AI – närmare bestämt maskininlärning – börjar flytta in i många verksamheter på allvar och blir allt mer mainstream. 53 procent av alla som fattar teknikbeslut kring dataanalys implementerar eller utökar sin användning av AI enligt analysföretaget Forrester. 20 procent planerar att göra det under närmaste året.

Och det finns många sätt att använda maskininlärning. Vår amerikanska systertidning CIO har talat med några företag som delar med sig av sina lyckade exempel.

Hjälp att förutspå när ett jobb automatiseras bort

Oron för att våra jobb försvinner har på senare tid fått mothugg och många talar i stället om att människor och maskiner kommer att arbeta tillsammans. Men samtidigt släpar företagen efter när det gäller att omskola de medarbetare vars nuvarande jobb troligen försvinner.

Den frågan lyftes av Accentures teknik- och innovationschef Paul Daugherty på Forbes CIO Summit tidigare i år.

– Vi tror att vi måste omskola. Det finns mycket lite runt det, säger han.

Och frågan är aktuell för Accenture som har runt 450 000 anställda. Runt 23 000 roller har automatiserats och personal har flyttats om, och det är något som kommer att fortsätta enligt Paul Daugherty.

Så för att hjälpa dem som behöver lära sig nytt har konsultföretaget skapat en app som använder maskininlärning. Den skannar av hur snabbt en medarbetares arbetsuppgifter kommer att automatiseras. Den tittar på arbetserfarenhet och noterar om medarbetarens kompetens kommer att bli inaktuell på grund av AI eller någon annan form av automatisering.

Förutom att bara agera domedagsprofet föreslår appen också liknande kompetenser som medarbetaren skulle kunna utveckla som är mer relevanta för företaget.

Bästa rådet: Det är cio:ns ansvar att ta ansvar för företagets AI-strategier och att arbeta med viktiga intressenter i affärsområden för att säkerställa konsensus och kontinuitet. Cio:n måste också snabbt identifiera och eliminera fördomar som bakats in i AI-algoritmerna.

Vapen i kampen mot kortbedrägerier

Kortföretagen slåss ständigt mot bedragare. Och samtidigt som många experter ser digitaliseringen som fördärvet när det gäller vår integritet och säkerhet online så kan AI se till att tjänster blir säkrare än plastkorten. Det säger Ed McLaughlin, teknikchef på Mastercard.

Man använder flera lager av maskininlärnings- och AI-verktyg för att kunna avslöja de användare som har skumma avsikter och stoppa dem från att göra allvarlig skada. Kärnan ligger i ett minnesdatabassystem som enligt Ed McLaughlin hjälpt Mastercard att spara runt en miljard dollar sedan 2016 genom att stoppa bedragare.

Bästa rådet: Människor är den svagaste länken när det gäller it-säkerhet. Så det viktigaste är att ta ut människan ur ekvationen så mycket som möjligt råder Ed McLaughlin.

Sätter fart i Formel 1

Mercedes-AMG Petronas Motorsport samlar in mängder av data kring sina Formel 1-bilar från olika källor – ibland så många som 10 000 datapunkter per sekund – för att kunna ta avgörande beslut, enligt företagets cio Matt Harris.

Med hjälp av maskininlärningsmjukvara visualiseras vilken inverkan olika variabler som väder, däcktemperatur och mängden bensin har på bilarna. Det går också att analysera detaljer som slitage på växlarna. Förarna lägger i snitt om växeln 100 gånger per varv och för varje gång samlas 1 000 datapunkter in.

– Du kan upptäcka att om du sätter växellådan i ett visst läge går det ungefär 50 millisekunder snabbare per varv. Skillnaden mellan bilar kan vara en tusendels sekund i kvalificeringen, så 50 millisekunder är viktiga, säger han.

Bästa rådet: Varför bygga något som ligger utanför din kärnkompetens? Innan Mercedes-AMG Petronas köpte in visualiseringsmjukvara så utvecklade man egen men den blev för svår att underhålla över tid. Nu kan företaget ägna sig åt sin kärnkompetens – att bygga snabba bilar i stället.

Håller koll på underhåll

För ventilationsföretaget Lennox International är maskininlärning en kärnkomponent i den digitala strategin.

Genom att hela tiden övervaka sina luftkonditionerings- och uppvärmningssystem och samla in information kan man i realtid få hjälp att förutsäga med 90 procents säkerhet när något är på väg att gå sönder. Det gör det möjligt för dem att förvarna sina kunder – allt i från husägare till hela köpcentrum – fyra timmar innan det inträffar.

Tidigare gissade man när utrustningen var på väg att gå sönder och kontaktade återförsäljarna enligt företagets cio Sunil Bondalapati. Det innebar självklart också en hel del falsklarm.

Bästa rådet: Sunil Bondalapati råder cio:er att testa nya verktyg ordentligt, särskilt när insatsen är så hög. Själv övervakade han ett proof of concept som inkluderade 10 miljarder dataposter berättar han – ”det var en ögonöppnare”

Algoritmer för affärsresan

Bland det första David Thompson, cio på American Express Global Business Travel, gjorde när han tillträtt var att börja använda sig av mjukvarurobotar för att automatisera hanteringen av transaktioner för företagens resetjänster.

Sedan såg han till att skapa maskininlärningsalgoritmer för att hjälpa kunderna att hitta de bästa priserna på flyg och hotell, något som tidigare utfördes av flera anställda. De placerades i stället om och fick nya uppgifter.

– Det har inneburit en ganska stor vinst för oss hittills. Nu frigörs folk så att de kan ägna mer tid åt kunderna, säger David Thompson.

Bästa rådet: Diskussionerna kring automatisering är ofta svåra och känsliga eftersom människor är rädda att bli av med jobbet, konstaterar David Thompson. Men cio:er måste vara tydliga, beslutsamma och ärliga om de vill vara trovärdiga gentemot verksamheten. Själv ser han sin roll som en möjliggörare av teknik åt verksamheten – ”att använda teknik och processer för att lösa affärsproblem”.

Bättre kunskap om kunden – bättre bankerbjudanden

Storbankerna kämpar med att dra ut användbar information ur den enorma mängd kunddata som kommer in. Och det gör US Bank också. Där arbetar man nu med att göra sina tjänster allt mer personliga genom att använda maskininlärning.

Om en kund exempelvis söker information om hypotekslån på bankens sajt så kan det följas upp när kunden tar kontakt med banken senare. Mjukvaran hittar också mönster som människor ofta missar – som att den kan föreslå en viss tid att ringa en kund inom en bransch eftersom sannolikheten att personen hinner svara är större den tiden.

– Vi rör oss från en värld som beskriver vad som hänt eller vad som händer till en värld som handlar mer om vad som ska eller borde hända, säger Bill Hoffman, chef över dataanalysen på US Bank.

Bästa rådet: Det är viktigt att ta sig an maskininlärning och AI genom att testa och lära och vara tålmodig. Man måste också vara beredd att ta bort det som inte fungerar. Och fråga er alltid ”hur kommer detta att gynna kunden?”.

Läs också: 
Det här är AI och så funkar det
Hur mycket AI är lagom? Försäkringskassan utforskar möjligheter och risker