Spør oss om AI: Trusted AI – Verdiskaping gjennom modning og forståelse

Med AI på full fart inn i arbeidshverdagen, er det avgjørende å forstå hvordan vi både kan omfavne teknologien og samtidig opprettholde tillit - både når vi utvikler, implementerer og bruker den.  I KPMG bruker vi begrepet «Trusted AI» om vår tilnærming. 

For oss handler det om å implementere og bruke kunstig intelligens på en måte som skaper tydelig verdi, samtidig som det gjøres trygt og ansvarlig, slik at vi i ivaretar krav og regler til etikk, personvern, informasjonssikkerhet og transparens i arbeidsprosesser og beslutninger. 

Trusted AI er en helhetlig tilnærming der verdiskapning og risiko balanseres. For å lykkes med dette vil du typisk måtte se på seks ulike områder – med gradvis modning og forståelse: 

1. Inspirasjon og innsikt
2. Strategisk fokus og verdi
3. Adopsjon og pilotering
4. Data og skalering
5. Sikring
6. Styring og kontroll av og med AI

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 vi ha en verdibasert tilnærming til teknologien som handler om at vi integrerer 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.

Vi må ta stilling til verdien for hvert unike bruksområde basert på konkrete use caser. 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.

Tilbake til topp og innholdsoversikt

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.

For å komme i gang må vi begynne å eksperimentere og teste ut relevante AI-applikasjoner og co-piloter. Dette har blitt snakket om lenge nå, men 1. november blir Microsoft 365 Copilot tilgjengelig for deres Enterprise-kunder – med andre ord nærmer det seg med stormskritt!

I pilotering av use caser er det viktig å jobbe integrert med å realisere verdi, endre arbeidsmetodikk, ivareta datakvalitet, sikre personvern, skape tydelige roller og ansvar, etablere nødvendig tilgangsstyring i bunnen og understøtte omstilling av kompetanse på sikt. Teknologien gir mange nye muligheter, men det er menneskene som skal bruke den til å skape verdi.

Les mer: Syv grunner til hvorfor du bør glede deg til Copilot

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.

Les mer: Kunstig intelligens i maskinlæringsoperasjoner (MLOps)

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.

Trusselaktørene får tilgang til de samme verktøyene

Nå gleder vi oss til å få tilgang på nye AI-verktøy, og vi kan bare se for oss hvordan de vil bidra til å effektivisere og forenkle utfordringer i arbeidshverdagen vår. Samtidig som optimismen er stor, er det viktig å også være oppmerksom på at det ikke kun er vi som får tilgang på disse. Ondsinnede aktører som ikke følger loven eller tar etiske hensyn får også tilgang på disse nyskapende verktøyene – også for dem åpnes det opp et helt nytt mulighetsrom.

For disse aktørene kan AI 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

Vi ser at virksomheter ofte må forbedre tilgangsstyringen og klassifiseringen av informasjonen deres. 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.

Les mer: AI og cybersikkerhet og AI og personvern

Hvordan du etablerer 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.

Krav for virksomhets- og risikostyring, personvern og anti-diskriminering ved bruk av AI finnes allerede. Det er viktig å ha styring og kontroll av AI i bakhodet, parallelt med utforskingen. Det er også foreslått AI-spesifikke regelverk fra EU (AI Act og AI Liability Directive) som gjør at myndighetene fremover vil ha et stort fokus på at trygg bruk sikres i innkjøp, intern utvikling eller hvis man kjøper inn og tilpasser modeller.

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. 

Les mer: Viktigheten av god governance

Fordelene med AI er omfattende og vil bare fortsette å øke etter hvert som teknologien modnes – i en rasende fart. AI kan transformere måten vi betjener sluttkunder på, det kan effektivisere interne prosesser, redusere kostnader og sikre at vi tar de riktige beslutningene til rett tid. Allikevel kommer ikke AI-adopsjon uten utfordringer. Spesielt når det gjelder tillit, pålitelighet og sikkerhet.

Med Trusted AI hjelper vi i KPMG deg med å skape verdier som varer, samtidig som du har ivaretar din integritet og tillitt i markedet, til dine kunder og ansatte. Vi vil skape en fremtid som er bygget på tillit til AI-basert transformasjon.

Tilbake til topp og innholdsoversikt

Tilbake til topp og innholdsoversikt