtigt til en afgrænset opgave. Generel AI, et system med menneskelignende bred forståelse, findes ikke, uanset hvad overskrifterne antyder.

Vi hjælper danske virksomheder med at finde de steder, hvor AI faktisk betaler sig, og bygger løsningerne derfra. Kontakt os for en uforpligtende vurdering af jeres muligheder.

Hvorfor er AI relevant for virksomheder nu?

AI er ikke nyt som idé. Det, der har ændret sig, er tre ting på samme tid: der er kommet enorme mængder digital data, beregningskraften er blevet billig nok, og en arkitektur kaldet transformeren gjorde sprogmodeller markant bedre. Tilsammen flyttede det AI fra forskning til noget, en almindelig virksomhed kan bruge fra en browser.

I praksis løser AI tre slags problemer: den behandler større datamængder, end mennesker kan, den gør det hurtigere, og den gør det ens hver gang.

Konkret bruger danske virksomheder AI til at automatisere dele af kundeservice, forudsige efterspørgsel og lagerbehov, personalisere markedsføring, screene og prioritere leads, udtrække data fra fakturaer og kontrakter, og give medarbejdere en assistent, der kan søge i virksomhedens egen viden.

Gevinsten er størst, hvor en opgave er hyppig, datatung og tidskrævende, og hvor en fejl kan fanges af et menneske. Den er mindst, hvor opgaven er sjælden, kræver garanteret korrekte tal, eller hvor der ikke findes data at lære fra.

Hvad AI ikke er

AI er ikke en magisk løsning, der kan alt fra dag ét. Den er god til mønstergenkendelse og automatisering, men mangler kontekst, etisk sans og evnen til at håndtere helt nye situationer uden data at lære fra.

Den er ikke en erstatning for menneskelig dømmekraft. I kritiske processer taler man derfor om human-in-the-loop, hvor et menneske validerer output, før det får konsekvenser.

Og den er ikke ufejlbarlig, fordi den lyder sikker. Især generative modeller kan producere overbevisende men forkerte svar. Derfor hører governance, datasikkerhed og en holdning til EU AI Act med fra starten, ikke som noget, man tilføjer bagefter.