SAS Institutes Udo Sglavo och Alice McClure besökte Stockholm nyligen för eventet SAS Institute Innovate On Tour. Under sina presentationer lyfte de fram olika sätt som AI och dataanalys kan tillföra värde till företag och organisationer.
Värdet ökar med storskalighet
Alice McClure understryker att värdet ökar med storskalighet för drift av AI-modeller:
– Vi har kunder med hundratals, om inte tusentals AI-modeller i drift vid varje givet ögonblick. Att hantera och optimera produktiviteten med en sådan omfattning är där AI- och analysplattformen SAS Viya utmärker sig, säger hon.
Detta medan Udo Sglavo lyfter fram de tekniska utmaningar som finns, vad gäller att få ut värde av storskaliga AI-satsningar:
– Det är en stor utmaning att lyckas med bra prestanda, skalbarhet och att sänka kostnader samtidigt. Det handlar om att jobba med optimering av matematiska modeller, mjukvara och hårdvara. Om det görs rätt går det att skala AI-användningen, säger han.
Där det gör nytta
Vad gäller generativ AI är budskapet från SAS Institute tydligt:
– Vi konkurrerar inte med stora språkmodeller, som är den vanliga användningen av generativ AI i dag. Jag tror att begreppet generativ AI, kanske det generella begreppet AI, kommer att spela ut sin roll när lösningarna blir vanligare, kommenterar Udo Sglavo.
Han jämför med begreppet ”deep learning” som var väldigt hett för några år sedan, men som knappast nämns i dag, trots att lösningarna har blivit vanligare.
– Vi jobbar med alla former av AI, när det är lämpligt. Men vi tävlar inte om uppmärksamhet på marknaden och i media för specifika områden inom AI, förklarar Alice McClure.
Integrerade lösningar för generativ AI
Automatiserad maskininlärning har länge varit integrerad del av flera av SAS Institutes lösningar. Ett exempel på en generativ AI-lösning som finns är att innehåll för marknadsföring genereras i SAS Institutes molntjänst, och applikation, SAS Customer Intelligence 360. Här utvecklas AI-modeller automatiskt som del av det löpande arbetet.
– Det handlar om att få en bra utgångspunkt för att bygga en modell. I de flesta fall kan en modell som genereras automatiskt kanske inte användas rakt av, men man slipper mycket av det tidsödande inledande arbetet, förklarar Udo Sglavo.
Kan man lita på AIs resultat?
En vanlig fråga är om man kan lita på de resultat som skapas av AI-lösningar. Udo Sglavo presenterar en tänkvärd liknelse för att sätta den senaste tidens AI-lösningar i ett historiskt sammanhang:
– När hissarna var nya åkte inte folk med dem utan att det fanns en hissoperatör som åkte med. I dag är det helt naturligt att åka själv i en hiss, säger han.
Liknelsen kan utsträckas till självkörande bilar, och vidare till pilotlösa flygplan. Medan många i dag troligtvis kan tänka sig åka med i en självkörande bil är det nog färre som skulle sätta sig i ett pilotlöst flygplan. Sensmoralen är att det tar tid för nya lösningar att bli accepterade.
– Det bör betonas att det inte bara handlar om tid att vänja sig. Att i tekniken möjliggöra förklarbarhet och transparens är viktigt för att vi ska känna oss trygga och acceptera tekniken och att vi ska få den positiva utveckling vi vill nå av AI. Tillit och transparens är centrala dimensioner för den teknik SAS utvecklar. Därutöver finns ett stort behov av utbildning på olika nivåer och inom olika branscher för att tekniken ska utvecklas på bästa sätt. Något vi kommer att arbeta än mer aktivt med de närmaste åren, avslutar Udo Sglavo.
