Issuu

KI i møte med menneske Parat avmystifiserer kunstig intelligens

Agjeld, J, M., Andreassen, T, W., Axelsen, G., Bolstad, E., Bratten, A., Børmer, Ø., Dimakos, X,. Halvorsen, I., Haneng, A., Helleland, L, H., Haaland, E., Irgens, M., Johannessen, J, A., Kalland, T., Krogh, C., Krogstie, J., Lanquepin, G., Lindstrøm, A., Molandsveen, J., Nygård, H, M., Solhjell, B, V., Stensønes, M., Svendsen, T., Syse, H., Søreide, Ø, E., Østgård, A, D, E., Østgård, E, T. & Aalgaard, R.

KI i møte med menneske

KI i møte med menneske Parat avmystifiserer kunstig intelligens © 2024 Parat Ansvarlig redaktør: Trygve Bergsland Redaksjonsleder: Helene Husebø Forlag: Parat, Lakkegata 23, 0187 Oslo. Omslag og layout: Tomas Friberg, Storybold AS Trykk: Aksell AS ISBN: 978-82-693719-0-1 Forsidebilde: Et ikonisk maleri av Michelangelos «Guds finger» fra taket i det sixtinske kapell møter en illustrasjon av en KI-finger, som symboliserer den intelligente maskinens kompleksitet og kraft. De to fingrene berører forsiktig hverandre, og skaper en form for bro mellom renessansens kunst og den digitale tidsalder. Illustrasjonen kan tolkes på mange forskjellige måter, avhengig av ditt eget perspektiv. Noen vil se dette som et positivt syn på hvordan kunstig intelligens kan bidra til å forsterke menneskelig kreativitet. Andre kan være mer forsiktige og bekymrede for hvordan kunstig intelligens kan påvirke menneskelige verdier og autonomi. Oslo 14.05.2024

NO - 1470

KI i møte med menneske Parat avmystifiserer kunstig intelligens

Innhold Forord 6

Forord: Parat-leder Unn Kristin Olsen, nestleder Anneli Nyberg og generalsekretær Trond Reidar Hole

Forord: Digitaliserings- og forvaltningsminister Karianne Tung

Del 1: Et bedre liv med KI 13

Malin Stensønes, generalsekretær i Norske Kvinners Sanitetsforening Kunstig intelligens og frivilligheten

Julija Molandsveen, direktør for utvikling og serviceleveranser i USBL Ekte boglede gjennom kunstig intelligens

Linda Hofstad Helleland, stortingsrepresentant (H) Det neste steget for kunstig intelligens tar vi sammen

Jogeir Magnar Agjeld, fagkoordinator for maskinteknikk og presisjonslandbruk i Norsk Landbruksrådgivning KI i landbruket: Auka sjølvforsyning og mindre miljøpåvirking

Del 2: Et skråblikk på KI 37

Henrik Syse, filosof og forsker ved Institutt for fredsforskning Kunstig intelligens og etikk: Hva må vi passe oss for?

Jon-Arild Johannessen, professor i ledelse ved Høyskolen i Kristiania Kunstig intelligens og konsekvenser for samfunnsutviklingen

Morten Irgens, prodekan ved Copenhagen Business School, og Christen Krogh, rektor ved OsloMet Norge i den teknologiske malstrømmen

Del 3: En styrke for norsk arbeidsliv

Even Bolstad, leder i HR Norge «Nytt arbeidsliv» betyr endring

Tor Wallin Andreassen, professor i innovasjon ved Norges Handelshøyskole Generativ KI: fremtidens arbeidskraft

Øystein Eriksen Søreide, administrerende direktør i Abelia Kommer kunstig intelligens til å ta over jobbene våre?

Alexander Haneng, direktør for innovasjon og bærekraft i NHO Service og Handel Hvilke jobber vil mest sannsynlig gå tapt – og skapes – på grunn av kunstig intelligens?

Anne-Kari Bratten, administrerende direktør i Arbeidsgiverforeningen Spekter Kunstig intelligens er en svært god nyhet for arbeidslivet

Del 4: Praktisk arbeid med hjelp fra KI 95

Eirin Tangen Østgård og Alexandra Diem, Gjensidige En reise fra klassisk maskinlæring til generativ KI i forsikringsbransjen

101 Geir Axelsen, administrerende direktør i Statistisk Sentralbyrå Hvordan påvirker KI produksjonen av statistikk og faktabaserte beslutningsprosesser? 109 Øystein Børmer, tolldirektør Kunstig intelligens på grensen: ny tid og nye verktøy for Tolletaten 117 Bård Vegar Solhjell, direktør i Norad KI: mer enn en ekstra saksbehandler

Del 5: Få kontroll på KI 125 Irene Halvorsen, journalist og tidligere sjefredaktør Er fremtidens medier redaktørstyrt eller KI-styrt? 133 John Krogstie, professor i informasjonssystemer ved NTNU KI: revolusjon eller evolusjon? 139 Anders Lindstrøm, leder for juridisk avdeling i Parat Retningslinjer for bruk av kunstig intelligens 147 Turid Svendsen, leder for forhandlings- og arbeidslivsavdelingen i Parat Kunstig intelligens og medbestemmelse

KI i møte med menneske

Forord: Forbundsleder, nestleder og generalsekretær

Høsten 2023 bestemte vi i arbeidstakerorganisasjonen Parat oss for å gi ut en bok som gjennom ulike artikler skulle belyse og forklare utfordringer og muligheter forbundet med kunstig intelligens. Her følger vår motivasjon. I altfor stor grad viker mange unna KI-debatten, distanserer seg fra den og skyver den bort. I Parat har vi erfart at dette ofte er begrunnet i en oppfatning om ikke å ha nok kunnskap til å tørre å delta i debatten. Parat ønsker å gjøre noe for å få bort redselen for å delta i den viktige KI-debatten. Det norske samfunnet – slik vi kjenner det i dag – har utviklet seg positivt. Dette er blant annet fordi vi her til lands har greid å bre deltagelsen i samfunnsdebatten langt bedre enn de fleste andre land. Dette må vi fortsatt greie å få til. Det vi kaller den norske eller nordiske modellen forutsetter parter som evner og ønsker å delta i samtalene, drøfte og påvirke, være seg gjennom de tillitsvalgte på den enkelte arbeidsplass, i bedriftsutvalg, i AMU, gjennom ansatte-representanter i styret eller i brede høringsprosesser. Hvis en av partene trekker seg unna debatten, blir modellen skjev og resultatene dårlige. Fagbevegelsen skal ikke være den parten som viker unna debatten. Gjør vi det, er sjansen stor for flere «KI-konflikter» på arbeidsplassene enn det som ville vært tilfelle om fagbevegelsen tok ansvar og deltok aktivt i debatten.

Derfor trengs det å engasjere Parats tusenvis av tillitsvalgte i KI-debatten. Vi ønsker å avmystifisere og avkode KI-debatten. Vi håper å oppnå dette ved å samle konkrete artikkelbidrag fra høyst ulike forfattere, plassert i høyst ulike posisjoner og virksomheter, og dermed skape referansepunkter, eksempler og visualiseringer som stimulerer til KI-engasjement og KI-debatt. Det skal ikke bare skje blant Parats tillitsvalgte, men også blant tillitsvalgte og ansatte i andre forbund, fagforeninger og arbeidstakerorganisasjoner – ja, alle som får tilgang til vår debattbok. Vi har laget boken for Parats tillitsvalgte. Men vi er sikre på at boken har stor verdi for svært mange flere. I Parat vil vi følge opp denne boksatsingen på flere måter – ved å integrere KI i våre egne kurs og konferanser, ved å adressere KI på vårt landsmøte, og ved å ta KI aktivt inn i samtaler, drøftelser og forhandlinger med arbeidsgiverne. God lesing – og god KI-debatt!

Unn Kristin Olsen Leder i Parat

Anneli Nyberg Nestleder i Parat

Trond Reidar Hole Generalsekretær

KI i møte med menneske

Forord: Digitaliserings- og forvaltningsministeren

Vi holder på med noe stort i Norge. Vi lever i en tid hvor den teknologiske utviklingen er en revolusjon med kraft til å løse noen av de store samfunns utfordringene vi står overfor. Jeg pleier å si at vi bygger landet på nytt med digitalisering som verktøy. Kunstig intelligens er ett av disse verktøyene som kommer til å påvirke livene til oss alle. Jeg er sikker på at det i årene fremover vil skje mye spennende. Og det må det – for utfordringene som skal løses, er mange. Vi går inn i en tid hvor ressursmangelen treffer oss i Norge for alvor. Det økonomiske handlingsrommet blir mindre. Det kommer særlig til syne på tre måter: Vi blir stadig flere eldre per yrkesaktiv, de offentlige inntektene går ned og vi må få mer ut av hver eneste krone vi bruker. Tilgangen på naturressurser blir også mindre. Klimakrisen er her. Vi kan ikke bruke naturen rundt oss på samme måte som vi har gjort hittil. Med en eldre befolkning blir også arbeidskraftsressursene mindre. Vi må prioritere hvor og hvordan vi skal bruke folk i fremtiden. Overalt hvor jeg går, og treffer ordførere, rektorer og næringsliv, er beskjeden den samme: Vi mangler folk. Alle disse tre faktorene krever at må vi tenke nytt. Vi må digitalisere – ikke for digitaliseringens skyld i seg selv, men fordi det helt enkelt lønner seg. Rapporten som NHO har fått fra Samfunnsøkonomisk Analyse, viser at digitalisering og kunstig intelligens kan gi opp mot 5600 milliarder kroner i ekstra verdiskaping fram mot 2040. Samtidig vil det også endre områder av arbeidslivet og arbeidsdagen slik vi kanskje kjenner den. Det skaper usikkerhet. Derfor blir med bestemmelse og involvering viktigere enn noen gang for å lykkes med omstillingen. Vi må gjøre den sammen, som et lag. Den norske modellen med et sterkt partssamarbeid er rett og slett et strategisk fortrinn for Norge i den digitale transformasjonen vi står midt oppi. 8

Kunstig intelligens Kunstig intelligens vil få stor betydning for hele samfunnet. Særlig håper jeg at det vil bidra til en nødvendig fornying og forbedring av offentlig sektor, og sikre kvalitet i offentlige tjenester også i fremtiden. Norge ligger på en 12. plass i OECD-indeksen over hvor godt offentlige myndigheter er rustet til å ta i bruk KI i leveringen av offentlige tjenester. Det er oppløftende at norske virksomheter viser både vilje og evne til å teste og ta i bruk KI og annen ny teknologi. På mange områder har allerede teknologien tatt over arbeidsoppgaver og endret arbeidsprosesser. Fremover vil bruk av kunstig intelligens og større grad av automatisering kunne frigjøre arbeidskraft, forbedre tjenestene og redusere behovet for arbeidskraft, som vi vil se en knapphet på. Målet mitt er at vi i større grad bruker menneskelige ressurser der de trengs, og teknologi der det er fornuftig. Klarer vi å ramme inn bruken av ny teknologi, som kunstig intelligens, slik at det sikrer samfunnet på en måte vi ønsker å ha det – med våre verdier i front – tror jeg vi også klarer å skape større tillit og mindre usikkerhet til teknologien. Det vil være helt avgjørende for å lykkes, og for at både du, jeg, næringslivet og offentlig sektor skal evne å ta i bruk kunstig intelligens som et godt verktøy. Teknologi kommer også med utfordringer Selv om jeg er en utpreget teknologioptimist, skal vi ikke overse at ny teknologi også kommer med utfordringer. Når jeg for eksempel ser rapporter om en ny tv-kanal som vil levere tv-nyheter til en brøkdel av prisen, med KI-genererte, kunstige nyhetsankere. Ja, da tenker jeg «Wow, så fantastisk!» – men samtidig «Wow, så skremmende!». Deep fake-videoer av president Joe Biden som sier de fæleste ting, er et annet eksempel på hva teknologien kan skape. Det samme er eksempler på såkalt «deep fake-porno», enten det er av Taylor Swift eller av norske kjendiser. Det er noe skikkelig dritt, rett og slett. Og mest av alt utfordrer det tilliten – tilliten mellom mennesker, og mellom oss og teknologier. KI i møte med menneske

For det er ingen tvil om at KI kan brukes til å føre oss bak lyset. Deep fake, desinformasjon og diskriminering er noe av det jeg mest bekymret for når jeg tenker på kunstig intelligens. Heldigvis kan vi fremdeles puste litt med magen. Det som var forbudt før vi fikk kunstig intelligens, er også forbudt med kunstig intelligens. Å spre falske bilder av folk er straffbart, uansett hvordan bildene er laget. Det understreker også viktigheten av at vi har et teknologinøytralt regelverk: Hvis vi må regulere på nytt hver gang det kommer en ny teknologi, blir vi konstant løpende etter. Ny teknologi kjenner ingen landegrenser. Det betyr at internasjonal samordning er nødvendig. Norge følger tett med på det som skjer i EU på dette området, og vi legger opp til å kunne implementere EUs forordning om kunstig intelligens (AI-act) omtrent samtidig med medlemslandene. Jeg opplever at de som jobber med dette i EU, er opptatt av det samme som oss: Å beskytte innbyggerne, sikre åpenhet og gjennomsiktighet samt balansere behovet for innovasjon og teknologiutvikling med nødvendig regulering. Å ha et særlig øye med desinformasjon, diskriminering, arbeidslivets spilleregler og beskyttelse av barn og unge blir viktig i det videre arbeidet med KI også her i Norge. Til sist: Jeg synes vi først og fremst skal diskutere de store mulighet ene som digitalisering og kunstig intelligens fører med seg, potensialet for samfunnet synes å være uendelig. Derfor er jeg takknemlig for at Parat løfter frem temaet i denne artikkelsamlingen. God lesning!

av Karianne Tung Digitaliserings- og forvaltningsminister

Del 1: Et bedre liv med KI

KI i møte med menneske

av Malin Stensønes Generalsekretær i Norske Kvinners Sanitetsforening

Kunstig intelligens og frivilligheten Sammendrag: Malin Stensønes reflekterer over kunstig intelligens (KI) og dens potensial for frivilligheten. Hun deler historien om Frigg, et autonomt fartøy utviklet for å rydde sjøminer. Stensønes diskuterer hvordan KI kan forbedre oppdragsløsninger i søk og redning ved å bruke droner og autonome kjøretøy. Videre utforsker hun behovet for mer representativ kunnskap og et balansert datagrunnlag for å unngå slagsider og feilslutninger. Stensønes peker på hvordan KI kan effektivisere innsamlingsarbeid og bidra til å målrette innsamlingsarbeidet fra potensielle bidragsytere. Hun under streker viktigheten av å bruke teknologien til å styrke frivilligheten og skape et tryggere samfunn for alle. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

Kunstig intelligens og frivilligheten

Jeg er gudmor til et autonomt fartøy som bærer navnet Frigg. Ifølge norrøn mytologi var Frigg både underfundig vakker og vis, og hun hadde gaven å kjenne både menneskenes og verdens skjebne. Det siste har jeg mange ganger lurt om ville være en velsignelse eller en sann forbannelse.

in Frigg er utviklet ved Forsvarets forskningsinstitutt, og sammen med sitt søsterskip Odin skal de brukes til å rydde sjøminer for Sjøforsvaret. Hun er laget for at mennesker skal slippe å reise inn i minelagte farvann og utsette seg for stor risiko. Frigg og Odin skal løse oppdrag på egenhånd uten mennesker om bord. De programmeres og bærer med seg avansert utstyr som skal kunne lese og gjenkjenne sine omgivelser og objekter for så å beslutte hva de skal gjøre med dem. Sist jeg besøkte henne, trente Frigg på sjøveisreglene i havnebassenget utenfor Horten. Da hun la fra kai, ble hun bevisst gitt koordinater som, hvis hun fulgte dem, ville kræsje henne i steinene på den andre siden av vannet. Hun fulgte kursen til hun gjenkjente landskapet og styrte unna, slik hun var lært. Informasjonen som legges inn, er avgjørende for at maskiner skal lære adferd. Hvilken informasjon som legges inn, og hvordan maskinen skal reagere på det den ser, bestemmes av mennesker. Slik skaper vi kunstig intelligens gjennom teknologi som kan hjelpe oss i hverdag, krise eller krig, som kan gjøre levd liv enklere, og som kan redusere menneskelig tap, lidelse og død. Det kan være rydding av minefelt som Frigg er skapt for, autonome biler som overstyrer når menneskelige sjåfører svikter, autopiloter på fly, prosessering av store mengder data som kan hjelpe oss å oppdage farer, eller annen type teknologi som reduserer risiko for menneskene den er laget for å beskytte. Eller som i helsesektoren, der KI kan diagnostisere mer presist og skreddersy behandling som redder liv. Maskiner tenker ikke. Og joda, jeg vet at den mestselgende boken om AI i Norge heter nettopp Maskiner som tenker, og at forfatteren kan langt mer om kunstig intelligens enn meg. Men like fullt – kaffetrakteren din våkner ikke opp en dag og bestemmer seg for å bli et romskip. Det er hva vi mater inn som avgjør, og det tar lang tid å utvikle teknologi som virker slik vi vil den skal. Vi må med andre ord være oss bevisste hva vi legger inn, hva vi trener maskinen til å gjøre og hvordan vi regulerer bruksområdet. Men det maskiner kan, er å få frem ny innsikt fra eksisterende data og se mønstre eller sammenhenger vi ikke

tidligere har klart, rett og slett fordi de kan prosessere mer og hurtigere enn hva menneskets hjerne kan. Hvordan kan så dette gavne frivilligheten? Uten frivilligheten stanser Norge Norge er i verdenstoppen når det gjelder frivillig innsats og organisasjonsmedlemsskap. Frivillig innsats utgjør ifølge frivillighetsbarometeret 142 000 årsverk årlig. 62 % av befolkningen har utført frivillig arbeid i løpet av året, og 78 % av befolkningen er medlem i minst én organisasjon. Til sammenligning er rundt 44 000 sysselsatt i landbruket og 88 000 i maritim næring. 142 000 årsverk er med andre ord en formidabel samfunnskraft vi ikke klarer oss uten. Jeg er heldig som får være generalsekretær i Norges største kvinneorganisasjon med over 44 000 medlemmer, fordelt på 550 lokalforeninger over hele landet. En stor andel av disse er engasjert i en rekke frivillige aktiviteter med det til felles at man gjør en innsats for at andre skal få det bedre. Det kan være å bistå innvandrede kvinner med språkopplæring, helsesjekker og fellesskap slik at man lettere finner seg til rette i Norge. Det kan være aktiviteter for eldre som å gå tur, spise sammen eller lære førstehjelp så man gjenkjenner symptomer på sykdom hos seg selv og andre. Det kan være som lesevenner for barn i samarbeid med skolene, eller i fellesskap for unge jenter rundt grensesetting og seksualitet, eller som ressursvenner for voldsutsatte kvinner eller å lære opp lokale myndigheter og helsestasjoner i å gjenkjenne æresrelatert vold og negativ sosial kontroll. Alt frivillig arbeid kjennetegnes av at man ikke mottar lønn for oppgaven, men at man gjør det for å bidra til storsamfunnet, lokalsamfunnet, miljøet eller andre som ikke er deg nærstående som familie. Selve kjernen i frivilligheten er at man gjør noe samfunnsnyttig som hjelper andre uten at det har en kommersiell hensikt. Av sanitetskvinnenes frivillige er 5000 beredskapsfrivillige. Det betyr at vi støtter lokalsamfunn i kriser som skred, ras, strømbrudd eller ulykker. Vi stiller med omsorg, åpner sanitetshus og stiller med mat og drikke til mannskap og evakuerte. Innsatsen gjør at mannskap kan stå lenger i sine oppdrag og er en del av en beredskapskjede som skaper trygge lokalsamfunn. På samme måte som kunstig intelligens vil endre verden slik vi kjenner den i dag, vil denne type banebrytende teknologi ha stor betydning for frivilligheten. Kunstig intelligens kan gi oss kunnskap vi i dag ikke har, eller som vi strever med å nyttiggjøre oss av. Den kan gi oss teknologi som forbedrer oppdragsløsningen, og den kan revolusjonere innsamlingsarbeidet som nær alle frivillige organisasjoner er avhengige av. Frivilligheten er i endring, det er generelt vanskeligere å få folk til å forplikte seg til frivillig innsats eller tegne medlemskap i organisasjoner. KI kan hjelpe å identifisere dem som faktisk ønsker å bidra, og kan effektivisere opplæring og kunnskapsdeling blant frivillige. La meg se nærmere på tre punkt der kunstig intelligens kan være avgjørende viktig for frivilligheten fremove: teknologi for å bedre oppdragsløsning, mer og balansert kunnskap samt mer effektiv innsamling. KI i møte med menneske

Teknologi for å bedre oppdragsløsningen Det er kort vei fra Friggs trening på sjøveisreglene i Horten til frivillige organisasjoners innsats i søk og redning. De fleste lokalsamfunn er avhengige av frivillig innsats for å løse søk og redningsoppdrag i vårt langstrakte land. Teknologi er viktig for å ta ned risiko i redningsoppdrag, og for å øke effektivitet og radius for søk. Tidligere søkte man manuelt i ras- og skredområder og måtte avvente søket til området ble ansett som trygt. I dag kan man sende inn droner som kan søke av området lenge før det er trygt å sende mannskaper inn, slik man gjorde under raset på Gjerdrum for eksempel. Dronene kan ha med seg kamerautstyr, men også varmesøkende detektorer som kan identifisere mennesker i terreng, bære med seg utstyr eller forsyninger. I fremtiden vil man for eksempel ha flere droner som samarbeider om oppdragsløsning over større områder. Kunstig intelligente plattformer som droner kan også brukes til å frakte medisiner inn i områder som er isolert av ras. På samme måte kan man bruke droner til å frakte prøveresultat mellom avdelinger på sykehus, eller frakte drikke, mat og medisiner til folk som sitter fast på fjellhyller eller steder der det tar tid å få frem mannskap. Frivillige organisasjoner vil ofte ha oversikt over sårbare personer i sine nærområder og kan sørge for at man når frem til dem som trenger det mest. Man kan også sende inn autonome kjøretøy som kan frakte mennesker ut av områder uten å risikere liv og antagelig en drøss av muligheter vi ennå ikke har sett. Like fullt – teknologi oppstår ikke over natten, det tar tid å utvikle, utprøve og sette i produksjon på en måte som gjør den mer allment tilgjengelig. Og her er vi ved et nøkkelpunkt. De færreste frivillige organisasjoner har økonomisk bæreevne til å utvikle teknologi. Skal vi få dette til, krever det offensiv og bevisst satsing fra myndigheter og utstrakt samarbeid med forskningsinstitusjoner og privat næringsliv. Grunnen til at man fra myndighetens side bør legge til rette for utvikling av kunstig intelligens, også i frivillige organisasjoner, henger nøye sammen med neste punkt: behov for mer kunnskap, samt et utvidet og mer balansert datagrunnlag for å unngå slagsider og feilslutninger. Kunstig intelligens blir aldri bedre enn det datagrunnlaget som er tilgjengelig. Vi trenger mer og representativ kunnskap Frivillige organisasjoner jobber ofte med sårbare grupper. Når offentlige myndigheter ser seg tjent med å finansiere mange frivillige aktiviteter gjennom en jungel av tilskudd, er det ofte fordi de vet at vi når ut til grupper de selv ikke klarer å nå. Det kan være mange grunner til dette. Man kan komme fra land der tilliten til myndigheter er lav, det kan av ulike grunner være skambelagt å søke hjelp, eller man vet ikke at tilbudet eksisterer. Frivillige organisasjoner er ofte nære folk og har tillit som offentlige myndigheter aldri kan få på samme måte. Hvis søknad om tilgang til velferdsordninger for eksempel automatiseres, vil vi kunne få skjevheter og feil om løsningene modelleres etter en majoritet som tilbudet ikke er ment for. Sanitetskvinner jobber med mange helserelaterte spørsmål, og vi er en stor forskningsaktør innen kvinnehelse. Når forskning på kvinners helse er nødvendig 16

«De færreste frivillige organisasjoner har økonomisk bæreevne til å utvikle teknologi. Skal vi få dette til, krever det offensiv og bevisst satsing fra myndigheter og utstrakt samarbeid med forskningsinstitusjoner og privat næringsliv.» Malin Stensønes

– og ofte livsviktig – er det fordi forskning i all vesentlighet gjøres på hvite menn. Diagnostisering, medisinering og annen behandling tar i det vesentlige fortsatt utgangspunkt i menns fysiske helse. Selv om vi vet at kvinner ikke er små menn, behandler legevitenskapen oss fortsatt som det, med den feilbehandling det gir. Poenget er at det vi mater såkalte «intelligente» systemer med, har hvite menns fysikk som standard – resten som avvik. Det kan gi livsfarlige feilbehandlinger, ikke bare av kvinner, men av alle som avviker fra standard, om ikke man kompenserer for de slagsider materialet har. I mange sammenhenger vil menn utgjøre majoriteten av det statistiske materialet man har tilgjengelig, og med det følger risiko for feilslutninger. Da er ikke kunstig intelligens til hjelp, men vil forsterke de urettferdigheter som allerede eksisterer. Kunstig intelligens kan søke gjennom store mengder materiale, se mønstre og utviklingstrekk vi ikke kan se selv, men er selvsagt prisgitt det materialet som finnes, eller som er tilgjengelig. Det betyr at millioner av mennesker faller utenfor. Statsløse, flyktninger, hjemløse, papirløse immigranter, rusavhengige, ofre for trafficking eller seksuelle overgrep fanges langt sjeldnere opp i statistikker. Frivillige organisasjoner kan her gi svært verdifulle bidrag til kunnskap om sårbare grupper som kraftig vil kunne forbedre de kunstig intelligente systemene som myndigheter planlegger å ta i bruk. Vår rekkevidde og vårt datagrunnlag vil være bredere og ivareta dimensjoner som andre systemer i liten grad speiler. En annen dimensjon er styrking av det forebyggende arbeidet som frivillige organisasjoner driver. KI kan hjelpe oss å forstå store datamengder, og som følge av det kan vi målrette innsats mot dem som er mest utsatt for brann, ulykker eller sykdom og gjennom det redde liv og øke livskvaliteten for mange. På samme måte må og bør forskning offentliggjøres og dens resultater tilgjengeliggjøres slik at datagrunnlaget blir best mulig. Mer effektiv innsamling Frivillig innsats betyr ulønnet arbeid, men det koster penger å drifte frivilligheten. Det kreves investeringer i administrasjon, utstyr, trening, øving og kunnskapsdeling. De fleste frivillige organisasjoner bruker uforholdsmessig mye tid på å finansiere sin virksomhet – i spennet fra flaskepant og basarer, til å søke store offentlige tilskudd. Kunstig intelligens betyr at vi kan effektivisere driften av store frivillige organisasjoner. Et ikke ubetydelig antall timer går med til å skrive søknader, som vi så rapporteKI i møte med menneske

rer om, i tråd med det offentliges økte krav til dokumentasjon. Disse prosessene kan i stor grad automatiseres og deretter kvalitetssikres av saksbehandlere i etterkant – på samme måte som tekster på alle språk kan oversettes, forskningsresultater sammenfattes og trender fanges opp ved hjelp av de riktige dataprogrammene. Alle organisasjoner kjemper om midler. Betydelig ressurser brukes på reklame, annonsering og ulike type innsamlingsmateriell og kampanjer. Å kunne målrette innsamlingsarbeidet mot dem som mest sannsynlig vil gi til din sak – ville spare mye tid og ressurser i organisasjoner som kunne vært brukt til styrket arbeid for dem vi er til for. I stor grad er det slik algoritmene i våre sosiale medier fungerer i dag, vi målretter mot kjønn og aldersgrupper. Jo flere parametere som analyseres, desto mer treffsikkert blir det. Mange av samfunnets diskurser fremover vil nok ligge i skjæringspunktet mellom personvern og behov for nettopp datainnsamling. Uansett vil de som behersker teknologien, få fortrinn. Følger dette fordelingstendensene i samfunnet slik vi kjenner dem, betyr det at avstanden mellom dem som kan ta teknologien i bruk og dem som ikke kan – øker. Avsluttende kommentar Kunstig intelligens vokser frem i en urolig verden. Vi har krig i Europa og Midtøsten parallelt. Polariseringen i mange land øker. Vi kan ikke lenger være sikre på om de bildene vi ser, er ekte eller manipulert, om det vi leser er sant eller fabrikkert. Algoritmene i sosiale medier forsterker ekkokamrene. For mange vil det bety at man ikke lenger stoler på det myndighetene sier, fordi man ikke har tillit til kanalene som informasjonen formidles i, eller fordi myndigheter generelt får mindre tillit. Her kan frivilligheten spille en sentral rolle. Vi er over hele landet. Folk stoler på oss. Det er avgjørende viktig for både lokal og nasjonal sikkerhet og trygghet at frivilligheten styrkes – ikke svekkes. Noe annet er direkte farlig. I motsetning til Frigg kjenner jeg hverken menneskenes eller verdens skjebne. Men det jeg tør slå fast, er at kunstig intelligens kommer til å endre både mennesk ene og verden slik vi kjenner den i dag – på både godt og ondt. For frivilligheten vil det gi muligheter og utfordringer. Vårt ansvar er å ta den nye teknologien i bruk på en måte som gagner dem vi er til for. Vi må passe på at de mest sårbare ikke blir ytterligere marginalisert, og at vi bruker teknologien til å skape trygge samfunn for alle mennesker – ikke kun majoriteten som er vektet inn.

av Julija Molandsveen Direktør for digital utvikling og serviceleveranser i USBL

Ekte boglede gjennom kunstig intelligens Sammendrag: I fremtiden vil kunstig intelligens (KI) revolusjonere våre hjem og livsstiler, som Julija Molandsveen illustrerer gjennom historiene til Andreas og Randi. Andreas, en travelt opptatt programvareutvikler, og Randi, en eldre kvinne med helseutfordringer, opplever begge fordelene med KI-aktiverte hjem. For Randi betyr det å kunne bo hjemme og opprettholde sin uavhengig het takket være stemmestyrt assistanse og helseovervåkning. Andreas’ leilighet fungerer som et multifunksjonelt sted som støtter hans arbeid, trening og personlige behov gjennom dagsplanlegging, helsestøtte og omgivelseskontroll. Disse historiene viser hvordan KI-hjem kan berike livene våre, bekjempe ensomhet og støtte bærekraftig livsstil. Likevel må viktige utfordringer som personvern, sikkerhet, pålitelighet og tilgjengelighet løses for å realisere denne visjonen. Gjennom samarbeid mellom teknologer og beslutningstakere kan vi forme et landskap som prioriterer etikk og inkludering, og som gir oss en fremtid der KI-aktiverte hjem transformerer livene våre på positive måter. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

Ekte boglede gjennom kunstig intelligens

Kunstig intelligens vil i årene som kommer, bli en betydelig større del av våre liv. Teknologientusiastene mener integreringen av kunstig intelligens i hjemmene våre vil revolusjonere måten vi bor og lever på.

ortellingene i dette kapittelet utfolder to historier som utforsker den transformative innvirkningen som KI-aktiverte hjem kan ha på mennesker i to forskjellige livsfaser: det travle livet til Andreas, en vellykket programvareutvikler som balanserer lange arbeidsdager med sunn livsstil, og de rolige dagene til Randi, en eldre kvinne som lever et verdig og selvstendig liv til tross for helseutfordringer. Gjennom deres øyne vil vi oppdage hvordan banebrytende teknologi kan tilby personlig støtte og forbedre liv, noe som gjør livet mer behagelig og tilfredsstillende. Bli med meg på denne reisen inn i fremtiden, der smarte hjem ikke bare reagerer på våre kommandoer, men forutser og løser våre behov proaktivt. 30. april 2045 I Ullevål Hageby, ett av de få rolige områdene i hovedstaden Oslo, bor Randi. Hun er en åttiseks år gammel pensjonert fiolinist med et skarpt sinn, men med en kropp som ikke lenger samarbeider som den en gang gjorde. Hennes gamle, koselige hjem er utstyrt med nyeste KI-teknologien og en stemmestyrt KI-assistent som gjør at hun kan fortsette å bo hjemme og ha et selvstendig liv på tross av helseutfordringer. Ved daggry vekker KI-systemet, som hun kjærlig kaller «Are», henne forsiktig opp med rolige lyder av et klassisk orkester, en påminnelse om hennes dager som fiolinist. Den smarte sengen justerer seg selv, og hjelper Randi til å sitte opp. Gardinene trekker seg tilbake for å slippe inn morgenlyset, og rommets temperatur settes til 21 varmegrader – akkurat slik Randi liker det. «Are» forteller om været og planene for dagen, inkludert en påminnelse om at hennes sønn, Andreas, kommer på besøk i morgen. KI-systemet måler pulsen og blodtrykket gjennom en smartklokke Randi har på seg og sender resultatene til hjemmesykepleieren hennes. Når Randi tar seg til badet, lyser gulvet opp og viser veien mens sensorer overvåker bevegelsene hennes, klare til å varsle i tilfelle hun faller. Mens Randi nyter frokosten, leser «Are» nyheter og viser frem bilder og videoer som hennes familie har delt i familiens gruppechat den siste dagen. «Are» er hennes følgesvenn hele dagen. Systemet minner henne på å ta medisinene sine og igangsetter en virtuell time med fysioterapeut som veileder Randi

gjennom øvelser som hun ellers hadde glemt. Randi tilbringer ettermiddagen i hagen sin. KI-systemet kontrollerer vanningssystemet og sørger for at plantene får akkurat riktig mengde vann, mens Randi nyter følelsen av solen i ansiktet, omgitt av blomstene hun elsker. Senere på dagen hjelper KI-systemet henne med å planlegge sønnens besøk. Sammen bestemmer de seg for en meny. «Are» bestiller maten som skal leveres, og avtaler en rengjøringstjeneste for å sikre at huset er rent for anledningen. Når Randi setter seg inn i favorittstolen sin med en bok senere på dagen, demper KI-systemet lyset og spiller rolig musikk i bakgrunnen. Randi reflekterer over dagen sin og opplever en dyp følelse av takknemlighet overfor teknologien som gjorde at hun kunne opprettholde sin uavhengighet og verdighet til tross for helseutfordringene hun lever med. Tanken på å se sønnen Andreas neste dag, uten å bli tynget av stresset med forberedelsene, fyller henne med glede. 1. mai 2045 Andreas, en 56 år gammel programvareutvikler, våkner opp i sin 50 kvadratmeter store leilighet på Jessheim. Leiligheten til Andreas er mye mer enn et sted å sove. Det er hans arbeidsplass, treningsrom og personlige assistent, som passer på hans helse gjennom optimal søvn og kosthold. Når de første solstrålene treffer leilighetens fasade, settes de smarte vinduene i gang med å justere tettheten for å sakte fylle det mørke og svale rommet med lys. Vinduene bruker solenergien som de samlet gjennom gårsdagen, til å varme opp rommet til 20 grader. Andreas’ KI-system, «Jenny», ønsker ham en god morgen og forteller om god søvnkvalitet basert på analysen av helsedata som den samlet i løpet av natten. Mens Andreas strekker seg, gir «Jenny» en kort oversikt over dagens timeplan, nyhetsoverskrifter og værmelding gjennom de innebygde høyttalerne i rommet. Den kunstige intelligensen har allerede koordinert Andreas’ kalender med hans arbeidsoppgaver, og foreslår optimale tider for pauser, måltider og trening for å opprettholde hans velvære. Når Andreas går inn på kjøkkenet, finner han en næringsrik frokost på kjøkkenbenken, forberedt av KI-drevne kjøkkenapparater. Andreas trener til Oslo maraton i september, og «Jenny» har sørget for at måltidet støtter hans treningsmål: lengst utholdenhet i høy fart. «Jenny» er sømløst integrert med helsedata fra Andreas’ helseapper. Mens han nyter frokosten, viser den smarte bordflaten dagens toppnyheter og dagens oppgaveliste, slik at han kan prioritere arbeidet sitt effektivt. Når frokosten er ferdig, går Andreas til stuen, som med en enkel stemmekommando til KI-systemet, forvandler seg til et hjemmekontor som legger opp til en produktiv arbeidsdag. De smarte veggene justerer fargen og belysningen stilles automatisk inn for å redusere belastningen på øynene, og funksjonen for omgivelses støyreduksjon aktiveres for å skape en distraksjonsfri sone. Når Andreas setter seg ned ved arbeidspulten, starter hans KI-assisterte designprogramvare opp. Den viser forslag til forbedringer på prosjektene som han jobber med, basert på de siste kodealgoritmene og designtrendene i bransjen. KI i møte med menneske

Gjennom dagen styrer KI-systemet Andreas’ hjem for å sikre komfort og effektivitet. Temperaturen, luften og lysforholdene justeres gjennom dagen ut fra vær- og solforholdene ute. Når det er tid for en pause, foreslår «Jenny» en rask treningsøkt, og forvandler stuerommet til et midlertidig treningsstudio. Andreas veiledes gjennom øvelsene av en holografisk personlig trener som motiverer og gir tilbakemeldinger basert på helsedata som samles gjennom treningsklokken hans. Etter trening tar Andreas en kalddusj og får beskjed av «Jenny» om at han tålte å stå ett minutt lenger i kaldtvann enn i går – noe som er bra for restitusjonseffekten han prøver å oppnå. Når kvelden nærmer seg, minner KI-systemet Andreas om middagsplanene han har med sin gamle mor Randi som bor i Oslo. «Jenny» har allerede bestilt en selvkjørende bil for å hente ham, og valgt en rute som unngår trafikk. Før han drar, gir «Jenny» en oppsummering av dagen og planlegger nedetid for smarthussystemene for å oppdatere og lade opp, slik at alt går knirkefritt neste dag. Andrea’ liv i dette KI-aktiverte hjemmet handler ikke bare om bekvemmelighet; det er en harmonisk blanding av teknologi og personlig velvære. Kunstig intelligens, med sin forståelse av Andreas’ preferanser og behov, sikrer at hjemmet hans ikke bare er et bosted, men et fristed som støtter hans livsstil og ambisjoner. Mens han setter seg inn i den autonome bilen, reflekterer Andreas over hvor sømløst teknologi er flettet inn i livet hans, noe som gjør hver dag mer produktiv, morsom og tilfredsstillende. Enormt potensiale Fortellingene om Randi og Andreas viser hvilket enormt potensial som KI-aktiverte hjem kan ha, for å berike livene våre og bekjempe noen av de store utfordringene i vår tid, som bærekraft og ensomhet. Likevel er det flere betydelige utfordringer som må løses før denne visjonen kan bli en realitet. Personvern og sikkerhet dukker opp som overordnede bekymringer, og noe som ikke kan gå på bekostning av innovasjon. KI-assistentene i fortellingene i dette kapittelet har tilgang til helse- og persondata som kan misbrukes om den kommer på avveie. Høy sikkerhet er avgjørende for å beskytte forbrukeren i disse scenarioene. Påliteligheten og tilpasningsevnen i slike KI-systemer er avgjørende for å sikre at de støtter brukeren på riktig måte, spesielt om systemene skal gi råd om helserelaterte temaer. Sist, men ikke minst, vil det være viktig å sikre at denne type teknologi er bredt tilgjengelig på tvers av ulike sosioøkonomiske grupper i samfunnet, da ulik tilgang til slik teknologi kan bidra til større forskjeller. Å møte disse utfordringene krever samordnet innsats fra teknologer, politikere og lokalsamfunn. Da kan vi forme et landskap som ikke bare fremmer innovasjon, men som også prioriterer etikk og inkludering. Når vi fremover jobber med disse utfordringene, minner historiene om Andreas og Randi oss om de mulige belønning ene ved denne reisen. Det inspirerer til en fremtid der KI-aktiverte hjem forvandler måten vi lever, eldes og samhandler med miljøet vårt på.

av Linda Hofstad Helleland Stortingsrepresentant (H) og tidligere digitaliserings- og distriktsminister

Det neste steget for kunstig intelligens tar vi sammen Sammendrag: I 2022 tok kunstig intelligens (KI) samfunnet med storm. Med generativ KI i spissen og et brukervennlig grensesnitt som åpnet dørene for alle. Linda Hofstad Helleland peker på KIs enorme potensial i Norge, med anslag om milliarder i økt verdiskaping og bedre tjenester. Hun mener likevel vi må huske at KI ikke erstatter menneskelige relasjoner; det er et verktøy for å støtte og forbedre, ikke erstatte. For å lykkes må vi balan sere mulighetene med ansvar, med klare retningslinjer for datautveksling og sikkerhet. Opplæring i ansvarlig bruk av KI er avgjørende for å unngå diskrimi nering og misbruk. Vi må opprettholde empati og omsorg i samfunnet mens vi utforsker KIs potensial til å forbedre tjenester og gi oss en enklere hverdag. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

Det neste steget for kunstig intelligens tar vi samme

Høsten 2022 tok kunstig intelligens (KI) Norge og resten av verden med storm. KI som teknologi har eksistert lenge, og hva som faller inn under begrepet har utviklet seg. Likevel var det kombinasjonen av fremskrittene innenfor såkalt generativ kunstig intelligens og en tilgjengeliggjøring gjen nom et brukervennlig grensesnitt som for alvor satt fart på bruken i sam funnet. Skal Norge lykkes med teknologien, må vi gripe mulighetene, løse utfordringene, og ikke glemme oss selv på veien.

iden generativ KI, som ChatGPT, gjorde sitt fremsteg i samfunnsdebatten, har det kommet mangfoldige rapporter om verdipotensialet i teknologien. NHO rapporterte tidlig i 2024 at KI kunne øke verdiskapingen i Norge med 5600 milliarder kroner frem mot 2040, hvorav 2000 av disse er økt gjennom bruk av generativ KI. Konsulentfirmaet McKinsey har anslått at potensialet vil være opp mot 95 milliarder kroner frem mot 2030, og investeringsfirmaet Goldman Sachs mener generativ KI kan øke produktiviteten globalt med 1,5 prosent over en tiårsperiode. Bedre tjenester og et meningsfullt arbeidsliv Potensialet for effektivisering er enormt, men vi må huske at det først og fremst er et verktøy for å sikre bedre tjenester og et mer meningsfullt arbeidsliv. Vi skal ikke automatisere oss vekk fra menneskelige relasjoner og omsorg, men fra repetitive oppgaver. Norge er allerede langt fremme. I 2020 lanserte Solberg-regjeringen landets første nasjonale strategi for kunstig intelligens, og det er mange gode eksempler på bruk av teknologien, både i privat næringsliv og offentlig sektor. I Midt-Telemark kommune har KI fått slutt på stoppeklokkeomsorgen i hjemme tjenesten, ved å automatisere valget av pasientrutene. Med KI er det bedre tid til pasientene, det skjer oftere at et kjent ansikt pleier pasientene, og pleierne selv har beskrevet at den nye arbeidshverdagen har mindre stress og bedre tid. Fra NHO har man også kunnet lest om hvordan OptoScale bidrar til lavere klima avtrykk og bedre fiskevelferd, ved å bruke KI-drevet bildegjenkjenning til å identifisere lakselus. Vi leser også om hvordan SpareBank 1 benytter KI til å redusere økonomisk kriminalitet ved å avdekke flere svindelforsøk. Det vil vokse frem helt nye produkter, men KI vil også ha mye å si for arbeidshverdagen. Arbeider man med å finne informasjon, enten i lovtekster, regnskap eller

rapporter, kan KI gi deg oppsummeringer lenge før du hadde rukket å komme deg gjennom materialet. Arbeider man med tekstproduksjon eller programmering, kan KI hjelpe deg med å sparre og forbedre det du skriver, enten det er en artikkel eller kode. Mulighetene er enorme, og det blir bare ren gjetning å ramse opp alle måter det vil påvirke arbeidshverdagen på. For å forstå hvordan teknologien vil påvirke hver enkelt av oss, og samtidig sikre bygging av egen kompetanse, er første steg å ta det i bruk selv gjennom å prøve ut og utforske. På veien er det imidlertid mange fallgruver, og virksomheter som tar det i bruk, bør ha klare retningslinjer for hva som kan deles av data og ikke. Veien fra forskning til anvendelse blir stadig kortere. Selv om næringslivet og flere i offentlig sektor er fremoverlente i dag, må tempoet opprettholdes og økes. Hvis ikke risikerer vi at toget går. Skal Norge bli et foregangsland på bruken av teknologien, fordrer det samtidig at myndighetene henger med i svingene. For alt dette må skje i ansvarlige rammer, der vi ikke mister målet av synet. Effektivisering skal ikke gjøres for effektiviseringens skyld, men for å sikre bedre tjenester og et bedre samfunn. Fra prat til praksis Hvert år rangerer teknologiinnsiktsbedriften Gartner hvor hypet ulike fremvoksende teknologier er. I 2023 lå generativ KI nær toppen av «oppblåste forventninger». Midt i all praten bør virksomheter ta innover seg hva det kan skape av verdi for dem, og hvordan de setter det ut i praksis. For som tidligere nevnt kan vi som personer utforske og eksperimentere, og finne ut på veien hvordan vi bruker det effektivt. Det fordrer riktignok en forståelse av begrensningene til generativ KI som språkmodell, ikke kunnskapsleksikon, og retningslinjer fra bedriften om hva som kan deles med ulike KI-systemer. Virksomheter bør også etablere en visjon om hva de ønsker å få ut av teknologien. Verdien av teknologien vil variere fra felt til felt. For enkelte bedrifter vil det kanskje være å gå løs på større prosjekter fra start, for andre vil tilnærminger med lavere risiko være passende. For andre igjen er det kanskje bedre med en vente-åse-holdning. Det er alltid en risiko ved å ta i bruk ny teknologi, og KI er intet unntak. Ansatte kan ved en feil gi konfidensiell informasjon som modeller trenes på, gal bruk kan skape diskriminerende utfall, og personopplysninger kan komme på avveie. Man skal trå rett på veien, og selv om det til syvende og sist er virksomhetenes ansvar, kan også myndighetene stille opp. Det bør tilrettelegges for å være så enkelt som mulig å forstå hva som er lov og ikke. KI som teknologi har brakt med seg store muligheter, men det må brukes innenfor ansvarlige rammer. Fremover må myndighetene og virksomhetene selv balansere mellom å bruke KI på innovative måter, men innenfor trygge og ansvarlige rammer. Vi må evne å se forbi hypen, men likevel ikke lammes av frykten for å trå feil. Det fordrer at myndighetene også stiller opp med veiledning som er tydelig og anvendbar. Tar alle tak i det sammen, er vi et steg nærmere i å lykkes. KI i møte med menneske

Data må deles Data er en forutsetning for å lykkes med bruken av KI. Behovet kan ta ulike former. Bildegjenkjenningsmodeller kan ha behov for store mengder bilder som er merket med om de inneholder det man ønsker å gjenkjenne, eller ikke. Modeller som skal optimalisere ressursbruken, trenger data som presist beskriver situasjonen, for eksempel pasientenes behov og pleiernes kompetanse. Språkmodeller er en type generativ KI, og den kanskje best kjente er ChatGPT. Disse trenger derimot store mengder tekst. Behovene er ulike, men fellesnevneren er at man trenger både mye data og data av høy kvalitet. At behovene er så ulike, forklarer også hvorfor datadeling står så sentralt i utvikling og bruk av KI. Det er ikke på forhånd åpenbart hva de beste anvendelsene av teknologien er, men ved å pilotere og teste ut nye ideer til bruksområder, finner man også bedre løsninger. Trygg og tilgjengelig datadeling fungerer som en innovasjonskatalysator, og myndighetene må ta ansvar for at næringslivet og offentlig sektor både deler og kan bruke andres delte data. Vi må erkjenne at vi må samarbeide for å lyktes. Selv om en offentlig etat forvalter data, betyr det ikke at de eier den. «Kun-én-gang»-prinsippet betyr at forvaltningen skal gjenbruke informasjon i stedet for at folk må oppgi den flere ganger i nye møter med det offentlige. Dette prinsippet må fortsette å gjelde. I næringslivet så vel som i offentlig sektor må man se mulighetene som delingen gir. Så selv om det ikke skaper verdi å dele akkurat det man selv sitter på, så kan andres data skape verdi. Vi har suksesshistorier med datadeling i Norge. Gjennom det nasjonale datalageret Diskos har petroleumsnæringen siden 1995 lykkes med deling av lete- og utvinningsdata seg imellom. Dette administreres av staten og driftes av en tredjepart. Vi må tenke i samme baner for andre næringer. Næringslivet må iverksette de viktigste tiltakene selv, men staten må være sin rolle bevisst, for eksempel gjennom å bidra til administrasjon av delingstjenester, på samme måte som med Diskos. Skal man lykkes med dette også internt i offentlig sektor, krever det at etater og virksomheter som forvalter data, ikke ser på seg selv som eierne av den. Verdien av å dele egne data er ikke alltid tydelig, men verdien av å få tilgang til andres kan være det. Verdien realiseres når man samarbeider om det og får etablert strukturer som sikrer trygg datadeling. Det blir avgjørende for både å oppnå det fulle verdipotensialet i KI, men også for å bygge bedre og mer effektive tjenester generelt. Utenfor sfæren av KI kan datadeling gi mer effektiv saksbehandling, redusere ventetider til ulike tjenester og skape ny innsikt innenfor forskning og utvikling. Utfordringen som gjenstår, blir å forstå den gjensidige verdien av å dele det man tidligere har sett på som egen eiendom. For mange private bedrifter er det også deres eiendom. Hvilke incentiver har man, som offentlig virksomhet eller privat bedrift, til å dele dataene sin? Som med Diskos kan myndighetene spille en avgjør ende rolle som tilrettelegger og administrator av en felles plattform. Personvern og digital sikkerhet må ivaretas, også ved datadeling. De største konsernene har i dag ressurser, derfor er det ekstra viktig at myndighetene stiller opp for de små- og mellomstore virksomhetene, enten det er gjennom konkrete veiled 26

«KI som teknologi har brakt med seg store muligheter, men det må brukes innenfor ansvarlige rammer. Fremover må myndighetene og virksomhetene selv balansere mellom å bruke KI på innovative måter, men innenfor trygge og ansvarlige rammer. Vi må evne å se forbi «hypen», men likevel ikke lammes av frykten for å trå feil.» Linda Hofstad Helleland

ere eller kompetansestyrkende tilbud. Uavhengig av sikkerheten, skal personvernet respekteres. Innovasjonen som skapes gjennom datadeling, skal skje i samspill med, og ikke på tross av, personvernet. Prinsippet om at man eier sine egne personopplysninger skal stå bunnfast. Norge er også her godt plassert. Vi er blant toppen i Europa i datadeling og digitalisering, selv om vi har falt noen plasser de siste årene. Myndighetene har også hatt fokus på dette, blant annet med stortingsmeldingen Data som ressurs, som ble lagt frem av Solberg-regjeringen i mars 2021. Meldingen «kan bli århundrets viktigste», uttalte to professorer fra Universitetet i Oslo til avisen Khrono, og vektla spesielt hvordan man kunne utnytte og gjenbruke data til et mer bærekraftig samfunn og en grønnere økonomi. Erkjenne utfordringene Lykkes vi med å bruke data som en ressurs til å skape bedre og mer effektive tjenester i både næringslivet og offentlig sektor, er vi kommet langt. De enorme mulighetene skal samtidig ikke gjøre oss blinde for utfordringene. Mange typer kunstig intelligens, såkalt maskinlæring, lærer av mønstre i data. Brukes modellene ukritisk, kan mønstrene som identifiseres, medføre diskriminering. Et eksempel på dette er i rekruttering. I 2023 var nesten 90 prosent av sykepleierne i Norge kvinner. Trener man opp et KI-system til å identifisere kandidater som vil bli gode sykepleiere, vil den kunne konkludere med at siden det er flest kvinner som er sykepleiere, er det kvinner som er de beste sykepleierne. Veldig mange dyktige sykepleiere er jo kvinner, men det er nettopp da det kan være en mangfoldsverdi i å rekruttere flere menn. Heldigvis er diskriminering ved ansettelse ikke tillatt i Norge, uavhengig av om det gjøres av et menneske eller en maskin, men myndigheter og næringsliv må likevel være oppmerksomme på utfordringen. Skrekkeksempelet på dette er algoritmesystemet SyRI i Nederland, som skulle identifisere nabolag og mulige personer som drev med ytelses- og skattebedrageri, og som derfor skulle undersøkes nærmere. Utover en rekke personvernvalg man kan sette store spørsmålstegn ved, viste det seg at systemet hovedsakelig ble brukt på lavinntektsområder, der man tidligere hadde funnet enkelte personer som begikk bedrageri. Resultatet ble en selvforsterkende spiral for modellen, hvor man bare KI i møte med menneske

finner bedrageri i ett område, fordi det er det eneste området man leter i. Det er diskriminerende etterforskning satt i system. Teknologi har hatt og vil ha konsekvenser for hvordan vi jobber, og hvilke virksomheter som lykkes. Det er positivt, så lenge man gir alle muligheten til å lykkes. Når stadig flere virksomheter tar i bruk KI-verktøy, må man passe på at utdanningssystemet bidrar til ansvarlig bruk og opplæring i det, og at det legges til rette for at de som vil, kan lære det gjennom hele livet. Dette gjelder både hvordan man kan bruke det, hvilke muligheter som finnes, men også begrensningene. For språkmodellene er jo nettopp det – modeller for språk – trent til å skrive naturlig, ikke til å vite mest mulig. Opplæring blir spesielt viktig i møte med misbruk av KI. Både Kripos og Nasjonal sikkerhetsmyndighet (NSM) har pekt på faren for desinformasjon og påvirkningskampanjer. Teknologien kan gjøre påvirkningskampanjene mer presise og treff ende, samtidig som de kan massegenereres i en annen skala enn tidligere. Generativ KI gjør at vi må bli mer kritiske til det vi ser, hører og leser. Det fordrer en kritisk og reflektert tilnærming til informasjonen som vi møter i samfunnet. Mange av utfordringene tror jeg kan løses med en kombinasjon av treffsikker regulering, reelt tilsyn, og økt bevissthet og forståelse for dem. Vi har forutsetningene for å lykkes. Det betyr ikke at alt som kan automatiseres, bør automatiseres. Vi skal bevare empatien og omsorgen vi finner i alle fellesskap i samfunnet, enten det er i skolen, på jobben eller på eldrehjemmet. Jeg tror først og fremst at teknologien vil la oss skape bedre tjenester og en enda mer meningsfylt hverdag. Da må vi gripe mulighetene, løse utfordringene – og finne veien sammen.

av Jogeir M. Agjeld Fagkoordinator for maskinteknikk og presisjonslandbruk i Norsk Landbruksrådgiving (NLR)

KI i landbruket: Auka sjølvforsyning og mindre miljøpåvirking Sammendrag: Jogeir M. Agjeld utforsker rollen og potensialet til kunstig intelligens (KI) i moderne landbruk. Gjennom historiske og samtidsrelevante eksempler snakker han om behovet for økt selvforsyning i matproduksjonen og samtidig reduksjon av miljøpåvirkningen. Agjeld drøfter kompleksiteten i dagens landbrukssektor og fremhever viktigheten av å balansere teknologisk innovasjon med menneskelig innsikt og erfaring. Prosjekter som Kornmo og Kilter AX-1 illustrerer ulike bruksområder og utfordringer knyttet til KI i landbruket, fra avlingsprognoser til presisjons arbeid i sanntid. Diskusjonen omkring dataeierskap, deling og etiske spørsmål utforskes, samtidig som behovet for kompetent arbeidskraft understrekes. Avslutningsvis oppfordres det til en klok og ansvarlig bruk av KI for å møte fremtidens utfordringer og muligheter i landbruket. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

KI i landbruket: Auka sjølvforsyning og mindre miljøpåvirking

Kan bøndene slutte å tenke? Nei! Ja! Ja! Nei! Ja! Teksten er frå ein reklame for Massey Ferguson 3000 Datatronic, frå 1986. Den første traktoren med såkalla computer om bord. Og spørsmålet er like aktuelt i dag: Kan bøndene slutte å tenke? No som vi har fått KI?

a oss starte med det grunnleggande. Vi treng alle mat. Mesteparten av det vi et her i landet, kjem frå landbruket. Målt på energinivå står fisken for 1,8 prosent av næringsinntaket vårt, resten er dyrka på land. Men mykje av energien og proteinet som vi og husdyra et, er importert: Sjølvforsyningsgraden er kring 40 prosent om vi måler landbruksprodukt med norsk opphav på energinivå. Regjeringa ynskjer ein kraftig auke i sjølvforsyninga, til 50 prosent. Også totalberedskapskommisjonen meiner at norsk matproduksjon må styrkast. Samstundes skal landbruket redusere klimautslepp, og økonomien hos bøndene skal løftast. I kjølvatnet av landbruket finn vi den norske matindustrien, som er av dei største fastlandsnæringane våre. Utviklinga i landbruket er såleis viktig for mange fleire enn bøndene – den betyr noko for oss alle. Tufta på kunnskap og teknologi Landbruket i sin tur er tufta på kunnskap og teknologi. Då dei første menneska vart bufaste for kring 12 000 år sidan, vart dei det fordi kunnskap kombinert med teknologi let dei dyrke, vatne, hauste og lagre plantar, og gjerde inne dyr. Då sivilisasjonen utvikla seg og vi fekk bysamfunn, var det fordi kunnskap og teknologi let folk bli frigjort frå arbeid i primærnæringane, så dei kunne drive med heilt andre ting. Den utviklinga har halde fram i større eller mindre sprang: frå stein til stål, frå trekkdyr til dampmaskin til traktor. Vi har fått kunstgjødsel, plantevernmiddel og antibiotika. Og no: Frå menneskeleg erfaring og kunnskap til det mange omtaler som landbruk 4.0: eit landbruk der stordata og enorm datakraft samlar erfaring og byggjer kunnskap, og der datastyrte maskiner kan utføre arbeidet meir presist enn nokon gong før. Det må til. Somme meiner at dagens landbruk ikkje er berekraftig, med sin bruk av energi, handelsgjødsel, plantevernmiddel og tunge maskiner. Folketalet i verda aukar. Det har dobla seg frå midten av 70-talet til i dag. Alle land har som ambisjon at innbyggarane skal oppleve stigande velstand. Då er tilgang på kvalitetsmat eit viktig element. Men arealet dyrkajord minkar. Klimautfordringane råkar landbruket

med alvorlege konsekvensar: årstider som oppfører seg annleis enn før. Vatn er på feil plass til feil tid. Tørke. Hetebølger. Og på toppen av det: krig og politisk uro som utfordrar forsyningssikkerheita. For oss her i landet kan det bli praktisk og etisk utfordrande å halde fram med så høg importandel som i dag, for å fø den norske befolkninga. Vi treng meir mat, og vi treng at meir av den er produsert av norske bønder, utan at vi gjer skade på miljø og klima. Vi må produsere meir mat på smartare vis. I Noreg, som i resten av verda, treng vi meir mat av høgare kvalitet utan å bruke meir areal og ressursar. Dyrke mat versus idrett Det å dyrke mat er litt som å drive idrett. Dei fleste av oss klarer å jogge ein tur, eller for den del dyrke litt poteter. Nokre hevdar seg på krinsnivå, eller enda til nasjonalt nivå. Men når vi ser nivået på dei som kliv opp på pallen, veit vi at det er mogeleg å nå veldig mykje lengre enn der dei fleste av oss er. Vi må perfeksjonere, og med rett innsats til rett tid tilpassa dei måla vi skal nå. Og heller ikkje ved målgang kan du gjere som du vil, for der kjem nye løp. Det er likt om du hoppar hekk, dyrkar poteter eller held sau. Ein skilnad er at Karsten Warholm sin trenar Leif Olav Alnes har eit par utøvarar han skal halde styr på. Sjølv er eg sauebonde. Gjennom vinteren har kona og eg kring 170 individ vi skal få til å yte sitt beste. Etter nokre veker på våren er det talet opp mot tredobla, og vi legg grunnlaget for nye generasjonar. Dette klarer vi ikkje å halde styr på utan digitale hjelpemiddel, og der er mange ting vi ikkje forstår kvifor det blir som det blir. Vi produserer også grovfôr (gras) til dyra våre. Kvar plante er eit individ, der den samla laginnsatsen legg grunnlaget for kva vi kan levere av mat til fe (og i neste omgang folk). Heller ikkje her klarer vi å halde fullgod oversikt, og heller ikkje her forstår vi alt om kva som skjer, trass i at vi begge har både god utdanning og brei erfaring. Og attpå dette: Bøndene er i stand til å generere enorme mengder data. Mjølkeroboten kan lese ut ei rekkje data frå kvar enkelt spene på kvar enkelt ku frå kvar gong kua er mjølka, normalt to til tre gongar i døgnet. Over oss svevar satellittar som, så sant det er skyfritt, tek multispektrale bilete som kan avsløre ting om plante helsa. Vi kan bruke dronar og utstyr på maskinene for å kome tettare på, vi kan ha sensorar i jorda som seier om den treng å vatnast, vi kan analysere næringsinnhald i avlinga – og uendeleg mykje anna. Alt dette har noko å bety. Mykje av dette nyttar vi alt i dag. Vi ser etter samanhengar. Skal flekken med bleik farge på satellittbiletet ha meir eller mindre gjødsel? Erfaring tilseier at det kan vere nitrogen som manglar, men bør vi gjødsle meir etter ein tørr vår? Kvifor veks den eine kalven betre enn den andre, enda dei får same mjølka i lik mengde? Biologi er uendeleg komplekst. Kombiner det med lange generasjonstider: Om vi før lamminga i april oppdagar at vi gjorde ein feil ved paringa i november, må vi vente til neste november med å rette den feilen. Viss der kan vere fleire faktorar som var feil, kan det ta mange år å finne ut kva som eigentleg gjekk gale. Det har vi ikkje tid KI i møte med menneske

til. Difor prøver vi fleire tiltak for å rette feilen. Det er lettare å treffe blink med hagle enn med rifle, men også lettare å skyte ting du ikkje skal treffe. Dei friskaste dyra Noreg har kanskje dei friskaste kyrne, grisane, sauene og geitene i verda. Det er fordi vi for lenge sidan forstod verdien av å samle data, i fellesskap, til felles beste, og bruke slike data til kollektiv avlsframgang. Den norske kukontrollen vart etablert i 1898, først med regelmessig måling av kor mykje mjølk kvar ku ytte. Etter kvart oppsto rasen Norsk Raudt Fe (NRF), som skil seg ut internasjonalt med sitt breie avlsmål over lang tid. Over 40 eigenskapar blir logga. Resultatet er ei ku som kombinerer høg mjølkeyting, god kjøtproduksjon, god fruktbarheit og god helse. Det er ei ku som er økonomisk og har god dyrevelferd, og som samtidig er ei bra klimaku. Geno, avlsorganisasjonen som står bak Norsk Raudt Fe, har testa ulike KI-metodar mot sine datasystem. Fram til nyleg har ikkje KI-løysingane fungert betre enn dei tradisjonelle metodane. Unntaket er for å finne ut om kalven er disponert for å få horn eller ikkje. Dette er ein eigenskap som ikkje har nokon tydeleg ja- eller nei-markør. Der gir maskinlæring større sikkerheit. På planen framover står vidare utprøving av KI, noko som krev pengar og prioritering. Også planteforedling og dyrkingsstrategi tek tid og krev ressursar – og normalitet. Som viss du sådde eit felt til sommaren 2017, som vart uvanleg våt. Neste sjanse: 2018. Tidenes tørkesommar. Så kom nokre «vanlege» år, fram til 2023: forsommartørke kombinert med midtsommarsflaum, og store lokale variasjonar. Men det uvanlege tar til å bli normalen. Korleis handterer vi det? Kva plantar handterer slikt? Og korleis reagerer nye og gamle plantar på endra mekanisering? Sortsforsøk i drivhus og tradisjonelle dyrkingsforsøk ute går tilsynelatande seinare enn klimaendringane. Å jamføre resultata frå ymse bønder gir flust av feilkjelder. Styresmaktene set inn tiltak for å redusere miljøpåverknaden frå landbruket: strengare reglar for kor mykje vi får gjødsle, strengare reglar for korleis vi får drive jordarbeiding, strengare reglar for korleis vi får drive plantevern. Vi får mindre urein ing, men samtidig mindre produksjon, som jo burde gått opp. Veit vi nok om korleis ting heng saman? Kornmo-modellen Norsk Landbruksrådgiving har eit prosjekt på gang for å finne nokre av svara: Kornmo, der bruk av kunstig intelligens er nøkkelen. Vi samlar alt av tilgjengelege data om kornproduksjonen: kor held bonden til, kor mykje avling vart levert på mølla, kva kvalitet hadde kornet. Tilskotsordningane gir oss informasjon om eksempelvis redusert jordarbeiding. Noreg har eit meteorologisk institutt som er prisverdig rause i å dele høgoppløyste vêrdata. Alt no kan Kornmo-modellen predikere venta kornavling på makronivå med tilnærma same presisjon som den tradisjonelle, manuelle avlingsprediksjonen frå erfarne rådgivarar. Vi kan også lese ut skilnader i avling og lønsemd knytt til fleire ulike faktorar, både på gardsnivå og nasjonalt. Dette kan bli eit kraftfullt rådgivings32

verktøy. Takka vere stordata og kunstig intelligens kan vi med større sikkerheit seie kor det kan dyrkast matkorn, kva sortar som vil høve seg best på kvar enkelt teig, og korleis ulikt vêr best kan handterast med ulike dyrkingsstrategiar. Men vi har også støytt på hinder: Data som vi veit finst, som blir registrerte og som vil ha stor verdi, ligg låst fordi den som oppbevarer datasettet, ikkje ynskjer å dele, eller krev urimeleg høg betaling. Dei ser jo kva dette kan vere verdt. For oss som er eigd av bøndene, som ser verdien på vegne av alle, er det like opplagt at slike datasett har størst verdi når dei blir delte. For bonden er det meiningslaust å måtte drive dobbeltregistrering. Korleis løyser vi sånt? Den norske modellen, frå midt på 1800-talet til i dag, har vore at norske bønder har samarbeidd og delt data og erfaringar til felles beste gjennom sine eigne samvirkeselskap (meieri, slakteri, rådgiving, avl på plantar og dyr, og kornomsetning). Så tar teknologien brått store seg. Alle er ikkje klare til å henge seg på, men små lokale og gigantiske multinasjonale aktørar ser verdien av proteksjonistisk datasanking. Er det bra eller dumt? Og samtidig: Aktørar vi før har delt data med utan å tenkje så mykje over det, sender no ut pålagte samtykkeerklæringar. Bonden har truleg mista oversikt og kontroll for lenge sidan. Somme samtykkeerklæringar blir signerte i blinde, mens andre ikkje blir signerte i det heile tatt, svært bevisst eller aldeles ubevisst. Difor spør vi oss, slik så mange andre gjer det: Kven kan og bør eige data? Kven kan og bør levere tenester? Kor lukka eller opne system er vi tente med? Sjølvkøyrande traktorar? Folk utanfor landbruket ser gjerne på sjølvkøyrande traktorar som noko magisk, og som eit tipp topp døme på kunstig intelligens. Vi som driv landbruk tenkjer at: Joda, sjølvkøyrande traktorar har vi bortimot i dag, med autostyring, vendeteigsautomatikk og nesten alt som skal til. Men komplekse og allsidige maskiner som utfører intrikate oppgåver under sterkt varierande forhold, treng kan hende framleis nokon til å passe på seg, som sensar ting som sensorane ikkje fangar opp. Så er da heller ikkje lovverket klargjort for full autonomi, og det er ikkje her skoen trykkjer. Like fullt, vi har gode døme på landbruksrobotar: Kilter er mellom fleire flinke norske landbruksrobot-produsentar. Deira løysing er fullt ut autonom, ei lita arbeidsmaskin med namnet AX-1. Den rullar att og fram i gulrotåkeren for å sprøyte mot ugras. Andre kulturar blir fortløpande lagt til. Sjølve autonomien er ikkje veldig hokus pokus. Mykje er løyst ved bruk av autostyring med GNSS-signal og RTK-korreksjon (ein presis variant av det vanlege folk kallar GPS), pluss radarløysingar som hindrar påkøyrsle av folk og dyr. Behovet for kunstig intelligens er ikkje massivt for navigasjonen sin del. Til utførsla av arbeidet, derimot, er det brukt solide mengder både menneskeleg og kunstig intelligens. Roboten er trena til å sjå skilnad på nytteplante og andre plantar – altså ugras. Plantevernmiddelet blir tildelt gjennom små dyser tett i tett. Vanlege åkersprøyter har dyser kvar halvmeter, med faneforma dusj. AX-1 sine kamera- og datastyrte dyser spyler beint ned og dekkjer nokre kvadratmillimeter. KI i møte med menneske

Dei held tett når dei er over berr jord eller over nytteplantar. Dei behandlar berre uønska plantemateriale. Med det blir plantevernmiddelbruken redusert med 90 prosent eller meir. Ein viktig del av utviklingsarbeidet er å trene systemet til å sjå skilnad på nytteplante og uønska plante. Særleg i tidleg vekstfase er det krevjande, for rett etter spiring endrar plantane seg mykje. Her er det ikkje rom for å gjere feil: Brukar du eit middel som nytteplanten ikkje toler, går avlinga tapt om systemet bommar. Viss noko av ugraset får vekse fritt, går du på ein annan smell. Her er dermed svært høge krav til presisjon og eksakte svar. Til å trene systemet er kunstig intelligens heilt essensielt. Under arbeid i åkeren er læringa låst. Dei to nemnde døma, Kornmo og Kilter AX-1, fungerer på svært ulikt vis: Der Kornmo arbeider med tendensar og brei problemløysing, er AX-1 absolutt og smal i si tilnærming, fordi den må vere så veldig treffsikker. Utviklingsretningar For landbruket illustrerer dei to prosjekta to viktige utviklingsretningar: 1) Vi treng meir hjelp til å analysere store datamengder for å trekke ut tendensar, og observasjon som støtte for rådgiving, dyrkingsstrategi og kunnskapsutvikling. 2) Vi treng hjelp til å vite kva vi ser, veldig presist og kjapt i sanntid, som grunnlag for utførsle av viktig arbeid utan rom for feil. Ein flaskehals for begge er tilgang på kompetent arbeidskraft. Dei dyktige norske utviklingsmiljøa treng påfyll av folk som både forstår agronomi og KI. Slike folk er det mildt sagt langt mellom i dag. Endatil den klassiske agronomien har manko på spisskompetanse, fordi for mykje av landbruksutdanninga gjennom fleire tiår er blitt nedbygd. Alt ligg til rette for at Noreg kan bli ein nasjon i fremste rekke på KI for landbruket, viss vi berre sikrar rekrutteringa. Der er det ein jobb å gjere. Fotosyntesen, grunnlaget for alt liv, er den same no og til evig tid: Lys, vatn og næring blir til ny næring som vi kan ta til oss. Måten å utnytte fotosyntesen på, og alle prosessane deretter, er i endring. Korleis vi handterer desse endringane er inkje mindre enn avgjerande for korleis vi som samfunn og menneske overlever. Så kan bøndene, og alle som er avhengige av landbruket, ha nytte av kunstig intelligens? Ja! Vi er avhengige av kraftfull hjelp. Men kan då bøndene og alle andre som tenkjer på landbruk, slutte å tenkje? Nei, på ingen måte. Vi må derimot tenkje klokare, heve nivået av innsikt og bruke den kunstige intelligensen til å hjelpe oss. Gjer vi det på kloke måtar, kan det gå oss godt.

Del 2: Et skråblikk på KI

KI i møte med menneske

av Henrik Syse Filosof og forsker ved Institutt for fredsforskning

Kunstig intelligens og etikk: Hva må vi passe oss for? Sammendrag: Henrik Syse belyser de etiske dilemmaene ved utviklingen av kunstig intelligens (KI). Han beskriver flere bekymringsfulle trekk ved den raske teknologiske fremgangen, ikke minst de potensielle truslene mot menneskeverd og våre rettigheter. En sentral bekymring er at KI kan ta kontroll over og utføre handlinger som vi ikke fullt ut kan forstå eller stoppe. Syse peker også på maktkonsentrasjonen hos store teknologiselskaper som styrer KI-utviklingen, og på risikoen for at vi mister evnen til å utføre viktige oppgaver på grunn av avlæring. Til tross for de potensielle farene anerkjenner Syse at KI har en rekke posi tive effekter. Men han understreker at vi må være forsiktige og stille kritiske spørsmål om hvordan KI skal brukes. Vi må sikre oss at teknologien brukes til å fremme menneskelige verdier og ikke havner i gale hender. Sammenfattet av KI-tjenesten Gemini, kvalitetssikret av Parat og forfatteren.

KI i møte med menneske

Kunstig intelligens og etikk: Hva må vi passe oss for?

Kan en «selvlærende algoritme» være etisk – eller uetisk? Kan den ha det som vi mennesker kaller moral?

om tilfellet er med alle andre maskiner, programmer og algoritmer, kan et kunstig intelligens-drevet program eller virkemiddel selvsagt brukes på etisk eller uetisk vis. Og de som lager det og tillater at det brukes, kan ha det vi kaller moral. Kunstig intelligens (KI) i seg selv vil jeg være langt forsiktigere med å bruke slike ord til å beskrive. En forutsetning for etikk og moral i full forstand er bevissthet, og samme hvor bevisst KI kan fremstå for oss, snakker vi ikke om vesener med samvittighet, selvrefleksjon, tvil eller tro. Men det gjør ikke spørsmålet om etikk og KI mindre viktig, tvert imot. Når vi i vår tid er i ferd med å utvikle to av de mektigste former for teknologi som verden har sett, bio- og genteknologi på den ene siden og digital KI-teknologi på den andre (hvorav den første i økende grad vil formes av den andre), er vi nødt til å gjennomtenke kritisk hva denne utviklingen betyr for grunnleggende verdier som menneske verd, rettsstat, folkestyre og bærekraft. For å sette det på spissen (og noen ganger gjør saker seg best der): Dersom vi i årene som kommer igjen får slike autoritære og totalitære trusler som preget verden for snart hundre år siden (og mange slike tegn ser vi allerede), er vi nødt til å huske at en Adolf Hitler, Josef Stalin eller Mao Zedong av i dag vil ha tilgang til moderne bio- og genteknologi, hyperavansert kommunikasjonsteknologi og kunstig intelligens. Det er intet pent bilde. Skal vi dermed innta en form for ekstrem pessimisme? Selvsagt ikke. Men vi må være årvåkne og spørrende – og den holdningen må starte i det nære og konkrete. Jeg skal i det følgende berøre fire elementer som vi må være oppmerksomme på og gjennomtenke: hastighet, kontroll, makt og faren for avlæring. Hastighet Det er to måter selve KI-teknologiens hastighet er utfordrende på. For det første utvikler teknologien og dens bruksområder seg i rekordfart. Vi kan sammenligne det som nå skjer, med 1960-tallet, da menneskeheten i løpet av et tiår gikk fra å ha jorden som sitt tilholdssted til å bli et vesen som kan reise i verdens rommet. En helt enestående teknologisk utvikling skjedde på uhyre kort tid, dels drevet frem av politiske hensyn (romkappløpet mellom USA og Sovjetunionen), men

også drevet frem av en revolusjonerende oppfinnsomhet og fantastiske teknologiske nyvinninger. Romkappløpet betydde imidlertid mindre for folks hverdag enn det KI gjør i dag (selv om mange teknologier fra romfarten etter hvert ble brukt i jordisk og helt hverdagslig sammenheng). Ting vi nå kan gjøre med digital teknologi generelt og KI spesielt, ville ha vært komplett utenkelige for bare noen tiår siden, og de er raskt blitt del av vårt daglige liv. Interaksjonen mellom teknologier – og mellom teknologi og biologi – gjør utviklingen enda kraftigere.1 Det betyr at det også blir vanskeligere å forutsi hvor vi beveger oss, og forberede oss på det som kommer. Både politisk regulering og hverdagslig etisk beredskap krever en viss grad av kunnskap om hva vi regulerer, og hva vi bygger beredskap mot. Den kunnskapen er svært begrenset i dag, nettopp fordi hastigheten i den teknologiske utviklingen er så enorm, og fordi de forskjellige teknologiene som utvikles, kan kombineres på måter vi rett og slett ikke kan se for oss i dag. Da de berømte Tilbake til fremtiden-filmene ble laget på 1980-tallet, var det utrolig nok ingen mobiltelefoner med i filmen om fremtiden (år 2015!), selv om mobilteknologien allerede var på rask vei inn i hverdagen. Med det som bakgrunn kan vi spørre hva vi egentlig vet om teknologiene som vil prege 2040- og 50-tallet? Denne type usikkerhet er riktignok ikke noe nytt, men den er i ferd med å bli enda mer dramatisk grunnet KI-teknologiens kraft og endringstakt. For det andre er hastighet nøkkelordet ved selve teknologiens væremåte og bruk. En tekstbasert KI kan samle tekster og språk fra millioner av forskjellige kilder og sette dem sammen i rekordfart, slik at nye tekster og språklige uttrykk blir generert, endret og videreutviklet langt raskere enn det vi mennesker makter å forstå eller ha kontroll over. Kombinasjonen av hastighet og enorm tilgang til materiale i en nær uendelighet av sammensetninger gjør også at mennesker kan bli utkonkurrert hva angår en rekke arbeidsoppgaver. Det i seg selv er intet nytt: Regnemaskiner har utkonkurrert hastigheten til menneskelig regning i årevis, og ny teknologi har erstattet arbeidsplasser gang på gang. Det er heldigvis noe menneskeheten stort sett har klart å takle, om enn gradvis, i kjølvannet av tidligere vitenskapelige revolusjoner. Det spesielle nå er at selve teknologien har en hastighet som gjør det nær umulig å kontrollere og etterprøve det den gjør, annet enn med teknologiens egne midler. Da skaper hastigheten også langt mindre mulighet for å forstå og forutsi det som skal skje. Det leder oss til den neste store utfordringen.

1 Det skal likevel huskes her – som Jon Bing pleide å understreke – at vi også tidligere i historien selvsagt har sett dramatiske endringer og teknologiske nyvinninger som faktisk har betydd mye, helt direkte, for menneskers hverdag: fra trykkpressen og det moderne, trefiber-baserte papiret til elektrisiteten, telefonen og kringkastingen. (Takk til Trygve Bergsland for denne påminnelsen og også andre gode kommentarer til et tidligere artikkelutkast.) I et slikt lys er kanskje ikke KI noe nytt. Samtidig er kraften og endringstakten i den teknologien som nå utvikles, så stor at jeg likevel vil påstå at det er noe ganske unikt som skjer.

KI i møte med menneske

Kontroll Følelsen av å miste kontrollen over teknologi er – i likhet med flere av problemstillingene vi allerede har nevnt – ikke ny. Når teknologien det er snakk om utvikler seg uhyre raskt og fremstår for sine brukere som både reelt intelligent og selvlærende, blir imidlertid problemstillingene av en annen art enn noe vi før har sett. En del utfordringer er velkjente fra tidligere, fra manglende forståelse for teknologien vi bruker, og prosesser vi ikke klarer å stanse når de først er igangsatt, til overdreven bruk og avhengighet. Det som gjør KI annerledes, er teknologiens mulighet til selv å ta kontroll og derigjennom gjøre ting vi ikke er i stand til å overskue. Den litterære sammenligningen til Mary Shelleys berømte roman Frankenstein trekkes ofte: Vitenskapsmannen som skaper et vesen han mister kontroll over, et vesen som synes å ha sin egen vilje og begår handlinger skaperen verken kan forutsi eller styre. Dette er definitivt en etisk problemstilling, for den handler om hvorvidt vi vil makte å sette grenser for KI som sikrer at teknologien brukes til menneskeverdige formål og ikke skaper utilsiktede bivirkninger som kan skade menneskers verd og rettigheter, eller for den saks skyld naturens bærekraft.2 De fleste som arbeider med KI, sier derfor at et minstemål av menneskelig kontroll er helt påkrevd, herunder muligheten til å kunne stoppe og tilbakekalle teknologi,3 og en god nok forståelse av teknologien både fra dem som skaper den og dem som bruker den, slik at man ikke anvender teknologi som er kraftigere og har mer dramatiske konsekvenser enn noe man kan gripe – og dermed kan klare å endre og kontrollere. Makt Kontroll fordrer at noen har makt både til å regulere, til å kritisere og til å sette grenser. Mange vil mene at en betydelig konsentrasjon av makt hos noen gedigne selskaper reduserer den reelle muligheten til slik kontroll. Dag Hareide sier det slik: Verdensveven var en allmenning, en vidunderlig gave til menneskene. Men den tiltrakk seg okkupanter. Teknomaktene overtok for teknologene. Noen få gigant selskaper erobret en historisk unik pengemakt.4 Blant disse «teknomaktene» finner vi Meta (tidl. Facebook), Google, Microsoft, Apple, Amazon, OpenAI og Taiwan Semiconductor Manufacturing. Sammen med noen kinesiske selskaper har disse en nesten total dominans over markedet for KI-drevne produkter. Det betyr også at de har en gedigen makt til å bestemme hva som skal produseres, hvilke budskap som skal formidles, og hvordan tjenestene og produktene skal prises og presenteres. Varsleren Frances Haugen påviste at Facebook langt fra fulgte opp egne løfter om å være etisk bevisst når det gjelder hvordan deres plattform og annonser negativt påvirker unge 2 Stuart Russell er blant de mest kjente KI-spesialistene som har understreket det essensielle i at teknologien må brukes til menneskeverdige formål, se hans viktige bok Human Compatible (London: Penguin, 2019). 3 Den lovgivningen som er kommet lengst og pr. i dag er mest omfattende på dette feltet, er «The EU Artificial Intellgence Act», som trer i kraft i 2025, se https://artificialintelligenceact.eu/. 4 Dag Hareide: «Vi er alle borgere i Digitalistan», i: Den digitale hverdagen, red. Asbjørn Rolstadås et al., s. 315. Bergen: John Grieg Forlag.

«Det som g jør KI annerledes, er teknologiens mulighet til selv å ta kontroll og g jøre ting vi ikke er i stand til å overskue. Den litterære sammenligningen til Mary Shelleys berømte roman Frankenstein trekkes ofte: Vitenskapsmannen som skaper et vesen han mister kontroll over, et vesen som synes å ha sin egen vilje og begår handlinger skaperen verken kan forutsi eller styre.» Henrik Syse

menneskers selvbilde og mentale helse, bidrar til vold eller sprer rene løgner. Makten deres var – og er – så stor at de ifølge Haugen kunne si én ting og gjøre noe helt annet. Haugens budskap gjorde dypt inntrykk, men det krever mye å få så mektige selskaper til å endre oppførsel.5 Bekymringen er stor for at det i praksis er ganske lite vi kan gjøre. Hareides observasjon ovenfor er interessant, om enn den handler om Internett og ikke KI som sådan. Poenget er jo nettopp at Internett ble sett på som åpnende og demokratiserende. Her kunne alle få være med, si sin mening og påvirke det som ble skapt og delt. Til en viss grad er det selvsagt fortsatt sant. Men med den ytterligere utviklingen som KI gir, kombinert med den makten som noen relativt få teknologi-giganter som utvikler og styrer teknologien, har, og den enorme kompleksiteten ved selve teknologien, kan vi ende opp med å bli styrt snarere enn å styre, uten selv å forstå måtene vi blir styrt på. Etisk sett blir derfor kravet om motmakter, ikke minst gjennom forbrukermakt og åpen debatt, uhyre viktig. Den motmakten må hver og én av oss være en del av. Avlæring La oss til slutt se på hvordan KI endrer hva vi mennesker faktisk kan. Veldig få mennesker kan i dag veve stoff eller melke en ku. Oppgaver som en lang rekke mennesker tidligere kunne utføre, er i dag gjort av maskiner, og selve kompetansen kan sies å være avlært for de fleste av oss – vi kan det rett og slett ikke lenger. Snart vil svært få kunne kjøre bil med manuelt gir, og det å lese et kart blir stadig mindre nødvendig, og noe som stadig færre kan, etter hvert som Google og andre karttjenester gjør jobben for oss. KI-styrte programmer og applikasjoner vil akselerere denne utviklingen – og de gjør det allerede. Et godt eksempel er hentet fra tekstbehandlingens verden. KI-programmer kan nå lese gjennom lange, komplekse tekster, hente ut essensen for oss og lage korte sammendrag eller presentasjoner. Likeså kan de skrive tekst 5 Dan Milmo, «Frances Haugen: ‘I never wanted to be a whistleblower. But lives were in danger’», The Guardian, 24. oktober 2021, https://www.theguardian.com/technology/2021/oct/24/frances-haugen-i-neverwanted-to-be-a-whistleblower-but-lives-were-in-danger.

KI i møte med menneske

selv. En stil eller et essay som det normalt ville ta dagevis eller ukevis å lage, kan et program som ChatGPT lage på noen sekunder. Det er mange spørsmål som er blitt stilt rundt denne utviklingen, herunder faren for juks og faren for et digitalt klasseskille mellom dem som har tilgang til og klarer å bruke teknologien, og dem som ikke har det. I tillegg kommer spørsmålet om tillit: Hvordan kan vi vite at det vi blir presentert for, er sant, og hva vet vi om hvordan det er generert? Her vil jeg imidlertid stille et annet spørsmål, nemlig hvorvidt vi står overfor en potensielt farlig avlæring, dvs. at vi står i fare for å miste evnen til å utføre oppgaver som vi av forskjellige grunner burde klare å utføre, også dersom de er slitsomme og krever mye av oss (eller kanskje spesielt da!). KI vil kunne gjøre ting så mye raskere og enklere at vi kommer til å glemme hvordan – kanskje til og med hvorfor – oppgavene egentlig skulle utføres. Hva om mange av oss i praksis glemmer å skrive, analysere, memorere, regne eller navigere, for bare å nevne noen menneskelige funksjoner som KI i stadig økende grad utfører. Dette er også et etisk problem: Vi overlater til maskiner å utføre oppgaver som på sitt beste foredler oss og gjør oss til bedre, mer intelligente og klokere mennesker. Kan vi da også miste noe av den opplevde meningen ved å være menneske? Avslutning Gjennom denne korte gjennomgangen har jeg pekt på noen av de etiske problemene som er mye diskutert i dagens debatt om KI. Det har ikke et øyeblikk vært min hensikt å si at utviklingen ikke bringer mye som er positivt – ja, fantastisk – også sett i et etisk lys. Medisinske diagnoseprogrammer med langt større hastighet og lavere feilprosent, våpen som treffer sine mål langt mer nøyaktig og med mye lavere sivile tap, tekstbehandlingssystemer som hjelper oss å forstå og beherske kompliserte oppgaver og materiale, utregninger og oppdagelser som gjør at vi kan handle mer effektivt i møte med miljø- og matvarekriser, transportmidler som er langt mindre utsatt for ulykker: Alt sammen vil være store fremskritt også av etisk art. Hver for seg beskytter de menneskeverdet og menneskelivet. Likevel: Vi må stille de kritiske spørsmålene om hastighet, kontroll, makt og kompe tanse før teknologien er kommet så langt at det er for sent. I de gale hender og med mangelfull kontroll og forståelse kan vi utvikle en teknologi som setter grunnleggende menneskelige hensyn til side – eller sjakk matt. Det er en uhyre viktig og meningsfull oppgave å sørge for at vi ikke havner der.

av Jon-Arild Johannessen Professor i ledelse ved Høyskolen Kristiania.

Kunstig intelligens (KI) – konsekvenser for samfunnsutviklingen Sammendrag: I dette kapittelet utforsker professor Jon-Arild Johannessen hvordan kunstig intelligens påvirker samfunnet, spesielt innenfor virksom heter, kompetanse og ledelse. KI vil automatisere informasjons- og kommu nikasjonsfunksjoner, potensielt erstatte jobber og kreve tilpasning. Johannessen mener fremtidens arbeidsliv vil prioritere refleksjon og kreativi tet fremfor hukommelse. Ledelse må tilpasse seg digitalisering og KI, selv om produktivitetsgevinster kan ta tid å materialisere seg. Lederes forståelse av algoritmer og evne til å forklare teknologiens påvirkning blir avgjørende. Mens KI fremmer produktivitet, vil menneskelig rasjonalitet fortsatt være viktig for kvalitet og kundetilfredshet. Beslutningsfeil og behovet for menneskelig inngripen vil fortsatt eksistere, og ledere må balansere automatisering med menneskelig vurdering for å sikre rettferdige og effektive beslutninger. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

Kunstig intelligens (KI) – konsekvenser for samfunnsutviklingen

Hvordan kan kunstig intelligens påvirke samfunnet? I dette kapittelet vil vi se helt kort på konsekvenser for virksomhetene, spesielt relatert til auto matisering. Vi vil også se på noen konsekvenser for den kompetansen som vil være viktig når KI blir en vanlig del av vår hverdag, og undersøke hvordan KI kan påvirke ledelse og organisering i virksomheter. Kunstig intelligens (KI) og automatisering – hvilke virksomheter er mest utsatt? I en klassisk industrivirksomhet var det i stor grad produksjonsprosesser på den ene siden, og informasjonsprosesser på den andre siden. Dette er en overforenkling av komplekse forhold, bare brukt for å få frem et poeng. Ved de to første industrielle revolusjonene ble i stor grad produksjonsprosessene automatisert. Først ved den tredje industrielle revolusjonen, når datamaskiner og informasjonsnettverk ble en del av industrialiseringen, ble de som jobbet med informasjons- og kommunikasjonsprosesser, mer berørt. I den fjerde industrielle revolusjonen, som domineres av kunstig intelligens, vil det i stor grad være informasjons- og kommunikasjonsfunksjoner som automatiseres (Johannessen, 2020). For alle praktiske formål betyr dette automatisering av kunnskapsarbeidernes nåværende funksjoner i private og offentlige virksomheter. Noen blir stående uten eller med endrede arbeidsoppgaver. Dette ser vi for eksempel innen bank- og postvesen. Det er avgjørende at alle, både enkeltindivider, virksomheter og samfunn, retter seg inn mot den virkeligheten som nå vokser frem gjennom kunstig intelligens (Johannessen, 2023). Innvendingen er at man ikke vet hva som dukker opp i fremtiden. Men fra økonomisk historie og innovasjonsteori vet vi i alle fall noe om hvor nye innovasjoner vi komme. Vi vet fra forskning at KI høyst sannsynlig vil bli utviklet på følgende områder (Johannessen, 2022): • Der de reelle og relative kostnadene er høye. • Der den reelle og relative produktiviteten faller. • Der den reelle og relative kvaliteten faller. • Der spredningstakten av innovasjoner er størst. • Der ny kunnskap har i seg muligheten til å bli utviklet til ny teknologi. Innenfor farmasi, medisin, militærindustri, biologi, utdanning, konsulentbedrifter og kunnskapsvirksomheter er mange av de fem områdene sammenfallende. 44

Automatiseringen virker inn på ulike nivåer av en arbeidsprosess. Produktivitets utviklingen kan være den mest relevante i mange sammenhenger. Vi skal imidlertid ikke se bort fra at automatisering i et historisk perspektiv har ført til at slit og farlig arbeid er erstattet av teknologiske løsninger. Når disse farlige arbeidsprosessene blir erstattet, er det lett å tro at da er også arbeidere blitt erstattet. En større undersøkelse på Oxford University i England har konkludert med at i løpet av en 15–20-årsperiode vil cirka halvparten av alle jobber i USA bli erstattet av digitalisering, kunstig intelligens og intelligente roboter (Johannessen, 2023). Hvis undersøkelsen har noe for seg, skulle det tilsi at en gang mellom 2035 og 2040 har konsekvensene av kunstig intelligens og automatisering av arbeidsplasser virkelig blitt en realitet. Konsekvenser for kompetanse Vår hukommelse har ikke samme betydning i fremtidens arbeidsliv, som den hadde tidligere. Kunstig intelligens, intelligente roboter og andre former for datalagringsteknologi kan på kort tid hente frem alt vi er interessert i å vite noe om. Kanskje kunstig intelligens kan være den endelige avslutningen på «puggeskolen»? Kanskje vi får en skole og et arbeidsliv hvor refleksjon og sammenhengskompetanse blir det sentrale? Hvis dette er riktig, vil det å forstå forholdet mellom del og helhet, og hvordan sammenhenger og sammenhengsforståelse påvirker problemer, bli det viktige i skole- og arbeidsliv. I tillegg vil det være av interesse for de enkelte virksomhetene at de som ansettes, forstår at det å utvikle nye kreative løsninger blir avgjørende. Det kreativt nye er viktig, fordi innovasjon er driveren i innovasjonsøkonomien, hvor kunstig intelligens er den sentrale teknologien (Johannessen, 2022). Virksomheter som ikke kan skape det innovativt nye, eller klarer å tilpasse seg det som andre skaper, vil ikke klare seg i konkurransen. Å løse problemer har alltid vært viktig, og vil fortsatt være det i fremtiden. Å identifisere nye problemer, og deretter finne kreative måter å løse disse på, vil sannsynligvis bli viktigere i innovasjonsøkonomien enn tidligere. Begrunnelsen for denne påstanden er at det er det kreativt nye som vil skape innovasjoner, som så fremmer den enkelte virksomhets konkurranseevne. Poenget med å forstå sammenhenger er basert på den innsikten at det innovativt nye ofte viser seg på grensene mellom ulike kunnskapsområder. Eksemplene er mange. Her er noen: • informasjon og teknologi til informasjonsteknologi • biologi og teknologi til bioteknologi • kommunikasjon og teknologi til kommunikasjonsteknologi • helse og teknologi til helseteknologi Når kunstig intelligens og intelligente roboter entrer våre arbeidsplasser, vil den menneskelige rasjonaliteten bli nedtonet, og den algoritmiske rasjonaliteten vil vinne frem (Johannessen, 2021). Kunstig intelligens vil være positivt i noen sammenhenger, men ikke i alle. Det vil være positivt der beslutningsprosessen er relatert til regler som ikke involverer KI i møte med menneske

emosjoner og sosiale relasjoner. Det vil være negativt i de beslutningene som er koblet til emosjonell og sosial intelligens. Der vil den menneskelige rasjonaliteten være å foretrekke. Den algoritmiske rasjonaliteten fremmer produktivitet, mens den menneskelige rasjonaliteten fremmer det kvalitative aspektet ved fremtidens arbeidsplasser (Johannessen, 2020; 2023). Ut fra det som er argumentert for over, er det fem kompetanseområder som blir viktige for arbeidstakere fremover: • kreativ kompetanse • sammenhengskompetanse • kodingskompetanse • emosjonell kompetanse • sosial kompetanse Konsekvenser for ledelse og organisering Vi ser i det følgende på to perspektiver når det gjelder ledelse og organisering: • KI – nye måter å lede og organisere på • KI – lederkompetanse, automatisering og kundetilfredshet Nye måter å lede og organisere på Sentralisering og digitalisering har blitt en vanlig del av ledelse og administrasjon. Vi har imidlertid foreløpig til gode å se de store produktivitetsgevinstene (Johannessen, 2024). Dette er ikke noe nytt. Gjennom alle teknologiske nyvinninger går det lang tid fra investering i ny teknologi til ønsket produktivitetsøkning. Vi så dette fenomenet med informasjons- og kommunikasjonsteknologien, og nå med digitaliseringen av mange funksjoner i arbeidslivet. Kunstig intelligens har vært under utvikling i cirka 50 år. Det er først nå vi begynner å se konturene av hva denne teknologien kan bety for ledelse og organisering (Johannessen, 2020; 2024). Ennå gjenstår det å se at noen frivillig og med overbevisende argumenter vil legge ned sin egen jobb. Derfor er motstanden stor mot alle endringer som fører til automatisering av egne arbeidsplasser og -prosesser. Det var pandemien 2020–2022 som utløste potensialet med den nye teknologien med henblikk på organisering av arbeidsplasser. Dette førte til at lederens jobb ble endret (Johannessen, 2023). Det er mange steder blitt en form for ledelse av ansatte som ikke befinner seg på selve arbeidsplassen, men som kommer og går mer eller mindre som de vil. For mange ledere og ansatte medførte dette situasjoner de ikke klarte å håndtere. Mange ledere forsøkte etter pandemien å tvinge folk tilbake til sine arbeidsplasser i håp om å få bedre oversikt over hva den enkelte gjorde (Johannessen, 2023; 2023a). Poenget er bare at når folk først har fått noe de opplever som et gode, så legger de mye energi i å motsette seg endringer tilbake til noe de opplever som mindre positivt. Hva kan så lederne gjøre i en slik situasjon? 46

Noen praktiske råd for ledelse Hensikt Ledelsen må rette søkelyset inn mot det som er hensikten med virksomheten. Spørsmålet er: Hva er virksomheten designet for å gjøre? Det er rundt dette spørsmålet ledelsen skal forholde seg til sine arbeidstakere, uansett hvor de befinner seg rent fysisk. Resultatorientering Lederen skal i samtale med hver enkelt ansatt komme frem til hva som forventes av resultater innenfor de arbeidsoppgavene som skal utføres. Hvis disse arbeidsoppgavene ikke utføres etter forventningene, må dette få følger for de arbeidsoppgavene som den ansatte skal utføre i fremtiden. Insentiv De forventningsavklaringene som legges i samtalene mellom leder og hver ansatt, skal kobles til en motivasjon for å yte det som er forventet. Hvis en ansatt leverer over forventningene, skal dette vise seg i konkret belønning. Denne belønningen må ikke nødvendigvis være økt lønn. Hvis forventningene ikke innfris, skal også dette ha målbare konsekvenser. Organisering Med den nye teknologien må ledelsen anerkjenne at den ansatte kan jobbe hvor som helst, så lenge forventningene innfris. Lederkompetanse, automatisering og kundetilfredshet En stadig økende del av arbeidsprosessene overtas av automatiserte prosesser. Dette vil også gjelde lederfunksjoner. Når kunstig intelligens inntar de fleste arbeidsprosessene, blir det avgjørende at lederne forstår og kan forklare hvordan denne teknologien vil påvirke de ansattes arbeidshverdag (Johannessen, 2021a). Det er imidlertid slik at de færreste lederne, som i dag arbeider nær de beslutninger som tas av den nye teknologien, har kompetanse nok til å forstå hvordan denne teknologien virker. Det gjør de fleste lederne i slike situasjoner maktesløse og fremmedgjorte overfor beslutningene som tas. Hvis lederen ikke kan forklare hvorfor bestemte beslutninger er tatt, gjør det noe med lederens autoritet (Johannessen, 2022a). Når det gjelder KI kan følgende refleksjoner for ledere være relevante. Å forstå hvordan algoritmer er bygd opp For å forstå automatiserte beslutninger gjort av kunstig intelligens, må ledere først og fremst forstå hvordan og hvorfor algoritmene er bygd opp slik de er. Grunnlaget for å forstå beslutningene som den nye teknologien tar, ligger nemlig i algoritme- design. KI i møte med menneske

Automatisering betyr at beslutningsfeil oppstår Det er ikke nytt at beslutninger fører til feil, og at problemer oppstår. Poenget er at når mennesker tar feil beslutninger, er det mulig for dem å reflektere over hva som gikk galt. Deretter kan beslutningene endres og korrigeres. Dette er ikke så enkelt når kunstig intelligens tar beslutningene. For kunder/brukere kommer opplevd kvalitet alltid før produktivitetsforbedringer Kunder og brukere er først og fremst opptatt av kvalitet. Lederen er først og fremst opptatt av produktivitetsforbedringer, fordi dette vil styrke legitimiteten oppover i systemet. Poenget er bare at uten tilfredse kunder og brukere vil det ikke bety noe om produktiviteten er aldri så god. Algoritmene har ikke nok spesifikk kunnskap En av grunnene til de mange feilene som er rapportert om beslutninger basert på kunstig intelligens, er at en del algoritmer ikke er designet tilfredsstillende for alle bruksområder. Dette kan gjelde sykdom, etnisitet, legning, livsstil og så videre. Et eksempel på dette er blant annet ved kredittbeslutninger. Der har bankkunder fått avslag på lånesøknader, fordi algoritmen ikke kunne ta høyde for en lengre sykdoms periode, hvor inntektsbortfallet ble et problem for den automatiserte prosessen. Vi har også sett beslutninger i medisinsk diagnose og behandling som har blitt vurdert feil. Det skyldtes at de automatiserte prosessene ikke tok hensyn til helt normale forskjeller som kan oppstå når pasienter med annen bakgrunn enn det «normale» skal behandles. Beslutninger langs dobbeltspor Én av konsekvensene av at kunstig intelligens tar beslutninger som ikke er hensiktsmessige, er nødvendigheten av å beholde menneskelige beslutningsprosesser i tillegg. På denne måten får lederen eller beslutningstakeren større legitimitet. Beslutningen kan da lettere oppleves som rettferdig av brukeren, og det sikrer at beslutningen er rett og rimelig ut fra en totalvurdering. Referanser: Johannessen, J-A. (2020). Artificial intelligence, automation, and the future of competence at work. Routledge, London. Johannessen, J-A. (2021). Artificial intelligence, automation, and ethics in the innovation economy. Routledge, London. Johannessen, J-A. (2021a). Continuous change and communication. Emerald, London. Johannessen, J-A. (2022). Intelligent robots’ consciousness and creativity: The search for hidden knowledge, The cognitive side of knowledge management. Emerald, London. Johannessen, J-A. (2022a). A systemic approach to continuous change in the innovation economy. Routledge, London. Johannessen, J-A. (2023). The fourth industrial revolution and the labour market: Future proofing work in the innovation economy. Routledge, London. Johannessen, J-A. (2023a). Creativity, innovation and the fourth industrial revolution: The Da Vincy strategy. Routledge, London. Johannessen, J-A. (2024). Artificial Intelligence and the future of healthcare. Routledge, London.

av Morten Irgens, prodekan ved Copenhagen Business School, og Christen Krogh, rektor ved OsloMet

Norge i den teknologiske malstrømmen Sammendrag: Morten Irgens og Christen Krogh diskuterer utfordringene og mulighetene som kunstig intelligens (KI) gir for Norge og Europa. Mens KI omformer økonomi og samfunn, står Europa overfor en utfordring med å oppnå teknologisk suverenitet. Forfatterne foreslår etableringen av en europeisk organisasjon for KI, for å samle innsatsen og tiltrekke talenter, på linje med CERN eller ESA. I Norge bør det satses mer på KI-forskning og samarbeid med nabolandene for å styrke Europas posisjon. Oljefondets rolle vurderes, og det argumenteres for en mer aktiv investeringsstrategi som støtter europeisk teknologiutvik ling. Samlet sett understreker artikkelen behovet for politisk handling og investeringer for å sikre Europas teknologiske suverenitet og Norges rolle i denne utviklingen. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

Norge i den teknologiske malstrømmen

Mot slutten av 2022, da folk flest fikk tilgang til avanserte former for kunstig intelligens, blusset en politisk debatt opp som bare har tiltatt i styrke. Diskusjonen gjenspeiler utsiktene til omfattende samfunnsendringer og har dreid seg om alt fra økt ulikhet og tap av arbeidsplasser, til konsekvenser for utdanningssystemet. Men det er et større bilde som har vært mindre debattert, og det er hvordan kunstig intelligens kan påvirke Norges økonomiske utvikling og utenrikspolitiske posisjon.

vis du tar bokstaven «L» og legger den på ryggen, får du en flat, horisontal linje som på et gitt punkt skyter vertikalt i været. Det ligner på kurven som viser veksten i verdens befolkning. Den var så å si konstant i årtusen etter årtusen før den plutselig steg som en rakett. Hva var det som skjedde? Hvorfor eksploderte befolkningsøkningen? En viktig del av svaret er teknologi. Det vil si klokken, dampmaskinen, eksplosjonsmotoren, masseproduksjon, vaksinasjon, elektrisitet, telegrafen, pasteurisering, radio, kunstgjødsel, industriell framstilling av antibiotika, kjøling, transistorer, datamaskiner, mobiltelefoner, kommunikasjonssatellitter, maskinlæring, internett, rekombinant DNA og mye, mye mer. Punktet der kurven for alvor begynner å stige, kaller vi den første industrielle revolusjonen, hvor dampmaskinen akselererte mekaniseringen av fysisk arbeid. Senere fulgte andre industrielle revolusjoner drevet av teknologier som elektrisitet, datamaskinen og internettet. De teknologidrevne industrielle revolusjonene forandret de økonomiske, sosiale og kulturelle strukturene i samfunnet. Overgangene var svært utfordrende for den jevne innbygger, men nasjonene som ledet denne utviklingen, ble etter hvert både rikere og sunnere. I vår del av verden regulerte de arbeidsforhold, styrket rettsikkerheten, lovfestet rettigheter og etablerte offentlig utdanning, pensjon og helsevesen. I tillegg til at disse nasjonene ble rikere og sunnere, ble de også mektigere. De var suverene teknologisk og kunne produsere varer mer effektivt og billigere enn noen gang før, og transportere dem over hele verden. Det ga dem økonomisk makt til å etablere globale institusjoner, gjøre handelspartnere økonomisk avhengige, diktere vilkårene i internasjonale relasjoner og sikre tilgang til råvarer. Det gjorde dem i stand til å investere i ytterligere teknologiske innovasjoner, konkurransedyktige pro-

dukter, infrastruktur og effektive forsyningskjeder som skapte en selvforsterkende vekstsyklus. Det teknologiske forspranget med tilhørende økonomiske fordeler ga disse nasjon ene også militær makt og kulturell innflytelse. De fikk bedre geværer, artilleri, tanks, raketter, droner, fly og satellitter, mens deres språk, medier, verdier, skikker og livsstil formet internasjonale preferanser og verdier. De industrielle revolusjonene viste oss at teknologisk suverenitet, altså evnen til å utvikle teknologi på egen hånd eller gjennom samarbeid med pålitelige partnere, er grunnleggende viktig for et lands økonomiske og strategiske suverenitet. En ny industriell revolusjon Vi står nå i en ny industriell revolusjon, men denne er annerledes. Dette er den smarte revolusjonen, drevet av kunstig intelligens (KI), som for første gang gir oss maskiner som kan lære og resonnere, og utføre avansert kognitivt arbeid, det vil si arbeid som krever refleksjon og analyse. I dag snakker vi til mobiltelefonene våre, og de svarer oss på det språket vi ønsker. De gjenkjenner ansiktene våre, filtrerer e-postene våre, vurderer forsikringskrav og handler på børsen. Programvare utfører ikke oppgaver bare på menneskelig nivå, men på menneskelig ekspertnivå. Tolkning av medisinske bilder gjøres ofte bedre av datamaskiner enn av spesialister, og det er 20 år siden verdens beste sjakkspiller var et menneske. De siste fem årene har vi sett en ytterligere spektakulær utvikling. Mens verdens beste sjakkprogram er ubrukelig til annet enn sjakk, har de nye systemene bred kompetanse. Vi sier gjerne at vi har gått fra smal til bred kunstig intelligens. De nye systemene er basert på statistiske modeller som er inspirert av hjernens nevroner, og lært opp på store mengder data. De modellene som er mest diskutert i disse dager, er trent opp på enorme mengder tekst eller bilder fra internettet og gjerne uten noe spesielt tematisk fokus. Vi kaller gjerne slike generelle modeller for grunnlagsmodeller («foundation models» på engelsk), for på toppen av disse modellene kan vi bygge en mengde ulike anvendelser og utføre ulike typer oppgaver. Disse anvendelsene, eller applikasjonene som de også kalles, kan stille generelle medisinske diagnoser bedre enn mange leger – selv om de ikke er spesielt utviklet for det. De kan hjelpe til med å skrive programvare – selv om de ikke er spesielt programmert til å gjøre det. De løser opptaksprøver til eliteuniversiteter bedre enn folk flest. De scorer høyere på kreativitetstester, investerer bedre i aksjemarkedet og spiller videospill bedre enn folk flest. Og de skriver poesi om et hvilket som helst tema, i et utall stiler – noe som ville være svært vanskelig for folk flest. På samme måte som elektrisitet er en allestedsnærværende og kraftfull kilde til energi i et moderne samfunn, vil kunstig intelligens være en allestedsnærværende og kraftfull kilde til kunnskap og resonnement. Og på samme måte som for elektrisitet for hundre år siden, vil kunstig intelligens skape endringer som påvirker alle deler av samfunnet. KI i møte med menneske

Mer enn en produktivitetsfaktor er kunstig intelligens en viktig ny produksjonsfaktor, noe som gir det en kraft til å transformere bedrifter, økonomien og samfunnet. Som et beslutningsstøtteverktøy løfter kunstig intelligens beslutningstaking og problemløsning opp fra gjennomsnittlig til fremragende. Dets evne til lynraskt å omdanne enorme mengder data til ny innsikt hjelper forskere med å løse komplekse problemer, fra utvikling av legemidler til klimamodellering, og gir oss nye oppfinnelser og forbedringer av produkter og prosesser. Dets evne til å løse oppgaver som krever kognitive funksjoner, gir oss kreative verktøy og hjelper oss å løse nye analytiske oppgaver. Kunstig intelligens endrer hvordan verdier skapes, hvordan varer og tjenester produseres og leveres, og gjør det mulig å skape helt nye produkter og tjenester som omdefinerer markeder. Vi ser begynnelsen på dette i personlige assistenter, autonome kjøretøy og persontilpasset medisin. Slike innovasjoner forandrer og forstyrrer tradisjonelle sektorer, og skaper helt nye. Hva vil det bety for et land som Norge? For å forstå det må vi se på hva det betyr for Europa. Utviklingen i Europa Europa er ikke bare en av verdens viktigste økonomiske regioner og har de fleste av Norges viktigste handelspartnere, men har også flere av verdens beste universiteter og ligger i forskningsfronten på en rekke områder. Imidlertid avdekket covid-pandemien kritiske sårbarheter i Europa og EUs verdi kjeder samt en kritisk avhengighet av USA og Kina, spesielt innenfor helse og teknologi. Europa har i årtier vist en synkende evne til å omsette sin forskning og økonomiske kraft til samfunnsmessige og kommersielle verdier. Franske Bull, tyske Siemens, finske Nokia, svenske Ericsson, italienske Olivetti, Norsk Data og Opera Software hadde alle på et tidspunkt potensial, men i dag er det lite igjen. I dag er det ingen europeiske blant de ti største globale digitale teknologiselskapene og bare tolv blant de hundre største, og de har bare fem prosent av markedsverdien. Det finnes ikke et europeisk Apple, Google, Amazon eller NVIDIA. Det er i dag ingen europeiske bedrifter eller private investorer med nok risikovillig og teknologiorientert kapital til å utfordre de store asiatiske og amerikanske teknologigigantene. Resultatet er en såkalt markedssvikt, hvor det kommersielle markedet ikke evner å levere en utvikling samfunnet trenger. Videre har verken nasjonale myndigheter i Europa eller EU-kommisjonen lykkes med å kompensere for dette. Når Ursula von der Leyen tiltrådte som Europakommisjonens president på tampen av 2019, var det med en visjon om å forme Europas digitale fremtid, styrke europeisk teknologiske suverenitet og gi Europa en ledende posisjon innen kunstig intelligens. I dette arbeidet har EU-kommisjonen prøvd å finne en balanse mellom regulering og investering. Men mens EUs forordning for kunstig intelligens, som ble vedtatt tidlig i 2024, er verdens mest omfattende lovregulering om denne teknologien, har investeringsstrategien feilet. Regulering kan ikke alene gjøre Europa ledende innen kunstig intelligens, og for å bruke en analogi fra en annen industriell periode så er det viktig med en god vei52

trafikklov, men det gir ikke en levedyktig bilindustri. Etter et halvt dusin år og flere milliarder euro ligger Europa enda lenger bak sine konkurrenter. Den siste tidens spektakulære gjennombrudd innen kunstig intelligens, enten det gjelder grunnforskning, anvendelser eller produktutvikling, har skjedd i andre deler av verden enn Europa. Dette betyr at Europas teknologiske suverenitet, altså evnen til å utvikle tekno logisk kunnskap og produkter på egen hånd, stadig svekkes. Utviklingen gjør Europa avhengig av noen få svært store teknologigiganter fra USA, Taiwan, Sør-Korea og Kina. Det er alvorlig, siden teknologisk suverenitet er en grunnpilar for strategisk suverenitet, velferd og makt og en viktig drivkraft til geopolitiske endringer. Det var teknologisk suverenitet som gjorde europeiske nasjoner til globale aktører, og det er mangel på teknologisk suverenitet som i dag flytter denne makten bort fra Europa. Det er denne mangelen som svekker Europas digitale suverenitet, som er dets evne til å operere uavhengig i den digitale verden og beholde kontroll av servere, nettverk og data som overføres gjennom dem. Lederen av Europaparlamentets «Spesialkomité for kunstig intelligens i en digital tidsalder», Axel Voss, sa i 2021 i en rapport til Europaparlamentet at Europa «har sakket akterut i en ny økonomi der vinneren tar det meste; våre selskaper blir marginalisert og vår levestandard reduseres drastisk» og at EU «ikke klarer å kommersialisere sine teknologiske innovasjoner, noe som gjør det mulig for raskt voksende ikke-europeiske selskaper å ta våre beste ideer, talenter og selskaper». Rapporten sa videre at «bare 8 av 200 ledende digitale selskaper er basert i EU, mens vår økonomiske vekst fortsetter å avta». En kulturdimensjon Teknologisk lederskap handler ikke bare om å sikre den økonomiske fremtiden, men også Europas samfunnsnormer. Menneskets symbiotiske forhold til verktøy og tekno logi gjør at teknologi definerer den virkeligheten vi lever i, og dermed også hvordan vi jobber, hvilke verdier vi har, hvordan samfunnet utvikler seg rundt oss, og hvordan vi ser på livet, universet og alt annet. Vi kan se på kulturell suverenitet som et lands evne og frihet til å dyrke, utvikle og videreføre sitt språk, sin kultur, tro, sine verdier og skikker. I vår moderne tid er den evnen opplagt påvirket av teknologi. Verktøyene som vi fyller livene våre med, om det er i helsevesenet, utdanningssystemene, offentlige tjenester eller appene på telefonen, vil i økende grad ha en kjerne av kunstig intelligens bygget på en eller annen grunnlagsmodell, og vil derfor i større grad enn tidligere reflektere verdier, normer, kultur og etikk. Siden verktøyene former virkeligheten vår, er det viktig at vi former verktøyene. Det gjør vi ikke i dag. En europeisk akselerator for kunstig intelligens USA er på flere måter motstykket til Europa. For det første er det nettopp markedet som har drevet utviklingen. Gjennombruddene innen kunstig intelligens er blitt KI i møte med menneske

utviklet, vitenskapelig publisert og markedsført av et fåtall svært store og ekstremt godt finansierte kommersielle aktører. For det andre er fokuset nettopp på å konsentrere innsatsen. For eksempel er Microsofts investeringer i ett firma alene (OpenAI, selskapet bak ChatGPT) på hele 130 milliarder kroner. Det er et ganske lite firma, målt i antall ansatte, og gjør bare én ting. Kontrasten til tilnærmingen i Europa kunne ikke vært større. Av politiske grunner sprer EU-kommisjonen og nasjonale aktører i Europa forskningsmidlene utover titusenvis av ulike prosjekter i små, ukoordinerte forskningsmiljøer i et håp (vil vi tro) om at summen av disse skal gi store samlede effekter. Norges interesse Teknologisk kompetanse og kapasitet er kritisk for Norges økonomiske, sikkerhets messige og kulturelle framtid. Vår teknologiske suverenitet styrkes i dag primært gjennom partnerskap med europeiske land, hvor vi, naturlig nok, er tett integrert i økonomien og har et omfattende forskningssamarbeid. Vår økonomiske velferd er avhengig av Europas. Det er også vår kulturelle suverenitet. Hvis vi ikke selv kan bygge teknologiene som former virkeligheten vår, er det i vår interesse at de blir utviklet så nært oss som mulig, samarbeidsmessig, kulturelt og verdimessig. Det er derfor i Norges interesse at Europa innehar en sterk teknologisk posisjon. Det bør og kan vi aktivt bidra til å utvikle. Vår forsknings- og innovasjonspolitikk bør ha et bredere blikk enn det nasjonale. Den bør inkludere å arbeide bilateralt med våre naboland for å gjøre Norden til en foregangsregion i Europa. Det er i vår interesse å både være langt framme i et slikt arbeid og å være med på å trekke lasset. En norsk strategi En norsk strategi for å bidra til å styrke Europas teknologiske suverenitet bør fokusere på kunstig intelligens. Denne teknologien er på et vis kanarifuglen i gruven, det vil si en indikator på om vi på det teknologiske området gjør det generelt dårlig eller ei. Men kunstig intelligens er også den viktigste drivkraften i denne nye industrielle revolusjon og en forsterker for omtrent alle andre aktiviteter. I 2018 tok OsloMet, sammen med gode partnere, initiativet til to organisasjoner, NORA (sammen med Universitetet i Oslo og Simula) og CLAIRE (sammen med Universiteit Leiden og DFKI Deutsches Forschungszentrum für Künstliche Intelligenz), for å styrke vilkårene for forskningen innen kunstig intelligens i henholdsvis Norge og Europa. NORA, som i dag har 18 norske universiteter, høgskoler og forskningsinstitutter som medlemmer, er blitt Norges de facto nasjonale nettverk for forskning og innovasjon innen kunstig intelligens, mens CLAIRE, med 470 internasjonale forskningslaboratorier som medlemmer, er ett av verdens største nettverk for forskere innen kunstig intelligens. Gjennom CLAIRE har vi arbeidet for en politisk forståelse for at Europa trenger å oppnå effekt og gjennombrudd innen kunstig intelligens gjennom tiltak som konsentrerer investeringene og tar store økonomiske sjanser. Gjennom CLAIRE har vi også 54

«For at det skal bli mulig for Norge å kople seg på utviklingen innen kunstig intelligens i Europa, må vi etablere nasjonale initiativ som passer inn i og retter seg mot Europa og europeiske satsinger.» Morten Irgens og Christen Krogh

etablert Adra (The AI, Data and Robotics Association) som rådgir EU-kommisjonen om strategi. Spesielt har vi arbeidet for at europeiske nasjoner bør etablere en sterk, uavhengig forsknings- og innovasjonsorganisasjon innen kunstig intelligens, med tilknyttede regionale satellitter. Europas historie med å komme sammen i motgang er veldokumentert. Etter andre verdenskrig, da det meste av forskningen innen partikkelfysikk var i USA, etablerte europeiske land forskningsorganisasjonen CERN. Etter Apollo-programmets slutt foregikk det meste av romforskningen og -utviklingen i USA og Sovjetunionen – og Europa etablerte European Space Agency (ESA). Da amerikanske selskaper dominerte flyindustrien, etablerte europeiske land i fellesskap Airbus. Dette er vitnesbyrd om vår evne til å stå sammen til felles beste, og at våre storstilte satsinger kan lykkes og få global betydning. Europa trenger et CERN eller et ESA for kunstig intelligens. Dette bør være svært godt finansiert, ha verdens beste infrastruktur og bli et fyrtårn for fremragende forskning og verdiskaping; et fyrtårn som trekker til seg de beste hodene og kjører de mest ambisiøse prosjektene. CERN-modellen er interessant fordi forskere drar til CERN for å jobbe i korte eller lange perioder med store, koordinerte og svært ambisiøse prosjekter, for deretter å ta sin nye kunnskap og nettverk med seg tilbake til sine egne land og institusjoner. Det betyr at CERN-modellen både konsentrerer og sprer ekspertise. Norge bør arbeide politisk og økonomisk for at dette skjer, selv om en slik organisasjon ikke blir lagt til Norge eller Norden. Det er nettopp de nasjonale interessene i Europa som har stanset store paneuropeiske initiativet for samordnede satsinger. For at det skal bli mulig for Norge å kople seg på utviklingen innen kunstig intelligens i Europa, må vi etablere nasjonale initiativ som passer inn i og retter seg mot Europa og europeiske satsinger. Dagens norske strategi for kunstig intelligens gjør ikke det. Regjeringen har satt av 200 millioner kroner i fem år fremover til forskning og innovasjon innen kunstig intelligens, som Forskningsrådets styre har bestemt at skal brukes til å finansiere flere forskningssentre rundt om i Norge. For det første reflekterer dette den samme fokuseringsvegringen som EU har vist. For det andre er midlene for små. Per capita er det omtrent halvparten av den føderale tyske satsingen. For det tredje ligger det ingen helhetlig tenkning eller strategi bak satsingen. Den har for eksempel ikke noe mål om å bidra til en nordisk eller europeisk koordinert innsats. For det fjerde skal bare en del av midlene brukes til teknologiutviklende forskning. Forskning på konsekvenser og bruk av teknologien er viktig, men bidrar ikke til å styrke Norges teknologiske suverenitet (og vil heller ikke KI i møte med menneske

påvirke teknologiutviklingen i USA og Kina). Og så kan vi legge til at investeringen kommer farlig sent. Det har lenge, lenge vært klart for mange at kunstig intelligens er en svært viktig teknologi. Vi kan hvis vi vil De industrielle revolusjonene viste oss at teknologisk suverenitet, altså evnen til å utvikle teknologi på egen hånd eller gjennom samarbeid med pålitelige partnere, er grunnleggende viktig for et lands økonomiske og strategiske suverenitet. Det vil styrke vår teknologiske suverenitet, hvis vi arbeider aktivt bilateralt med våre naboland for å gjøre Norden til en foregangsregion i Europa, og hvis norske aktører i større grad kommer på banen. Mens Novo Nordisk Fonden i Danmark investerer over en milliard kroner i en av verdens mest avanserte datamaskiner for kunstig intelligens, og Sveriges Wallenbergfondet bruker omtrent seks milliarder kroner på forskning relatert til kunstig intelligens, er det ingen tilsvarende privat satsing i Norge. Selv om DnB, Telenor og Equinor i 2023 hadde til sammen et overskudd på om lag 470 milliarder kroner, ser vi ingen betydelig satsing på å styrke norsk forskning og innovasjon innen dette viktige området. Oljefondets investeringer i teknologi er derimot substansielle; i 2023 hadde de en markedsverdi på enorme 1,6 trillioner kroner. Imidlertid var disse investeringene overveiende i Europas argeste konkurrenter: Åtte av de ti største enkeltinvestering ene til oljefondet var i de amerikanske og asiatiske teknologiselskapene NVIDIA, Apple, Microsoft, Tesla, Amazon, Google-eier Alphabet, Facebook-eier Meta og Taiwan Semiconductor Manufacturing Co. Oljefondets investeringer i Microsoft alene hadde i 2023 en verdi på nesten 360 milliarder kroner. Det er tverrpolitisk enighet blant de største partiene i Norge om at Oljefondets investeringer ikke skal benyttes politisk. Men det er nettopp det som er resultatet når fondets er en viktig investor i selskaper som underminerer europeisk teknologisk suverenitet. Kanskje ville fondets virksomhet vært viktigere for Norges framtidige velferd hvis de investerte aktivt i europeisk teknologiutvikling.

Del 3: En styrke for norsk arbeidsliv

KI i møte med menneske

av Even Bolstad Leder i HR Norge

«Nytt arbeidsliv» betyr endring Sammendrag: Teksten diskuterer utfordringer og muligheter knyttet til kunstig intelligens (KI) og andre teknologiske endringer i arbeidslivet. Even Bolstad påpeker at endringer kan være smertefulle, men også åpne for nye muligheter. KI har potensial til å effektivisere arbeid og forbedre kvaliteten på oppgaver. Det er viktig å lede og håndtere endringer på en god måte, da motstand mot endring kan være naturlig. Historiske eksempler, som luddittene, viser at det er typisk med motstand mot teknologisk endring, men viser også hvordan samfunnet til slutt tilpas ser seg og skaper nye muligheter. Teksten understreker betydningen av å se helhetlig på endringer i arbeidslivet, inkludert utfordringer knyttet til kom petanse, endringsledelse og samarbeid mellom ulike aktører. Til slutt peker Bolstad på Norges sterke posisjon i internasjonal konkurranse, men advarer om faren ved å bli for selvgode og ha motstand mot endring. Å omfavne teknologiske endringer, inkludert KI, kan være nøkkelen til å opprettholde et konkurransedyktig arbeidsliv og sikre bærekraftige jobber og lønninger. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

«Nytt arbeidsliv» betyr endring

De fleste endringer har i seg noe vondt og mye godt. Slik er det også med bruk av kunstig intelligens. Problemet er at det vonde ofte kommer før det gode, at det ikke går i pluss for alle, og at mange av oss både er litt fanget i fortiden og søker tryggheten og komforten gjennom å fortsette slik det er i dag.

ndring handler om ledelse, utvikling og involvering. Av og til kommer endring som konsekvens av solide analyser, bred oppslutning og målrettede tiltak. Ofte kommer likevel endring først når det butter, og krisen oppleves tilstrekkelig akutt. Eller det skjer teknologiske innovasjoner som plutselig åpner nye muligheter. Kunstig intelligens er en slik mulighet. Det er umulig å vite hvor stor effekt KI vil ha, men de fleste anslag går i retning av at det vil kunne rasjonalisere bort rundt 30 prosent av oppgavene vi fyller arbeidsdagen med. Minst like viktig er det antakelig at kvaliteten på det som gjøres, kommer til å øke, som igjen kan gi oss løsninger på faglige utfordringer som frem til nå har fremstått som uløselige. Kunstig intelligens på veien mot et nytt arbeidsliv betyr derfor både å lede og skape endring gjennom godt og tydelig lederskap. «Det går helst godt» – selv når du står til knes i dritt I løpet av 1800-tallet vokste det frem storbyer, ikke bare i Europa, men over hele verden. Mye av transporten, både av varer og mennesker, ble utført med hest og kjerre. Dermed økte også avfallsproblemene. Det ble gjort troverdige framskrivninger hvor man først bokstavelig talt kom til å stå til knes i dritt, og etter hvert drukne. I tillegg kom selvsagt alvorlige sanitære og miljømessige problemer, inkludert dårlig luftkvalitet og spredning av sykdommer. I 1898 møttes alle verdens største byer til den første internasjonale urbane planleggingskonferansen i New York, hvor møkkaproblemet sto i sentrum. Men da de forlot hverandre, var det ingen som så noen klar løsning på problemet. Redningen kom gjennom alle de teknologiske fremskrittene som var rett rundt hjørnet, og ikke minst av at bilen gradvis erstattet hestetransport og eliminerte problemet med hestemøkk. Løsningen på én krise, fører oss lett over i den neste. Det som byplanleggerne balet med på slutten av 1800-tallet, ordnet seg nærmest av seg selv. Riktignok har

bilkjøring bidratt til luftforurensning og avhengighet av fossilt brennstoff, som man ikke så konsekvensene av på det tidspunktet, men vi druknet i hvert fall ikke i dritt. Demografi er den neste varslede krisen Teknologien som reddet byene, er en del av den globale velstandsveksten, som igjen har gjort det mindre nødvendig å produsere barn for å ha noen til å ta vare på deg når du blir gammel. Mer effektiv prevensjon har gjort det mulig. Som konsekvens av dette synker fertilitetsraten, det vil si hvor mange barn som fødes per kvinne. I Norge snudde utviklingen på midten av 60-tallet, da fødselskullene for første gang begynte å falle. Likevel har vi klart oss relativt godt. Gode velferdsordninger har holdt kullene ganske høye, samtidig med at vi har mobilisert den enorme arbeidskraftressursen som lå i få kvinnene ut i arbeidslivet. I tillegg gjorde oljealderen Norge til et attraktivt land for utenlandsk arbeidskraft. Der hvor flyttestrømmene tidligere gikk ut av Norge, var det vi som fikk dekket vårt arbeidskraftbehov gjennom flinke og arbeidsvillige utlendinger som dekket vårt arbeidskraftunderskudd. Oljealderen medførte at vi klarte å holde sysselsettingen oppe, og sterk norsk økonomi gjorde oss til «annerledeslandet» hvor valutaen var sterk og gjorde norske lønningsposer attraktive for utlendinger. Og når det oppsto kriser som slo hardt inn i andre land, glattet vi ut kurvene – ikke bare gjennom å bruke mer offentlige penger, men også ved å bruke utenlandsk arbeidskraft som støtpute. Demografien kalles «Den neste store varslede krisen». At den er varslet, betyr ikke nødvendigvis at den er forstått. Nå går de store kullene fra 60-tallet ut i pensjon, og vi skal i tillegg skal håndtere alt fra global klimakrise og mindre tillit, til globale forsyningskjeder. Samtidig trenger Forsvaret å ruste opp mot en mer aggressiv nabo, utkantkommunene sliter med enda mer skjev alderssammensetning enn rundt byene, et stadig mer presset helsevesenet klarer verken å skaffe nok varme hender eller å bemanne alle de jobbene som skal gjøre det mulig å nyttiggjøre seg mulighetene som ligger i teknologiske og medisinske fremskritt. Gro Harlem Brundtlands observasjon om at «alt henger sammen med alt» er minst like gyldig i dag som den gangen. Forstår vi problemet? Når vi i HR Norge deltar i store internasjonale undersøkelser, er det slående hvordan norske og nordiske ledere setter søkelys på de samme utfordringene som deres utenlandske kolleger gjør. Undersøkelsen «Creating People Advantage» (CPA) ble gjennomført i samarbeid mellom konsulentselskapet BCG og HR Norges verdensorganisasjon WFPMA. Begrepet «talent», tolket som både nok folk og de riktige folkene, kom ut som den største utfordringen for nesten alle land. Det var ikke overraskende. Slik har det vært i mange år. Problemet er adressert, men uten å bli løst. Det som overrasket oss enda mer på tolkningstidspunktet, var imidlertid at forhold knyttet til teknologi kom ut lavere enn hva vi hadde trodd på forhånd. Jeg tror løsningen på hvorfor teknologifokuset var relativt lavt, forteller oss om minst tre ting. KI i møte med menneske

Vi tenker for lite på tvers – og henger igjen i slik ting var tidligere I CPA henvendte vi oss primært til HR-ledere. Vi vet at HR fokuserer mest på forhold direkte knyttet til «mennesker», som i seg selv har mye positivt i seg. Problemet er imidlertid at dette kan gå på bekostning av å se ting i helhet. Vi vet også at vi spiller best med «godfoten». «Den som bare har hammer som verktøy, har lett for å definere alle problemer som spiker», uttrykte Maslow det. Dette bekreftes også av CPA-respondentene. Både i Norge, Norden og verden for øvrig definerer vi oss som dyktigst på det som tradisjonelt sett alltid har vært definert som viktig. For HR inkluderer dette forhold knyttet til «personal», som også tradisjonelt er tema, og som tar mest tid i samarbeidet mellom HR og tillitsvalgte. Hvis det stemmer, kan det bety at de ekstremt tette og gode samarbeidsrelasjonene, og den store graden av avtalebasert medinnflytelse i norsk arbeidsliv – og arbeidsinnsatsen som skal til for å levere på dette – også kan ha en skyggeside. Hvis vi spiller med godfoten hele tiden, men utfordringene plutselig endrer seg, kan det bli et vanskelig skifte. Dersom vi kun har søkelyset på det vi er gode på, kan vi risikere å gå glipp av det som skjer rundt oss. Dermed går vi også glipp av mulighetene som ligge i nye utfordringer. Vi bør utfordre oss selv til å søke kunnskap og tenke kryssfaglig, og sørge for at det blir styrende for hva vi fokuserer og gjør. Hvis dette er et problem for HR, er det antakelig et minst like stort problem for fagforeninger og tillitsvalgte. De i front ser lengst frem – mens de som jobber sammen, når beste resultater Gruppen som designet CPA, var ekstremt ressurssterk. Den besto av dyktige og intelligente mennesker, med solid teoretisk ballast fra en lang rekke fagfelt, i kombinasjon med praktisk erfaring og innspill fra alle verdensdeler. I sum ga det et enormt godt utgangspunkt for å tenke helhetlig, med langlysene på. De som svarte, var også toppfolk. Det var dyktige ledere i ansvarsfulle posisjoner. Mange var like godt kvalifisert som de enkeltindividene som fikk mulighet av å tenke sammen. Uten samme mulighet for å sparre, modne tanker over tid og på den måten utfordre både seg selv og hverandre før man krysset av på et skjema, ble man likevel hengende etter i å tenke strategisk. Dersom man i neste runde skal snu seg rundt og skape oppslutning om nye tanker som utfordrer det bestående, blir det fort strekk i laget. Fagbevegelsen har mange gode eksempler på at de har gått i front, men har først i ettertid skjønt hvor viktig og riktig det var å satse og prioritere som de gjorde. Ett eksempel er da man lanserte «From employment to employability». Det var disse tankene som senere ble til det som i dag er bestemmelsene i Hovedavtalen om finansiering av og permisjon for kompetanseutvikling. Nettopp med en slik historie i bunn, er det – flere tiår senere – en solid skuffelse å få presentert funn fra YS’ arbeidslivsbarometer som viser at «folk flest» verken ser særlig behov eller har særlig interesse av å investere egen tid og energi i kompetanseutvikling. 62

Innovasjoner skaper momentum – på samme måte som kriser gjør det Kunstig intelligens er ikke noe nytt. Likevel har verken ledere eller folk flest hatt forståelse av konsekvensene, eller kunnskap om mulighetene som følger med. Konsekvensene av dette så vi til fulle med CPA, hvor datainnsamlingen fant sted både før, under og etter at ChatGPT ble lansert og KI kom på alles lepper. Da vi tolket dataene, fikk vi dermed også muligheten til å splitte dataene på før og etter KI. I tiden for datainnhenting, ser vi imidlertid et kraftig skifte i hvor høyt respondentene rangerer teknologi som viktig for utviklingen av HR og arbeidslivet. De siste dataene som ble hentet inn, vitner om en brå og tydelig utvikling i perioden. På samme måte så vi for eksempel at koronakrisen bidro til å åpne øynene for mulighetene og bane vei for et mer fleksibelt og hybrid arbeidsliv. Kompetanse og kapabilitet Parallelt, og uavhengig av denne kvantitative og globale undersøkelsen, gjennomførte HR Norge dybdeintervjuer med de øverste HR-lederne i 50 av de 100 største norske virksomhetene. Dette var et viktig grunnlag til rapporten «Hva holder direktørene våkne om natten?», som ble lansert under Arendalsuka 2023. Metoden vi fulgte, var først å spørre om hva som var virksomhetenes største utfordringer, hva som var HR-avdelingens utfordringer med å levere på virksomhetenes behov, og deretter hva man gjorde rent praktisk og hva man så for seg å gjøre fremover. Ikke overraskende kom «kompetanse» ut som nummer én på bekymringslisten, og det med god margin. «Kostnader» kom også høyt, særlig drevet frem av respondenter fra offentlig sektor. Ved å ettergå funnene fant vi at det mange egentlig adresserer som en utfordring, isolert sett ikke er «kompetanseutvikling» eller «kompetansetilgang». Det er heller en bredere problemstilling knyttet til hva som ofte beskrives som «kapabilitet», og hvor kompetanse er én av flere måter å dekke behovet for å få ut det man trenger i andre enden. Med det som utgangspunkt, er det på vei et betydelig skifte av perspektiv. Det går fra å ha et nokså sidetungt søkelys på det relasjonelle knyttet til mennesker («people») og utvikling av ledere, til også å ta et mer helhetlig perspektiv. De siste årene har dette gått fra å inkludere lederskap generelt («leadership»), kulturutvikling og klassiske relasjonelle ferdigheter, til også å inkludere fagfelt som analyse, organisasjonsdesign og logistikk. Videre ønsker man å skape mer fleksibilitet i samspillet med kompetansen som finnes hos underleverandører og partnere, så vel som nye, smidige («agile») organisasjonsformer. Til dette kommer samspillet mellom teknologi og mennesker, hvor kunstig intelligens nå i stadig større grad fremstår som noe som vil endre arbeidslivet for alltid. Endring og endringsmotstand Tenk deg 150 år tilbake i tiden – til et skittent industrilokale ved Akerselva, hvor Myrens Mekaniske Verksted holdt hus. På sitt største sysselsatte Myrens mer enn 1000 ansatte. I dag er Myrens Mekaniske Verksted historie. Det er lett å forestille KI i møte med menneske

seg den dype fortvilelsen som preget livene til alle de enkeltpersonene som jobbet der, familiefedre som hadde en familie å brødfø da jobbene forsvant. Både familiene og alle andre som var tilknyttet verkstedet, var en del av det økosystemet som en slik virksomhet utgjør. Ned Ludd og luddittene Luddittene var en bevegelse av engelske tekstilarbeidere og håndverkere på begynnelsen av 1800-tallet. De protesterte mot endringene som den industrielle revolusjonen førte med seg, og følte at revolusjonen truet deres levebrød. Dette var en tid hvor tradisjonelle håndverksfag ble truet av innføringen av maskiner som kunne produsere varer raskere og billigere enn menneskehender. Bevegelsen fikk sitt navn fra en mytisk figur ved navn Ned Ludd, som angivelig ødela to strikkemaskiner i et raserianfall. Han var opphavet til «ludditt» som navn på bevegelsen, og symbol på motstand mot industrialiseringen. Luddittene organiserte seg i hemmelighet og utførte nattlige aksjoner der de brøt seg inn i fabrikker for å ødelegge maskinene som de anså som trusler mot deres arbeidsplasser. Luddittene tapte kampen. Likevel viser historien i all sin brutalitet de dyptgående sosiale og økonomiske spenningene som i ytterste konsekvens har fulgt med dyptgripende endringer. Luddittenes historie er et tidlig eksempel på arbeidermotstand mot automatisering og industrielle effekter på arbeidsmarkedet. I ettertid har «ludditt» blitt brukt for å beskrive personer som motsetter seg teknologisk endring eller innovasjon. Den kollektive fornuften tilsier at å ta i bruk KI er både nødvendig og fylt av muligheter. KI er kommet for å bli, og virksomhetene kommer til å gripe mulighet ene med begge hendene, innenfor juridiske og etiske rammer. Hvis ikke, taper de i konkurransen med andre. Konkurransen er i stadig større grad internasjonal, samtidig som offentlig og skjermet sektor utfordres i å levere med samme produktivitet som det konkurranseutsatt sektor er nødt til. At konkurransen er internasjonal, betyr også at vi ikke kan legge juridiske rammer for norske virksomheter som er vesentlig annerledes enn det som uansett kommer via EU. I tillegg vet vi at de virksomhetene som oppfattes som vellykket og i front, også stiller langt sterkere i kampen om kompetansen. På den måten kan det å ikke utvikle en sterk endringskultur, med endringskompetanse og pådriverkraft, i seg selv kunne skape en selvforsterkende, negativ effekt. Hvis du spør tippoldebarna til dem som mistet jobben på Myrens Mekaniske Verksted, jobber de kanskje i dag ved det som er Myrens Industripark – med langt høyere produktivitet og verdiskaping enn forfedrene hadde forutsetning for, i godt lønnede jobber og med utviklingsmuligheter og arbeidsforhold som var utenkelige for den industriarbeideren som i sin tid svettet i samme lokaler. Samtidig kan det hende at nettopp denne etterkommeren er den som i dag ligger våken om natten, og bekymrer seg for hvorvidt jobben som filmskuespiller, journalist eller HR-konsulent er liv laga når KI gjør sitt inntog. 64

Endringsskepsis er helt naturlig, kanskje er vi litt ludditter innerst inne alle sammen. Men om vi som politikere, ledere, tillitsvalgte eller enkeltpersoner ønsker å lære av historien, stoler på norske samfunnsverdier og vil det beste for oss selv, kolleger og barnebarn, så bøyer vi nakken, ser etter muligheter, går i front og leder an på en positiv måte. En viktig de av et slikt lederskap er å sørge for nye muligheter for dem som berøres, og nødvendig sikkerhetsnett for dem som sliter mest. Se mulighetene – så tar vi problemene etter hvert KI og arbeidslivet handler ikke primært om teknologi alene. Først og fremst handler det om å løse store utfordringer og skape muligheter for samfunnet og den enkelte virksomhet. Samtidig gir økt verdiskapingen mulighet for bedre arbeidsplasser, høyere lønn og kanskje også mer fritid for den enkelte. KI handler derfor ikke mest om problemer, selv om utfordringene er både store, komplekse og kompliserte. Utfordringer må håndteres. Når jeg spør ChatGPT om hva som er de største utfordringene med AI og arbeidslivet, er det første punktet jobbtap og redusert jobbsikkerhet. Jeg får samtidig en påminnelse om at KI også kommer til å skape mange nye jobber, selv om det ikke var en del av spørsmålstillingen. Deretter listes blant annet mulighet for økende lønnsforskjeller, etterspørsel etter andre ferdigheter og rettslige spørsmål knyttet til blant annet personvern. Listen over utfordringer er selvsagt mye lengre enn det. Ett eksempel er hvordan rådgivere, advokatfirmaer og andre som lever godt av å selge middels avansert innsikt, kan måtte endre hele verdiskapingsmodeller. Noen tjenester blir billigere, mens andre faller bort. Når etterspørselen dreies mot det avanserte og automatiserte, blir det for eksempel vanskeligere å fakturere og få lønnsomhet fra det som i dag er typiske opplæringsstillinger. Dette er eksempel på utfordringer som de færreste så eller tok inn over seg for bare et par år siden. Nå er de helt sentrale premisser i strategidiskusjonene, og mange er allerede i ferd med å treffe gode tiltak. «A crisis is a too good opportunity to go to waste», er det sagt. Endring handler ofte om passe blanding av press og muligheter, og av hastighet. Fokuserer vi mest på problemene, vil de bare øke i omfang og dermed gjøre endringsprosessen mer smertefull enn nødvendig og redusere mulighet for gevinst i den andre enden. Norske utfordringer og muligheter Norge har et av verdens beste arbeidsliv. På internasjonale undersøkelser scorer vi skyhøyt på blant annet faktorer som samarbeid, involvering og relasjoner mellom arbeidsgivere og arbeidstakere. Kompetansen er jevnt god, og vi har en rik og raus stat som stiller opp i vanskelige omstillingsprosesser, både for virksomheter og for den enkelte. Vi er verdensmestere i tillit, som også preger dialogen helt fra det som skjer i direkte mellom leder og ansatt, mellom HR og tillitsvalgte og helt opp til det som skjer på politisk nivå. Vi vil hverandre vel her i landet, og vi stoler i større grad enn noen andre land også på at andre vil oss vel. Samtidig er det også noe av dette som bekymrer norske toppledere aller mest. Vi har gått fra å være gode til selvgode, har gått inn i komfortsonen, og er ikke så KI i møte med menneske

sultne og endringsorientert som i andre land. Endringsledelse handler også om en fin balanse mellom det å dyrke bekymring og utfordre status quo, samtidig som vi viser vei mot en bedre fremtid, bygger kompetanse og ikke tillater oss selv eller andre i å fryse fast i gamle måter å løse nye utfordringer på. Paradokset er at de som gjør det bra, ofte er de samme som har minst evne til å skape forutsetninger for å få det bra i fremtiden. Det kan skyldes manglende endringsforståelse eller ren endringsmotstand – ofte i kombinasjon. Dette gjelder enten vi snakker om nasjoner, bransjer, virksomheter – eller om enkeltpersoner. «Tillitsvalgte er ikke en del av virksomhetsledelsen, men klart en del av lederskapsstrukturen», sa tidligere toppsjef i Orkla Jens P. Heyerdahl. Dette er et presist uttrykk for hvordan mange toppledere i Norge tenker. Tillitsvalgte er nettopp det som ligger i ordet: resultat av valg – bygget på tillit. Med det er de også ledere formelt med formell rett og plikt til å binde sine egne – i samspill med all den relasjonelle makten som ligger i å være vist tillit av sine egne og i å utøve lederskap ut over hva som følger av noe formelt organisasjonshierarki. Parats strategiplan uttrykker dette på en forbilledlig måte: Parat ønsker at norsk arbeidsliv fortsatt skal stå seg sterkt i den internasjonale konkurransen, og konstaterer at det betyr at vårt arbeidsliv kontinuerlig må sikre at man bruker de mest effektive arbeidsmetoder og den best tilgjengelige teknologi. Det er denne typen arbeidsliv som vil ha bærekraft til å opprettholde et godt lønnsnivå og trygge arbeidsplasser. At en fagforening formulerer visjon, rolle og oppdrag som dette, er ganske unikt internasjonalt. Tilsvarende formulerer også norske virksomhet sitt forhold til tillitsvalgte på en måte som ville være fremmed andre steder. Kanskje er dette kjernen i Den norske modellen. I så fall går introduksjonen og utnyttelse av de mulighetene som ligger i AI, rett inn i kjernen av det vi som medarbeidere, tillitsvalgte, HR og andre ledere står foran og kan utnytte – til beste for virksomhetene, samfunnet og arbeidstakere.

av Tor Wallin Andreassen Professor i innovasjon ved Norges Handelshøyskole

Generativ KI: fremtidens arbeidskraft Sammendrag: Generativ KI er på vei til å forandre arbeidsmarkedet ved å automatisere opp til 70 prosent av forretningsaktiviteter, skriver Tor Wallin Andreassen. Denne teknologien frigjør tid fra rutinemessige oppgaver og åpner for mer meningsfullt arbeid ved at man styrker de ansatte. Den har allerede funnet veien inn i dagligdagse verktøy og krever minimal opplæring. Generativ KI revolusjonerer ulike sektorer, som helsevesen og finans, ved å forbedre presisjonen i helseinngrep, gi presise finansielle risikoanalyser og optimalisere produksjonsprosesser. I Norge, en kunnskapsøkonomi, blir det nødvendig med omskolering og oppdatering av ferdigheter for å møte de nye kravene til arbeidsstyrken. Implementering av generativ KI krever nøye vurdering og tilpasning til organisasjonenes behov og mål, med søkelys på å engasjere og utvikle arbeidsstyrken for å sikre suksess. Sammenfattet av KI-tjenesten OpenKI, kvalitetssikret av Parat.

KI i møte med menneske

Generativ KI: fremtidens arbeidskraft

Generativ kunstig intelligens (Gen KI) er i ferd med å revolusjonere arbeids markedet. Med et potensial til å automatisere opptil 70 prosent av forret ningsaktiviteter, representerer Gen KI en betydelig forandring i hvordan arbeid utføres.

n rekke yrker, særlig de med rutinemessige oppgaver, står overfor risikoen for automatisering. Imidlertid, som Stanford Graduate School of Business påpeker, kan Gen KI også forbedre arbeidstakeropplevelsen ved å redusere tidkrevende oppgaver som møter, og frigjøre tid til mer meningsfullt arbeid. Denne teknologien, som er lett tilgjengelig og krever minimal opplæring, har allerede funnet veien inn i dagligdagse verktøy, noe som tyder på en rask integrasjon i arbeidslivet. Mens Gen KI bærer potensialet for effektivisering og innovasjon, medfører det også utfordringer. Arbeidstakere kan frykte erstatning, men ledere har en viktig rolle i å dempe denne frykten ved å fremheve teknologiens mulighet til å forbedre og utvide eksisterende roller. For å navigere i denne overgangen, må organisasjoner nøye vurdere Gen KIs styrker og svakheter i forhold til sine strategiske mål. Ledere bør ikke bare tenke på implementeringen av Gen KI, men også på å utvikle de nødvendige ferdighetene og evnene hos sine ansatte for å holde tritt med denne teknologiske utviklingen. Ved å gjøre dette kan de omfavne Gen KI som et verktøy for forbedring og innovasjon, i stedet for en trussel mot arbeidsstyrken. Hva er Generativ KI? Gen KI representerer en banebrytende utvikling i KI-teknologi. I motsetning til tradisjonell KI, som er programmert til å følge spesifikke regler og algoritmer, har Gen KI evnen til selvstendig å skape nytt og relevant innhold. Denne typen KI lærer fra store datasett og kan skape tekst, bilder, musikk – og til og med kode. Kjerneegenskapene til Gen KI inkluderer selvlæring og tilpasning. Gen KI-systemer er designet til å lære fra interaksjoner, forbedre seg over tid og tilpasse seg nye situasjoner. Dette gjør dem ekstremt verdifulle i dynamiske arbeidsmiljøer hvor fleksibilitet og evnen til kontinuerlig læring er avgjørende. I helsevesenet har Gen KI vist seg å være en revolusjonerende kraft. Fra å bistå med å utarbeide personaliserte behandlingsplaner til å forbedre nøyaktigheten i diagnostiske prosedyrer, utnytter Gen KI store mengder medisinske data for å gi mer presise

og effektive helsemessige inngrep. Innen finans har Gen KI forbedret kapasiteten for risikoanalyse, effektivisere arbeidet med svindelforsøk og automatisert mange aspekter av kundeservice. Dette har resultert i økt effektivitet og reduserte kostnader for finansinstitusjoner. I produksjonsindustrien bidrar Gen KI til å optimalisere produksjonsprosesser, forbedre vedlikeholdsplanlegging og fremskynde design av nye produkter. Ved å bruke prediktive analyser kan Gen KI forutse maskinfeil og redusere nedetid, noe som fører til høyere effektivitet og lavere kostnader. Gen KI forvandler også detaljhandelen ved å tilby personaliserte kundeopplevelser og forbedre lagerstyringen. Systemer utstyrt med Gen KI kan forutsi kjøpsatferd og optimalisere lager beholdningen, noe som resulterer i en mer effektiv drift og forbedret kundetilfredshet. Utviklingen av KI Kunstig intelligens har sine røtter i midten av det 20. århundre, med pionerer som Alan Turing som utforsket grunnlaget for maskinintelligens. Tidlige KI-systemer var sterkt regelbasert, avhengige av forhåndsprogrammerte instruksjoner for å utføre spesifikke oppgaver. Gjennom årene utviklet KI seg gradvis, fra enkle, regelbaserte systemer til mer sofistikerte modeller som maskinlæring, hvor systemene kunne lære fra data og forbedre sin ytelse over tid. Overgangen fra tradisjonell KI til Gen KI markeres av introduksjonen av maskin læring og senere, dyp læring. Disse tilnærmingene tillot systemene å lære fra store mengder data og gjøre forutsigelser eller skape nytt innhold basert på denne læring en. Denne overgangen var ikke bare en teknologisk revolusjon, men også en konseptuell endring i hvordan vi tenker på og anvender KI. Noen av de mest bemerkelsesverdige gjennombruddene i Gen KI inkluderer utviklingen av nevrale nettverk, som imiterer den menneskelige hjernens funksjoner, og den økende tilgjengeligheten av store mengder data (Big Data). Disse utviklingene har vært avgjørende for Gen KIs evne til å lære og tilpasse seg. De siste årene har vi sett betydelige fremskritt i Gen KI, drevet av forbedringer i databehandlingskapasitet og sofistikerte algoritmer. Dette har ført til mer avanserte Gen KI-applikasjoner, som kan håndtere komplekse oppgaver som naturlig språkbehandling, bildegenerering og autonome systemer. Gen KI i en kunnskapsøkonomi Norge er en tjenestebasert kunnskapsøkonomi, hvor 80 % av arbeidsstokken er sysselsatt. Her spiller Gen KI en stadig viktigere rolle. Denne teknologien påvirker ulike sektorer ved å automatisere og effektivisere arbeidsprosesser, samtidig som den bidrar til mer avanserte beslutningsprosesser. Kunnskapsarbeidere i Norge omfavner Gen KI for å effektivisere rutinemessige oppgaver, noe som frigjør tid til mer komplekse og kreative oppgaver. Gen KI-verktøy forbedrer også dataanalyse, som er essensielt i en kunnskapsbasert økonomi, og som stimulerer innovasjon og nytenking. Den teknologiske endringen krever tilpasning fra arbeidsstyrken. Omskolering og oppdatering av ferdigheter blir stadig viktigere for å holde tritt med nye teknologiske KI i møte med menneske

krav. Norge står overfor utfordringen med å sikre at arbeidsstyrken er forberedt på denne overgangen, ved å tilby relevant opplæring og utviklingsmuligheter. Spesifikke eksempler og anvendelser I helsevesenet bidrar Gen KI til utviklingen av mer presise diagnostiske verktøy og behandlingsmetoder. Dette kan resultere i bedre pasientbehandling og mer effektiv ressursbruk. I Norge kan for eksempel Gen KI brukes til å analysere store mengder medisinske data for å identifisere trender og mulige behandlingsmuligheter. I finanssektoren er Gen KI et verdifullt verktøy for risikostyring og svindeldeteksjon. Denne teknologien brukes også til å utvikle personlige finansielle rådgivningstjenester, noe som kan forbedre kundeopplevelsen og øke effektiviteten. I utdanningssektoren muliggjør Gen KI tilpassing av læreplaner og personlig tilpasset læring. Dette er spesielt relevant i Norge, hvor det er en økende oppmerksomhet på livslang læring og kontinuerlig ferdighetsutvikling. Økonomiske og organisatoriske effekter av Gen KI Gen KI fører til en betydelig økning i produktivitet ved å effektivisere arbeidsprosesser og forbedre beslutningsprosedyrer. Denne økningen i effektivitet oversettes direkte til høyere produktivitetsnivåer over hele organisasjonen. Videre bidrar Gen KI til kostnadsreduksjon ved å automatisere tidkrevende og rutinemessige oppgaver, noe som frigjør ressurser som kan omdisponeres til mer verdiskapende aktiviteter. Gen KI har en dyptgående effekt på arbeidsroller. Den skifter fokus mot kreativitet, innovasjon og strategisk tenking, og endrer tradisjonelle jobbroller. Dette krever en tilpasning i både ferdigheter og tankesett. Bedrifter som raskt adopterer Gen KI, kan oppnå betydelige konkurransefortrinn, inkludert forbedret kundeopplevelse, økt markedsandel og evnen til raskt å reagere på markedsendringer. For eksempel: En norsk finansinstitusjon som implementerte Gen KI for svindel deteksjon, opplevde en betydelig reduksjon i svindelsaker og forbedret kunde service. Internasjonalt har en teknologigigant brukt Gen KI til å forbedre sine produktutviklingsprosesser, noe som resulterte i raskere innovasjon og bedre markedsrespons. Disse case-studiene viser både utfordringene og lærdommene ved implementering av Gen KI, og fremhever viktigheten av strategisk planlegging og medarbeiderengasjement. Utvikling av humankapital i en KI-drevet økonomi I en økonomi som stadig mer blir drevet av Gen KI, blir utviklingen av ferdigheter hele tiden viktigere. Dette inkluderer ikke bare tekniske ferdigheter for å håndtere og utnytte KI-teknologi, men også myke ferdigheter som kritisk tenkning, problemløsning og tilpasningsevne. Evnen til å forstå og anvende Gen KI er avgjørende for å utnytte dets potensial i ulike industrielle og tjenesteytende sektorer. Kontinuerlig utdanning og opplæring blir en kritisk faktor for suksess i en KI-drevet fremtid. I Norge, med sin sterke vekt på utdanning og kompetanseutvikling, er det viktig å innlemme KI- og Gen KI-relaterte fag i utdanningssystemet, samt å tilby 70

voksenopplæring og omskolering for å holde tritt med de raskt skiftende teknologiske landskapene. Forståelsen av Gen KI og evnen til å bruke det blir stadig viktigere. Arbeidsstyrken må tilpasse seg nye verktøy og metoder, noe som kan medføre betydelige endringer i jobbroller. Noen tradisjonelle jobber kan bli automatisert, mens nye roller vil oppstå, spesielt innen KI-forvaltning, dataanalyse og systemutvikling. I Norge ser vi allerede initiativer som setter søkelys på å utvikle Gen KI-kompetanse, som spesialiserte kurs på universiteter og yrkesopplæringsprogrammer. Internasjonalt ser vi lignende trender, med land som investerer betydelig i utdanningsprogrammer og partnerskap mellom industrien og utdanningsinstitusjoner for å fremme KI-kunnskap og -ferdigheter. Etiske, juridiske og sosiale implikasjoner av Gen KI Bias i KI-systemer, spesielt i Gen KI, kan oppstå på flere nivåer, inkludert i dataene de trenes på, i algoritmene selv, eller i tolkningen av KIs utdata. Dette blir et betydelig etisk problem når KI brukes til å ta avgjørelser som påvirker menneskers liv, som i rekrutteringsprosesser, kredittvurdering eller juridiske beslutninger. Når KI brukes i utvelgelsen av mennesker, for eksempel i rekruttering, kan bias i systemene føre til urettferdige og diskriminerende praksiser. Dette kan resultere i at kvalifiserte kandidater overses på grunn av fordomsfulle data eller algoritmer som ikke adekvat reflekterer mangfoldet i samfunnet. For å minimere bias i KI, er det nødvendig å iverksette flere strategier. Dette inkluderer å sikre mangfold og representativitet i treningsdata, utvikle etiske algoritmer som bevisst tar hensyn til mulig bias, og kontinuerlig overvåkning og revisjon av KI-systemer for å identifisere og rette skjevheter. Regulatoriske rammeverk spiller en nøkkelrolle i å håndtere KI-bias. Dette kan innebære lovgivning som setter standarder for etisk KI-utvikling, retningslinjer for transparent og ansvarlig bruk av KI og mekanismer for å overvåke og rapportere om KI-systemers virkninger. KI-bias har betydelige samfunnsmessige implikasjoner, spesielt når det gjelder sosial rettferdighet og like muligheter. Det er viktig å anerkjenne og adressere disse problemene for å sikre at KI-teknologi bidrar til et mer rettferdig og inkluderende samfunn. Økende bevissthet om problemet med KI-bias blant utviklere, beslutningstakere og offentligheten er avgjørende. Utdanningsinitiativer og opplæring i etisk KI-bruk er nødvendig for å sikre ansvarlig utvikling og implementering av disse teknologiene. Strategier for implementering og skalering av Gen KI En nøkkelfaktor i vellykket implementering av Gen KI er en grundig evaluering av organisasjonens behov og potensialet for Gen KI-applikasjoner. Dette inkluderer en analyse av hvor Gen KI kan tilføre mest verdi, og hvilke prosesser som kan effektiviseres eller forbedres. Strategisk planlegging er også avgjørende, der organisasjoner må sette klare mål og definere forventede resultater fra Gen KI-implementeringen. KI i møte med menneske

En pragmatisk tilnærming til implementering er å starte med pilotprosjekter. Disse pilotene tillater organisasjoner å teste Gen KI-løsninger i en begrenset og kontrollert setting, og gir verdifull innsikt før fullskala implementering. Etter vellykkede pilotprosjekter er neste skritt å skalere og innpasse Gen KI-applikasjoner i de bredere organisatoriske arbeidsflytene og systemene. Arbeidsstyrkens engasjement er kritisk gjennom hele implementeringsprosessen. Dette innebærer opplæring og utvikling for å sikre at ansatte er komfortable med og kompetente til å bruke Gen KI-verktøy. Lederskap spiller også en nøkkelrolle i å drive endring og skape en bedriftskultur som støtter innovasjon og tilpasning til nye teknologier. Kontinuerlig overvåking av Gen KI-løsningenes ytelse og effekt er essensielt for å sikre at de oppfyller forretningsbehovene. Det er også viktig for organisasjoner å regelmessig evaluere og tilpasse sine Gen KI-strategier basert på tilbakemeldinger, ytelse og endrede forretningskrav. Fremtiden er menneske-sentrert KI Menneskesentrert KI fokuserer på å forbedre livskvaliteten ved å være intuitiv, brukervennlig og tilgjengelig for alle. Når KI-utvikling tar hensyn til menneskelige behov og etiske verdier, kan det bidra til sosial rettferdighet og likestilling, samtidig som det fremmer teknologisk innovasjon som gagner hele samfunnet. Gen KI kan fungere som en forlengelse av menneskelige ferdigheter, assistere i beslutningstaking og forsterke kreativitet og innovasjon. Potensialet for et fruktbart samarbeid mellom mennesker og KI lover en fremtid hvor teknologien komplementerer menneskelige evner, og fører til økt effektivitet og flere forbedringer i både arbeidslivet og hverdagen. Fremtidens innovasjoner i Gen KI vil sannsynligvis fortsette å fokusere på menneske sentrerte tilnærminger. Dette inkluderer utvikling av KI-løsninger som er enda mer tilpasset individuelle behov, samtidig som de adresserer større sosiale utfordringer som helsevesen, utdanning og bærekraft. Med integreringen av menneskesentrert KI kan vi forvente betydelige samfunns endringer. Arbeidsmarkedet kan tilpasse seg med nye roller og ferdighetsbehov, mens utdanningssystemer kan utvikle seg for å inkludere KI-kompetanse som en fundamental del av læreplanen. Det er avgjørende å opprettholde en balansert tilnærming til utvikling og implementering av Gen KI. Teknologiske fremskritt må balanseres med menneskelige verdier og behov. Det er en oppfordring til handling for fortsatt forskning, utvikling og diskusjon rundt menneskesentrert KI for å sikre at teknologiens utvikling gagner alle lag av samfunnet.

av Øystein Eriksen Søreide Aministrerende direktør i Abelia

Kommer kunstig intelligens til å ta over jobbene våre? Sammendrag: Gjennom 2023 har kunstig intelligens blitt et hett tema, spesielt med fremveksten av generative KI-verktøy. Mens mange er begeistret for de nye mulighetene, er bekymringer om etikk og jobbmarked også til stede. Rapporter viser at KI kan skape enorme verdier, men bruken er fortsatt lav på grunn av manglende kompetanse. t mener at ledere må forstå hvordan KI kan forbedre virksomheten, men at enkeltpersoner også må ta ansvar for å lære seg å benytte KI som verktøy. Diskusjonene om AI dreier seg nå om hvordan vi kan bruke det til samfunnets beste, og kompetanse er nøkkelen til suksess. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

Kommer kunstig intelligens til å ta over jobbene våre?

2023 ble året da vi virkelig fikk øynene opp for kunstig intelligens. Selv om mange verktøy basert på avanserte algoritmer og maskinlæring har vært tilgjengelige og i bruk lenge, er det ikke tvil om at det var såkalt generativ kunstig intelligens som virkelig åpnet øynene for mange. Kraften i disse nye verktøyene er vanskelig å overdrive.

ange har latt seg begeistre av mulighetene, både på arbeidsplassen og i fritidsøyemed. Samtidig har det heller ikke manglet på bekymringer, og som med alle verktøy, har kunstig intelligens potensial til å brukes til både godt og vondt. I sum er det likevel grunn til å være optimistisk og ta nye verktøy i bruk. En verden uten kunstig intelligens er nemlig heller ikke feilfri. Norge står overfor en rekke store utfordringer de neste årene. Vi har stadig økende offentlige utgifter, som utgjør over halvparten av landets brutto nasjonalprodukt, og en fastlandsøkonomi som ikke klarer å bære dette utgiftsnivået. Dessuten har vi en aldrende befolkning og færre yrkesaktive bak hver pensjonist. I tillegg har norsk økonomi en sårbar næringsstruktur hvor store deler av statens inntektsstrømmer kommer fra noen få ressursorienterte næringer. Videre betyr klima- og miljøutford ringene at norsk økonomi og samfunn må gjennom et grønt skifte. Dette er ikke nye utfordringer, men de er voksende, og de krever omstilling. Ny kunnskap, teknologi og innovasjonskraft gir betydelige muligheter for å løse problemstillingene vi står overfor. Uløselige problemer har blitt løselige, og nye verdiskapingsmuligheter dukker opp. Samtidig er utviklingstakten eskalerende, konkurransen hard, og Norge må raskt tilrettelegge for et innovativt og omstillingsdyktig næringsliv. Det er derfor ikke bare en risiko knyttet til å ta i bruk nye verktøy, som kunstig intelligens, det er også en betydelig risiko ved å la være. Abelia og NHO lanserte nylig en rapport fra Samfunnsøkonomisk analyse (SØA) om verdiskapingspotensialet som ligger i bruk av kunstig intelligens. Rapporten viser at økt bruk av kunstig intelligens har potensial til å gi en enorm verdiskapingseffekt de neste årene. Jo raskere vi begynner, desto større er gevinsten. Om vi venter for lenge, spises mulighetene opp av konkurranse fra andre land. Denne ekstra verdiskapingen er ikke bare viktig for norsk næringslivs konkurransekraft og produktivitetsvekst, men kan være avgjørende for å løse utfordringene som er skissert ovenfor. Jeg mener derfor at et av de viktigste grepene næringslivet kan ta de neste årene, er å ta i bruk kunstig intelligens, raskt. For vi begynner allerede å havne bakpå.

En medlemsundersøkelse fra NHO og Abelia viser at kun én av fire virksomheter har tatt i bruk kunstig intelligens. Det er heldigvis en økning siden en tilsvarende undersøkelse ble gjort blant bedriftene et halvt år tidligere (Aftenposten[1]), men det er fortsatt en altfor lav andel. Ifølge Abelias omstillingsbarometer[2] ligger Norge midt på treet internasjonalt i bruk av muliggjørende teknologier (som AI) i næringslivet, og midt på treet i digitalisering av offentlige tjenester. Har vi blitt for godt vant til å tenke på oss selv som best i klassen? Det er urovekkende få som benytter AI til å utvikle nye og konkurransedyktige løsninger. Både næringslivet og offentlig sektor må opp på et langt høyere ambisjonsnivå. Flere rapporter de siste årene har vist at det vanligste hinderet for å ta i bruk kunstig intelligens på arbeidsplassen og i virksomheten, er kompetanse og manglende innsikt i hvordan nye verktøy kan løse virksomhetenes utfordringer. Økt kompetanse og forståelse for AI er en forutsetning for å benytte seg av de mulighetene som ligger i teknologien. Det kan kreve at man tar grep – grep som kan koste. Men har vi råd til å la være? Kompetanse fra bunn til topp Som en arbeidsgiverorganisasjon er det kanskje naturlig å starte med arbeidsgiver. Økt bruk av kunstig intelligens i virksomheten kommer nemlig ikke av seg selv. Det krever kompetanse i ledelse og i styrerommet. På samme måte som digitale ferdigheter har blitt avgjørende for fremtidsrettede ledere og styremedlemmer, vil kompetanse på kunstig intelligens være viktig fremover. Hvordan bruk av kunstig intelligens kan optimalisere virksomhetens drift og strategiske utvikling, krever ikke bare en overfladisk forståelse av bruk av for eksempel ChatGPT, men også dyptgående kunnskap om hvordan teknologien kan implementeres for å løse spesifikke forretningsutfordringer eller integreres med virksomhetens daglige drift. Ved å identifisere områder der teknologien kan gi størst verdi og utvikle en visjon for hvordan teknologien kan integreres i virksomheten for å oppnå langsiktige mål, kan den få langt større verdi enn som et verktøy for utkast til festtaler. I en undersøkelse som Vestlandsforskning og Rambøll gjorde i 2022 om bruk av kunstig intelligens i offentlig sektor[3] svarte over 85 prosent av de spurte at de «i stor grad» eller «svært stor grad» mente at «det er behov for økt kompetanse om KI blant ledere i organisasjonen»! Jeg tror besvarelsene gir gjenklang også i privat sektor. Innføring av kunstig intelligens i organisasjoner krever ofte tverrfaglig innsats og beslutninger på ledernivå. Forståelse av teknologien gjør det også mulig for ledere og styremedlemmer å identifisere og håndtere mulig risiko knyttet til bruken av kunstig intelligens i organisasjonen. Dette kan omfatte personvernsproblematikk, strategisk forvaltning av immaterielle rettigheter, cybersikkerhet og etiske problemstillinger ved bruk som kan påvirke omdømmet. Ved å utforme retningslinjer og iverksette prosesser for risikostyring og etterlevelse, kan man sikre at organisasjonen oppfyller relevante lover og regler, og betrygge ansatte som måtte føle usikkerhet i møte med nye verktøy. KI i møte med menneske

Ledere og styremedlemmer med riktig kompetanse kan bidra til å drive en smidig og effektiv integrasjon av kunstig intelligens i organisasjonens eksisterende teknologiske infrastruktur. De kan i samarbeid med IT-avdelingen identifisere passende AI-verktøy og plattformer, samt sikre at implementeringen skjer i tråd med organisasjonens behov og mål. En god og fremtidsrettet arbeidsgiver forventes også å legge til rette for at ansatte kan utvikle seg faglig, karrieremessig og personlig, i samsvar med virksomhetens strategi. Ledere og styremedlemmer kan også spille en viktig rolle i å fremme en kultur som verdsetter AI-kompetanse og kontinuerlig læring. Engasjerte ledere kan oppmuntre til eksperimentering med nye AI-løsninger samt anerkjenne og belønne innovasjon innenfor feltet. Kompetanseheving i arbeidslivet er et leder ansvar, så vel som et samfunnsansvar og et individuelt ansvar. Å starte med oss selv, som ledere, er derfor et godt første steg, men ikke tilstrekkelig. Kunnskapen må spres, og ansatte må også gis muligheter til kompetanseheving. Hvis man som leder ønsker ansatte som bruker verktøy basert på kunstig intelligens for å gjøre arbeidshverdagen mer effektiv, må det gis rom for testing og erfaringsdeling. En oppmuntrende og støttende ledelse kan også sikre at de ansatte føler nødvendig trygghet for å komme i gang. Kompetanse – også et individuelt ansvar Det er ikke kunstig intelligens som vil ta jobben din, det er en person som bruker kunstig intelligens, skrev jeg i en kronikk i Altinget i mars 2023. Jeg mener at påstanden står seg. Bruk av spesielt generativ kunstig intelligens, som ChatGPT, erstatter ikke arbeidskraft direkte, men ansatte rapporterer om økt effektivitet og mindre tidsbruk på kjedelige og rutinepregede oppgaver. Dette kommer frem i dybdeintervjuer Sintef og Knowit har gjort[4] blant et lite knippe ansatte i virksomheter som jobber med teknologi og digitaliseringsløsninger. De ansatte som har tatt i bruk ChatGPT, melder om at arbeidet blir morsommere, og at verktøyet gir økt motivasjon. De ansatte trives bedre og har mer tid til spennende arbeidsoppgaver. Flere ansatte bruker for eksempel generativ kunstig intelligens til å komme seg videre når de sitter fast i et problem eller opplever skrivesperre. Denne utviklingen kan selvsagt på sikt føre til at enkelte stillinger forsvinner, at man ansetter ni i stedet for ti i en avdeling, men det er foreløpig ingen tegn til at kunstig intelligens tar over hele avdelingen. Generativ kunstig intelligens egner seg foreløpig ikke spesielt godt for helautomatisering, men kan brukes som et effektivt verktøy til å løse oppgaver raskere og bedre. Selv om ledere og næringslivet har et stort ansvar for kompetanseheving i egen virksomhet, kommer vi heller ikke unna at den enkelte arbeidstaker også har et ansvar for å ta initiativ og være proaktiv når det gjelder sin egen kompetanseutvikling, enten det er gjennom selvstudium, deltakelse i nettverk og læringsarenaer på arbeidsplassen, eller deltagelse på eksterne kurs og seminarer. Arbeidstakere har også et selvstendig ansvar for å holde seg oppdatert innen sitt fagfelt og være åpne for å lære i jobbsammenheng. 76

YS’ arbeidslivsbarometer[5] fra 2022 viser at hele 54 prosent av norske arbeidstag ere ikke er spesielt interessert i å ta hverken etter- eller videreutdanning, samtidig som færre opplever å ha tilstrekkelig kompetanse. Det er urovekkende tall. Ideelt sett bør det være en gjensidig forståelse og et samarbeid mellom arbeidsgiver og arbeidstaker om kontinuerlig kompetanseheving. Arbeidsgivere bør oppmuntre og støtte arbeidstakernes initiativ til læring og utvikling, samtidig som arbeidstakere tar ansvar for sin egen utvikling og aktivt søker muligheter for læring og vekst. Ved å skape en kultur som fremmer samarbeid og gjensidig støtte, kan man sikre at arbeidstakere kan stå lengre i arbeid, og møte endringer i arbeidsdagen som følge av ny teknologi. Samfunnsansvaret Også storsamfunnet har en interesse i, og ansvar for, at ansatte og ledere skaffer kompetanse til å ta i bruk kunstig intelligens i økt grad. Utdanningsinstitusjoner har en selvsagt rolle i å utvikle attraktive og gode tilbud, men også offentlig sektor og samfunnet for øvrig har et ansvar for å bidra til kompetansespredning, og for å sikre at vi i økt grad tar i bruk kunstig intelligens. Økte skatteinntekter eller frigjort arbeidskraft som kan brukes i sektorer med kompetansebehov, er gevinster som alle nyter godt av. Kompetanseheving koster, og særlig for mindre virksomheter kan det være vanskelig å gi tilbud om kurs eller skolegang uten at dette gir en umiddelbar effekt tilbake. For det første er det direkte kostnader knyttet til tilbudet, og med ansatte borte på kurs går man glipp av arbeidskraft som kunne vært brukt i virksomheten, og må kanskje ha inn vikarer. Kompetanseutvikling er ofte en langsiktig investering, og dersom ansatte finner nytt arbeid etter å ha gjennomført etter- og videreutdanning, kan dette være et stort tap for virksomheten. Det betyr ikke at tilbudet ikke bør gis, men at vi kanskje må tenke annerledes på spleiselaget. Abelia har derfor foreslått sterkere incentivordninger for små- og mellomstore virksomheter slik at de kan investere i kompetanseløft, for eksempel gjennom skattefradrag. At virksomheter belønnes for å investere i sine ansattes kompetanse, kan føre til at flere tar steget. Igjen, flere undersøkelser peker på manglende kompetanse som det største hinderet for i større grad å ta i bruk kunstig intelligens. Da er kompetanseheving avgjørende. Effektene er store Fordelene ved bruk av kunstig intelligens er ikke bare økonomiske. Teknologien har også potensial til å bidra med nødvendig omstilling til et mer bærekraftig samfunn. KI-systemer kan blant annet bidra til mer energieffektive produksjonsmetoder, redusere avfall og forbedre forsyningskjedenes bærekraft. Dette kan føre til betydelige reduksjoner i karbonutslipp og ressursbruk. KI kan også spille en viktig rolle i forvaltningen av naturressurser. Ved å bruke satellittbilder, sensorer, kamera og dataanalyse kan KI bidra til å overvåke landområder, elver, fjell og vassdrag. Bildegjenkjenning brukes for eksempel i dag til å KI i møte med menneske

monitorere villaksbestander, satellittbilder varsler om vær og klima, og sensorer brukes for eksempel til å avdekke ras- eller flomfare. KI har også et stort potensial for å fremme inkludering og tilgjengelighet i samfunnet. For eksempel kan KI-drevne applikasjoner tilby tilpasset læring for studenter med ulike behov, bistå med veiledning eller som en personlig assistent i møte med kompliserte systemer, og gjøre digitalt innhold mer tilgjengelig for personer med nedsatt syn eller hørsel. Simultanteksting er et eksempel på en teknologi som har hatt en enorm utvikling de senere årene, og som gjør at personer med hørselsnedsettelser kan få med seg direktenyheter eller videosendte konferanser og møter. Ved å tilrettelegge for disse behovene kan KI hjelpe med å sikre flere muligheter til utdanning, arbeid og deltakelse i det digitale samfunnet. Mulighetene med kunstig intelligens er enorme, men for å ta i bruk mulighetene trenger vi kompetanse: kompetanse i ledelse, blant ansatte, og i samfunnet rundt oss. Slik sett er ikke kunstig intelligens annerledes enn mange andre teknologiske nyvinninger. De er ikke nødvendigvis så mye verdt om ingen vet hvordan vi bruker dem. Det første året med en bred debatt om kunstig intelligens var preget av mye usikkerhet. Det var usikkerhet om kraften i verktøyene, om etikk, om konsekvenser for arbeidsmarkedet, og til og med om hvorvidt AI vil utslette menneskeheten. Det er naturlig at bekymringer får mye plass når noe er nytt. Vi må fortsette å diskutere utfordringer knyttet til bruk av kunstig intelligens. Men jeg tror at diskusjonene fremover vil bære preg av at flere har fått testet teknologien, av at grensene er bedre kjent, og av at den første «hypen» er forbi. Da blir naturlige diskusjonspunkter hvordan vi kan bruke verktøyene til beste for samfunnet, næringslivet og den enkelte, og hvordan vi kan sikre at alle henger med. Svaret er selvsagt, som det ofte er, kompetanse. Referanser [1] Brattåker Støyva, A. (2023) Nye tall om bruk av KI i norske virksomheter: – Vi håper dette vil være en vekker. https://www.aftenposten.no/kultur/i/Q70zGV/alle-snakker-om-ki-men-veldig-faa-bedrifter-bruker-det [2] Abelia. Omstillingsbarometeret 2023. https://www.abelia.no/omstillingsbarometeret/2023/ [3] Ulfsnes, R. et al (2023) Ansatte bruker ChatGPT som rådgiver. Hvor bra er det? SINTEF. https://www.sintef.no/ siste-nytt/2023/ansatte-bruker-chatgpt-som-radgiver.-hvor-bra-er-det/ [4] Kompetanse og digitalisering – YS Arbeidslivsbarometeret (2022). https://arbeidslivsbarometeret.no/ resultater/kompetanse-og-digitalisering/ [5] Corneliussen, H. et al (2022) Bruk av kunstig intelligens i offentlig sektor og risiko for diskriminering. Vestlandsforskning, Rambøll. https://www.vestforsk.no/sites/default/files/2023-03/VFrapport7_2022_KI_i_ offentlig_sektor.pdf

av Alexander Haneng Direktør for innovasjon og bærekraft i NHO Service og Handel

Hvilke jobber vil mest sannsynligvis gå tapt – og skapes – på grunn av kunstig intelligens? Sammendrag: Kunstig intelligens (KI) forandrer arbeidslivet fundamentalt. Mange jobber med repetitive oppgaver automatiseres, mens nye yrker som «Prompt engineer» og «KI trainer» dukker opp. For å lykkes i fremtiden mener Alexander Haneng man må rette oppmerksomheten mot ferdigheter som KI ikke kan replikere: kreativitet, problemløsing, kritisk tenkning og evnen til menneskelig interaksjon. Yrker som helsepersonell, lærere, ingeniører, forskere og sosialarbeidere er mest fremtidssikre. Her er det vanskelig for KI å erstatte menneskelig dømmekraft, empati og evnen til å håndtere komplekse problemstillinger. For å forberede seg på fremtidens arbeidsmarked er det viktig å kontinuerlig lære og tilpasse seg. Å tilegne seg kunnskap om KI-verktøy og teknologier gir et fortrinn i arbeidsmarkedet. I tillegg er det viktig å være proaktiv og søke etter muligheter for å implementere KI-løsninger i sin egen organisasjon. Ved å omfavne endringene og utnytte KI som et verktøy for å forsterke våre styrker, kan vi skape et mer inkluderende, kreativt og produktivt arbeidsliv for alle. Sammenfattet av KI-tjenesten Gemini, kvalitetssikret av Parat.

KI i møte med menneske

Hvilke jobber vil mest sannsynligvis gå tapt – og skapes – på grunn av kunstig intelligens?

Arbeidslivet i fremtiden vil endre seg dramatisk som følge av mer bruk av kunstig intelligens. Mange av dagens jobber vil endre seg eller forsvinne, og noen har allerede forsvunnet. Hele 40 prosent av alle arbeidstimer som blir levert i dag, kan bli påvirket av store språkmodeller som ChatGPT-4, hevder en rapport som er laget av Accenture. Hvilke jobber er det snakk om? Hvilke jobber skapes? Og hvordan sikrer man seg å være relevant på fremtidens arbeidsmarked? La oss ta en titt. – På 50-tallet trodde man at den mest vanlige jobben for kvinner i fremtiden ville være telefondame. Det var jo en logisk fremskriving av veksten i antall telefonabonnenter og behovet for at noen måtte koble alle disse samtalene sammen manuelt. Slik ble det jo ikke, nettopp på grunn av ny teknologi. Som følge av kunstig intelligens ser vi allerede nå stillingsannonser med stillingstitler vi aldri før har sett, som «Prompt engineer», «KI trainer» og «KI ethics expert». Tina Tetoka har alltid drømt om å bli journalist. – Jeg elsker nyheter, hører podkaster og følger debattprogrammer på TV tett, sa Tina i et intervju med VG. Tina fikk påvist lese- og skrivevansker allerede på barneskolen, og i tillegg har hun en ADHD-diagnose. På videregående fikk hun aldri en standpunktkarakter i norsk. – Å bli journalist var en drøm jeg ikke turte å snakke høyt om, ble hun sitert på i samme avis. Selskapet Switch AS og Oslo Kollega samarbeider i prosjektet «Switch Work» for å bruke kunstig intelligens til å hjelpe personer med lese- og skrivevansker. Målet er et inkluderende arbeidsliv der flere kan bruke KI for å komme seg ut i jobb. Det ble redningen for at Tina skulle realisere sin skjulte drøm. Hun er nå ansatt som tekstforfatter i Switch etter en jobbannonse på Finn.no der de søkte en medarbeider med en historieforteller i magen. Hvilke jobber forsvinner? Etter at generativ KI kom på markedet, har det vært en endring i etterspørselen etter visse type stillinger, spesielt de som involverer repetitive eller automatiserbare oppgaver. Noen jobbkategorier som allerede har opplevd en nedgang i etterspørselen, er datKInntasting, enkel kundeservice (chatbots), oversettelse og transkribering, innholdsproduksjon (både tekst og bilde) og programmering. 80

For disse områdene er det ikke slik at alle jobbene forsvinner, men man ser at behovet reduseres ved at deler av oppgavene automatiseres bort, eller at man blir mer effektiv. Tjenesten GitHub Copilot er en KI-assistent som hjelper utviklere med å skrive kode. I en undersøkelse blant brukerne gjort av GitHub, svarte 85 prosent at de var tryggere på kvaliteten på koden som ble skrevet sammen med Copilot. 88 prosent følte de kunne jobbe mer fokusert, ble mindre frustrerte og syntes koding ble mer lystbetont. Forskning gjort av GitHub, indikerer at utviklere som bruker Copilot, koder 55 prosent raskere. Betyr det at bedrifter trenger færre programmerere? Techselskapene Meta, Amazon, Microsoft, Google og Apple har kuttet omtrent 112 000 jobber siden toppen i 2021/2022. Samtidig har de aldri vært mer profitable, eller mer verdt. Hvor mange av disse jobbkuttene som skyldes KI, vet vi ikke sikkert. Fra et «spå om fremtiden»-perspektiv er dette interessant, fordi man inntil nylig anså mange slike jobber som trygge fra automatisering. Hvilke jobber kommer? Som nevnt ser vi nå nye stillingstitler som «Prompt engineer» og «KI trainer». Jeg overhørte nylig en person som sa: – Jeg er ikke redd for at jeg skal miste jobben min til KI. Det jeg er redd for, er at en person som er bedre til å bruke KI enn meg, skal ta jobben min. I en verden der kunstig intelligens kan gjøre en person med store lese- og skrivevansker til tekstforfatter, er det åpenbart at KI kan gjøre mange arbeidstakere mer effektive, mer kreative og i stand til å levere ting som tidligere var umulig. Bare se på det å lage en barnebok. Tidligere måtte man benytte flere illustratører for å produsere det grafiske innholdet. Dette var både kostbart og tok lang tid. Nå kan alt fra illustrasjoner, tekst, logo og layout lages med generativ KI på noen timer. Sammen med sønnen sin på tre år laget Niklas Plikk, journalist i Tek.no, en barnebok som de kalte «Den grønne dragen». I boken drar sønnen sammen med sin lillebror på eventyr i en fantasiverden som er godt illustrert av KI. Boken ble så trykket i ett eksemplar via en nettjeneste og sendt hjem til familien i posten. Boken vil nok ikke høste noen anerkjennelse i fagkretser, men den opplevde verdien av å ha en helt tilpasset bok der de selv er heltene, er nok større for brødrene enn manglende grafisk kvalitet på illustrasjonene. «KI first»-selskaper Én ting er enkeltjobber, men hvordan vil KI påvirke selskaper og selskapers strategi fremover? Når KI-verktøy er tilgjengelig for alle, er det måten man bruker disse verktøyene på som utgjør konkurransefortrinnet. Derfor tror jeg at vi vil se fremveksten av «AI first»-selskaper, slik vi så at internett skapte «internet first»-selskaper som Amazon. Disse selskapene vil ikke se på hvordan man kan får hver funksjon i selskapet til å jobbe mer effektivt ved bruk av kunstig intelligens. Derimot vil de skape KI i møte med menneske

et selskap basert på kjeder av KI-verktøy, for i etterkant å fylle på med ansatte som eventuelt mangler for å skape en hel verdikjede. Selskapet Channel 1 planlegger å lansere en global 24/7 nyhetskanal der nyhetene kommer fra tre kilder: tradisjonelle nyhetskilder, frilans-journalister og KI-genererte nyheter basert på åpne datakilder som for eksempel sportsresultater. Istedenfor menneskelige nyhetsopplesere vil de bruke KI-avatarer som kan snakke en lang rekke språk. Dermed kan nyhetene være hyperlokalisert og hyperpersonalisert uten store ekstrakostnader. De estimerer at kostnadene for å drive på denne måten, versus en tradisjonell nyhetskanal, bare vil være en hundredel. Om kvaliteten blir bra nok, gjenstår å se. Her har KI fortsatt noen utfordringer. Hvilke jobber er KI-sikre? Det er vanskelig å forutsi nøyaktig hvilke jobber som vil være fremtidssikre, ettersom påvirkningen av KI på arbeidsstyrken fortsatt utfolder seg. Det er imidlertid noen generelle trender som kan observeres. Jobber som krever kreativitet, problemløsning og kritisk tenking, er mindre sannsynlige å bli automatisert, ettersom disse ferdighetene er vanskelige for KI å replikere. Jobber som krever et høyt nivå av menneskelig interaksjon, for eksempel i helse- og utdanningssektorene, er også mindre sannsynlige å bli automatisert. ChatGPT-4 selv peker på disse jobbene som fremtidssikre: • helsepersonell, som leger, sykepleiere og terapeuter • lærere • ingeniører, som programvareingeniører, maskiningeniører og sivilingeniører • vitenskapsfolk, som fysikere, kjemikere og biologer • sosialarbeidere • psykologer • advokater • regnskapsførere Det er viktig å merke seg at selv innenfor disse jobbkategoriene kan det være noen spesifikke oppgaver som automatiseres. For eksempel blir KI allerede brukt til å automatisere oppgaver som å planlegge avtaler, svare på kundespørsmål og skrive rapporter. Imidlertid er disse oppgavene vanligvis rutinemessige og repeterende, og de krever ikke samme nivå av menneskelig dømmekraft og kreativitet som mer komplekse oppgaver. Som en sykkel for hjernen Steve Jobs beskrev i sin tid datamaskiner som «sykler for hjernen». Mennesket er ikke det raskeste dyret på planeten, det er geparden som lett løper fra oss. Men gir du et menneske en sykkel, er den plutselig raskest. Tilsvarende så Jobs på datamaskinen som et verktøy som kan forsterke og utvide våre kognitive evner. 82

«Vi står ved en korsvei der teknologiens fremgang kan brukes til å forsterke menneskelige ferdigheter og skape et mer inkluderende og kreativt arbeidsmiljø.» Alexander Haneng

Med generativ kunstig intelligens er dette sannere enn noensinne. Har du en kunstner i magen, men kan ikke male? Beskriv bildet du ser for deg til en KI, og den kan generere det. Alltid drømt om å skrive en detektivroman, men ikke særlig tess på å skrive? Bruk KI. Og kanskje du alltid har drømt om å lage et kortspill, men kan verken tegne, illustrere eller lage en logo? Bruk KI. Det har nemlig jeg gjort og trykket det opp i 100 eksemplarer. Blir det noe bra da? Vel, New York Times kunne i 2022 meddele at bildet «Théâtre D’opéra Spatial» vant den årlige kunstkonkurransen Colorado State Fair. Bildet var, uten at dommerne visste det, KI-generert. KI handler ikke bare om automatisering, men om å utvide hva vi mennesker kan få til. KI kan hjelpe oss med å få utløp for kreativitet som kanskje ikke tidligere var mulig. Hvordan lykkes i fremtidens arbeidsmarked? Her er noen tips for å forberede deg på en fremtid med generativ KI: • Utvikle dine ferdigheter innen sosial kompetanse, kommunikasjon, kreativitet, problemløsing og kritisk tenkning. Disse ferdighetene vil fortsatt være ettertraktet i overskuelig fremtid. • Lær deg å bruke KI-verktøy og -teknologier. Dette vil gi deg et fortrinn i arbeidsmarkedet og gjøre deg mer attraktiv for arbeidsgivere. Per nå er de fleste KI-verktøyene noe du må bruke tid på, men de vil raskt bygges inn i dataverktøy du allerede bruker som for eksempel Word, Excel, Powerpoint. Bruk dem! • Se etter muligheter til å bygge verdikjeder på nytt ved å tenke «KI first» i din organisasjon. Finnes det repeterende oppgaver som kan automatiseres? Kan vi bruke KI til å personalisere og automatisere kommunikasjon med kundene/ brukerne, kanskje til og med på deres morsmål dersom det ikke er norsk? Til slutt I takt med at kunstig intelligens fortsetter å forme fremtiden for arbeidslivet, åpner det seg et nytt landskap av muligheter og utfordringer. Vi står ved en korsvei der teknologiens fremgang kan brukes til å forsterke menneskelige ferdigheter og skape et mer inkluderende og kreativt arbeidsmiljø. Gjennom historien om Tina og utviklingen av nye jobbtitler, ser vi et glimt av fremtiden; en fremtid hvor teknologi ikke bare erstatter menneskelige oppgaver, men også muliggjør realiseringen av drømmer som tidligere virket uoppnåelige. Steve Jobs’ visjon om datamaskiner som «sykler KI i møte med menneske

for hjernen» er mer relevant enn noensinne, og med generativ KI har vi nå en enda kraftigere sykkel å sykle på. For å trives i dette nye arbeidsmarkedet må vi omfavne endringene og være villige til å kontinuerlig lære og tilpasse oss. Ved å utvikle våre unike menneskelige ferdigheter og lære å samarbeide med KI kan vi ikke bare sikre vår plass i fremtidens arbeidsliv, men også bidra til å forme en fremtid hvor teknologi forbedrer livskvaliteten for alle. La oss gripe denne muligheten til å bruke generativ KI som et verktøy til å utvide våre horisonter, utforske nye kreative uttrykk og bygge en mer rettferdig og bærekraftig verden. Fremtiden for arbeid er ikke bare en historie om jobber som kommer og går, men om evolusjonen av menneskelig potensial gjennom samarbeidet mellom menneske og maskin.

av Anne-Kari Bratten Administrerende direktør i Arbeidsgiverforeningen Spekter

Kunstig intelligens er en svært god nyhet for arbeidslivet Sammendrag: Kunstig intelligens (KI) gir enorme muligheter for arbeids livet. Arbeidskraftmangelen er allerede stor, og vil øke i årene fremover. Produktivitetsveksten må opp, og vi må frigjøre arbeidskraft der vi kan. Kunstig intelligens (KI) kan bidra til begge deler, og også til økt kvalitet på både tjenester og varer. En av de viktigste jobbene for norske og europeiske politikere blir å finne riktig balanse i reguleringene av kunstig intelligens. Ledere må sammen med ansatte og tillitsvalgte få frihet til å teste ut nye løsninger og bygge kompetanse i virksomhetene. Noen jobber vil forsvinne, men mange nye vil komme til. Frigjort tid som følge av at vi tar i bruk KI, annen teknologi og mer automatisering kan ikke tas ut i fritid. Produktivitetsveksten må føre til faktisk økt produktivitet. Ellers er vi like langt.

KI i møte med menneske

Kunstig intelligens er en svært god nyhet for arbeidslivet

Kunstig intelligens gir enorme muligheter til å bruke ressursene i arbeidslivet på nye måter. En viktig oppgave for ledere og tillitsvalgte fremover blir å hente ut dette potensialet.

lle overganger i livet er krevende, også i arbeidslivet. Det er helt naturlig at endring kan bli møtt med frykt eller motstand. Fra historietimene husker mange fortellingen om den engelske veveren Ned Ludd som kjempet mot automatiseringen av veveindustrien på 1700-tallet ved å sabotere maskinverket. Tilhengerne til Ned Ludd ble kjent som luddittene, et ord som siden den gang i hovedsak har blitt brukt som et skjellsord. Luddittene forbindes i dag gjerne med generell teknologimotstand, enten det handler om automatisering, digitalisering, skjermbruk – eller kunstig intelligens. Jeg synes det er sunt med en viss skepsis til ny teknologi. Selv om ny teknologi gjennomgående har bidratt til både produktivitetsvekst og bedre liv for mange, har den samme teknologien ofte også hatt negative konsekvenser. Da World Wide Web ble tilgjengelig tidlig på 90-tallet, fikk mange av oss gjort jobbene våre mye mer effektivt, men internett åpnet også mulighetene for nettroll og nettmobbing av barn. «Fjernhandel vil floppe, fordi kvinner liker å komme ut av huset, liker å holde i varer og liker å kunne ombestemme seg», stod det i det velrennomerte Time Magazine på 60-tallet. Nordmenn bruker nå flere hundre milliarder på netthandel. Mange arbeidsplasser har gått tapt i varehandelen på grunn av dette, men samtidig gir det muligheter for nye arbeidsplasser i logistikk og transport. Selv de som er aktører i den teknologiske utviklingen, ser ikke ut til å ha oversikt over hvor kraftig den kan bli. Tidligere IBM-sjef Thomas Watson er i dag verdensberømt fordi han på 1940-tallet anslo et behov for «om lag fem datamaskiner» på verdensbasis. Liknende teknologiske spådommer har mange gjort seg skyldige i de siste hundre årene. Det tryggeste er antakelig å la være å spå. Noen spådommer er imidlertid ganske sikre. En av dem er at luddittene blant oss ofte får rett – i hvert fall på kort sikt. Ned Ludd og luddittene mistet faktisk jobbene sine, og dermed muligheten til å brødfø familiene sine. Automatisering fører til at arbeidsoppgaver går tapt, men arbeidsplassene vil gjerne gjenoppstå på alle de områdene som ikke kan digitaliseres. Det at vi mangler arbeidskraft på mange områder i dag, og at bruk av kunstig intelligens gir muligheter til å forløse mer arbeidskraft, er et bevis på at nye jobber oppstår i

kjølvannet av teknologien. Derfor er ikke løsningen å kaste tresko inn i vevemaskin ene slik Ned Ludds følgerskare skal ha gjort for drøyt to hundre år siden, men heller å kaste seg på de nye mulighetene som kunstig intelligens gir. Arbeidskraftmangelen fremover vil bli betydelig, og vel så det. Jeg mener derfor at alt som kan automatiseres, må automatiseres. Alt som kan digitaliseres, må digitaliseres. Alle prosesser som kan erstattes med kunstig intelligens, må erstattes. Kunstig intelligens gir enorme muligheter, men kommer til å stille krav blant annet til lederskap. Jeg skal prøve å forklare hvorfor. Stadig flere tar kunstig intelligens i bruk For de fleste av oss – i hvert fall de av oss som er gamle nok – var internett noe som dukket opp en gang på midten av nittitallet, da Netscape lanserte en nettleser som åpnet opp en helt ny teknologisk verden. De som ble minst overrasket var som vanlig de som kunne mest om temaet. Fagfolkene kunne raskt fortelle oss at internett på det tidspunktet hadde eksistert i flere tiår allerede, nesten umerkelig for folk flest. Med ChatGPT har kunstig intelligens fått sitt «Netscape moment». Og nok en gang sier fagfolkene det samme – kunstig intelligens har vært i bruk i lang tid. Mange har fått med seg at denne teknologien brukes i stavekontrollen i Word, i kameraet på telefonen din og i andre dingser du og jeg bruker daglig. Det er antakelig mindre kjent at kunstig intelligens også brukes i stor grad innenfor offentlig tjenesteproduksjon. Digitaliseringsdirektoratet har en oversikt over 180 pågående KI-prosjekter i offentlig sektor. Flere av Spekters medlemmer har slike prosjekter på gang. Viktige samfunnsaktører, særlig innen samferdsel og helse, tar i bruk KI både for å gi brukerne et bedre tilbud, og for å effektivisere arbeidsprosessene i virksomheten. KI kan bidra til økt brukerinnsikt, mer effektiv kapasitetsplanlegging, bedret pasientbehandling og diagnostikk samt en rekke andre formål. Det kan både effektivisere driften og gi bedre brukeropplevelser. Det er positivt. Da Spekter gjennomførte en topplederundersøkelse blant medlemsvirksomhet ene høsten 2023, svarte 69 prosent av lederne at teknologiske endringer var en av de viktigste endringsdriverne for virksomheten, viktigere enn politisk bestemte lover og regler. De eksterne rammene både for å lede og være ansatt i en virksomhet, endrer seg stadig raskere, og det er krevende for mange. Heldigvis er KI nå en mulighet som stadig flere virksomheter griper, tilpasser og innfører. Og når fremoverlente ledere tar ny teknologi i bruk, kan det løse noen av våre største utfordringer. Arbeidskraftmangel blir hele arbeidslivets problem En av de aller største utfordringene det norske velferdssamfunnet står overfor, er mangel på arbeidskraft. Knappheten på folk og kompetanse er ikke noe som tilhører en tenkt fremtid. Arbeidskraftmangelen er her allerede, og den gjør seg gjeldende i flere sektorer. KI i møte med menneske

I Spekters topplederundersøkelse peker 74 prosent av lederne på mangelen på folk som en viktig endringsdriver. To av tre mener at mangel på kompetanse er et betydelig problem i virksomheten de leder. 80 prosent svarer at virksomheten har et udekket kompetansebehov i dag. Flere offentlige utredninger peker på det samme. Kompetansebehovet som anses som sentralt for «det grønne skiftet», vil i 2030 være nesten 65 000 nye hoder. Forsvarskommisjonen anbefaler 20 prosent personelløkning – eller 14 000 flere til Forsvaret innen 2042. Helsepersonellkommisjonen har estimert behov for 150 000 flere til helsesektoren i 2040 – og det er hvis vi får bedre helse enn i dag. Det er talende at utredningene knyttet til arbeidskraftmangelen har titler som «Nå er det alvor» og «Tid for handling». Vi kan med andre ord ikke fortsette som i dag. Vi må øke produktivitetsveksten, og vi må frigjøre arbeidskraft der vi kan. Kunstig intelligens kan levere avgjørende bidrag til begge deler. Kunstig intelligens kan gi økt produktivitetsvekst og kvalitet Før 2006 hadde vi en gjennomsnittlig årlig produktivitetsvekst på rundt 3 prosent i Norge. Siden har det gått nedover. For 2024 anslår regjeringen en vekst på bare 0,6 prosent. Frem til 1992 var det økt sysselsetting den viktigste økonomiske driveren. Senere har det vært produktivitetsøkninger, særlig innføring av ny teknologi. Det er en av grunnene til at norske virksomheter har kommet langt med digitalisering av arbeidsprosesser. Vi har fortsatt noe å gå på for å hente ut produktivitetsgevinstene av den teknologien vi allerede har investert i. Det handler om omlegginger av arbeidsprosesser og oppgave- og ansvarsfordeling, interne omstruktureringer, kompetanseutviklingstiltak, tilpasninger av bemanningen, rekruttering av teknologikyndig kompetanse og ikke minst kompetanseutvikling av egne ansatte. I det store bildet er dette viktig og nødvendig for å øke produktivitetsveksten, og for å møte utfordringer fremover med et stramt arbeidsmarked hvor kompetent arbeidskraft er et knapphetsgode. Økt produktivitetsvekst kan nemlig ikke vedtas. Det må løses gjennom å jobbe smartere, ved å heve kompetansen eller gjennom bedre utnyttelse av arbeidskraften vi allerede har. Hadde vi klart å komme tilbake til den samme produktivitetsveksten som vi hadde i årene før 2006, altså 3 prosent, vil vi etter 10 år ha 1000 milliarder mer å rutte med i statsfinansene hvert eneste år. Alle nye satsinger og ny politikk fremover må – slik Spekter ser det – ha som hovedmålsetning at det reduserer behovet for arbeidskraft. Dette er imidlertid lett ere sagt enn gjort. Vi vet for eksempel fra før at ny teknologi, i hvert fall i en fase, kan føre til økt bemanningsbehov i helsesektoren, blant annet fordi teknologien gir muligheter for mer og bedre pasientbehandling. Det krever også flere menneskelige ressurser. 88

Kunstig intelligens krever kunnskap og kompetanse OECD anslo i 2018 at omtrent seks prosent av jobbene i Norge har høy sannsynlighet for å bli automatisert. Rapporten slo også fast at 26 prosent av jobbene i Norge vil måtte endre innholdet kraftig. Men det var før kunstig intelligens for alvor begynte å sette sitt fotavtrykk på arbeidsprosesser. Kunstig intelligens kan vise seg å bli et av de mest kraftfulle verktøyene vi har for å fremme produktivitetsvekst. Men det krever økt kunnskap og kompetanse. Bruk av kunstig intelligens i arbeidsprosessene i norske virksomheter er i en tidlig fase, men vi vet at det ligger et stort potensial for produktivitetsvekst fremover. Nå har Menon Economics gjort en ny vurdering av effektiviseringspotensialet som kunstig intelligens kan gi i norsk arbeidsliv. De har blant annet beregnet at • cirka 70 prosent av arbeidsstyrken kan redusere arbeidstiden med minst 10 prosent ved bruk av dagens KI-verktøy • den gjennomsnittlige norske arbeidstakeren vil bruke omkring 17 prosent kortere tid på å fullføre sine arbeidsoppgaver • i offentlig sektor har KI-verktøy teoretisk sett potensial til å kunne frigjøre ressurser som tilsvarer 155 000 årsverk • full utnyttelse av KI kan bidra til en verdiskaping på 577 milliarder kroner årlig, noe som tilsvarer omtrent 17 prosent av Fastlands-Norges BNP for 2022. Mange jobber i Norge innehar allerede høye krav til kompetanse og krever ferdigheter som kreativitet, sosial intelligens, iderikdom og komplekse, menneskelige interaksjoner – ferdigheter som neppe vil bli automatisert med det første. Norge har også vært gjennom mye automatisering i arbeidslivet og kommet lenger enn andre land. Dette er blant grunnene til at vi i Norge har gode forutsetninger for å lykkes med ny teknologi. Vi har en godt utbygget digital infrastruktur og avanserte brukere som tidlig tar teknologien i bruk. Vi snakker om folk født etter 1993, da World Wide Web ble tilgjengelig, som «digitalt innfødte». I regjeringens nasjonale strategi for kunstig intelligens pekes det blant annet på at vi har høy grad av tillit i befolkningen og en godt utviklet digital forvaltning. I tillegg sikrer trepartssamarbeidet at arbeidsgivere, arbeidstakere og myndigheter samarbeider om omstilling. Vi har også gode forutsetninger for å fase inn ny teknologi på måter som ikke forstyrrer arbeidsmarkedet og lønnsdannelsen. Det skjer likevel ikke uten utfordringer. Frontfagsmodellutvalget (NOU 2023:30) pekte på at nettoeffekten på sysselsetting som følge av kunstig intelligens, er usikker. I mange OECD-land har det vært en tendens til polarisering i arbeidsmarkedet, ved at «jobber i midten» forsvinner. I Norge er det fremdeles forholdsvis høy etterspørsel etter visse grupper i midtsjiktet i det såkalte kompetansehierarkiet, slik som håndverkere og helsefagarbeidere. Frontfagsmodellutvalget peker på at det er usikkert hvordan den teknologiske utviklingen vil påvirke arbeidsmarkedet fremover: «Hvis det skulle bli en økt tendens til polarisering ved at jobbmulighetene for personer med middels kvalifikasjoner svekkes, kan arbeidstakere med denne typen kompetanse måtte ta jobber som i KI i møte med menneske

utgangspunktet krever lavere kompetanse. Det kan øke konkurransen om disse jobb ene. Personer med manglende utdanning, svak kompetanse eller helseproblemer vil dermed kunne få større problemer med å skaffe seg arbeid». Her vil trepartssamarbeidet og frontfagsmodellen være et klart fortrinn for å sikre at lønnsdannelsen innrettes på en måte som er gunstig for norsk økonomi og arbeidsliv. Frigjort tid kan ikke bli til mer fritid Den tiden som eventuelt frigjøres gjennom bruk av kunstig intelligens og annen teknologi, kan imidlertid ikke brukes til å redusere arbeidstiden gjennom sekstimersdag eller firedagersuke. Den frigjorte tiden som teknologi kan gi, må brukes til å jobbe like mye som før, og ikke tas ut i fritid. Produktivitetsveksten må føre til faktisk økt produktivitet. Ellers er vi like langt. Dersom sekstimersdagen innføres, viser beregninger som Spekter har gjennomført, at vi må ha ytterligere 122 000 årsverk til offentlig sektor. Det er ikke bærekraftig. Det er også grunn til å minne om at dersom vi øker produktivitetsveksten i helsesektoren med to prosent, kan vi i 2060 ha omtrent det samme antall ansatte som i dag. Hvis produktivitetsveksten stopper opp helt, er det behov for dobbelt så mange. Helsepersonellkommisjonen omtaler faren for et sammenbrudd i tjenestene og samfunnet for øvrig, dersom vi ikke finner tiltak som går i riktig retning. Det er snart ti år siden forrige produktivitetskommisjon kom med sin rapport. Få av forslagene derfra er fulgt opp, og kunstig intelligens var naturlig nok ikke omtalt. Spekter har derfor foreslått at det settes ned en ny produktivitetskommisjon som tar inn i seg den rivende teknologiske utviklingen vi har sett siden 2016. Den største globale trusselen? Kunstig intelligens har sin andel skyggesider også. Misbruk av kunstig intelligens for å spre falsk og usann informasjon er den største globale trusselen på vei inn i 2024. Det er påstanden i en risikorapport fra World Economic Forum. «Utstrakt bruk av feilinformasjon og falske nyheter, og nye verktøy for å spre det, kan undergrave legitimiteten til nyvalgte regjeringer. Den resulterende uroen kan variere fra voldelige protester og hatforbrytelser til sivil konfrontasjon og terrorisme», skriver WEF i rapporten. Kunstig intelligens kan svekke tilliten til det offentlige rom som sted for demokratisk meningsutveksling, mener Teknologirådet. Også Ytringsfrihetskommisjonen har pekt på at «dette er kraftfulle verktøy som kan påvirke ytringsrommet i vesentlig grad». Børge Brende, president i World Economic Forum, har sagt at det foregår et slags rustningskappløp mellom dem som tar kunstig intelligens i bruk for å skade, og dem som jobber for å begrense skadevirkningene. Det er godt og tankevekkende sagt. Det er vanskelig å se den fulle og hele løsningen på dette. Men jeg vet om to tradisjonelle tiltak som jeg tror vil styrke laget vårt i dette kappløpet. Det ene er å satse på redaktørstyrte medier. Spekter-medlemmet NRK er et eksempel på et mediehus som nyter høy tillit, og som makter å være relevant for 90

«Ledere må sammen med sine ansatte få frihet til å teste ut løsninger og bygge kompetanse i virksomhetene sine. » Anne-Kari Bratten

en stor del av befolkningen i en tid der nyhetsinteressene og nyhetskildene våre blir stadig mer fragmentert. Allerede i dag bruker NRK kunstig intelligens aktivt i det journalistiske arbeidet. Blant annet ble KI brukt i kartlegging av tap av naturmangfold i Norge, noe som resulterte i programmet «Oppsynsmannen». Uten hjelp av denne teknologien ville kartleggingen vært mye mer ressurskrevende, og kanskje for krevende for dem å gjennomføre i det hele tatt. I Norge har vi heldigvis mange gode redaktørstyrte medier, og de må settes i stand til å dra nytte av den teknologiske utviklingen. Det andre er å gi handlingsrom og vise tillit til ledere. Ledelse på norsk innebærer et aktivt samarbeid med de ansatte og deres tillitsvalgte. Ledere må sammen med sine ansatte få frihet til å teste ut løsninger og bygge kompetanse i virksomhetene sine. Spekter-medlemmer som Ruter, Bane NOR og mange av sykehusene bruker allerede i dag kunstig intelligens til å øke kvaliteten i tjenestene de leverer. Ruter bruker KI og kundedata blant annet til å kunne forutsi passasjerkapasitet, til å planlegge ruter, i forbindelse med billettsalg- og kontroll, og for å utvikle tilbudet videre. Sykehusene benytter KI både i diagnostikk, behandling og for å forske frem ny og bedre pasientbehandling. Bane NOR bruker KI-basert bildegjenkjenning for å inspisere infrastrukturen i jernbanen, noe som sikrer bedre vedlikehold, og dermed økt sikkerhet. Reguleringer på riktig avstand Så er spørsmålet om lovverket og IKT-systemene er dimensjonert for å håndtere mulighetene som ligger i teknologien. Det å finne riktig balanse i de kommende reguleringene av kunstig intelligens blir en av de viktigste jobbene for norske og europeiske politikere i tiden som kommer. Kunstig intelligens er åpenbart et felt som må reguleres, men reguleringene må ha riktig maskevidde og detaljeringsnivå. De må minimere de negative konsekvensene, men samtidig åpne opp for bruksområder som kan gi bedre tjenester, mer effektive virksomheter og sikre at mer arbeidskraft blir tilgjengelig for miljø, helse, beredskap og andre viktige sektorer. Luddittene får på et vis rett – ny teknologi fører til at arbeidsoppgaver endrer seg og arbeidsplasser forsvinner. Men forsiden av medaljen er at teknologien frigjør tid og ressurser til å løse andre oppgaver, og nye, mer spennende og givende jobber kan dukke opp. Mens den industrielle revolusjon pågikk i hundre år, vil KI-revolusjonen kanskje bare bruke et tiår eller to. KIs barnesykdommer ledet for eksempel til at VG i september 2023 skrev at fotballspilleren Erling Braut Haaland var «skutt på Bygdøy». Han var selvsagt ikke «skutt», men han hadde deltatt i en «photo shoot» KI i møte med menneske

samme sted. En slik feil gjør ikke språkmodellene lenger. Det er tross alt et hav av tid mellom september 2023 og når jeg skriver dette, et halvt år etter. Og Ned Ludd selv? Han har muligens aldri eksistert. Han kan være et rent oppspinn eller en kombinasjon av en eller flere virkelige personer. Han er det man på KI-språket kanskje ville kalt en hallusinasjon. Løgn, myter og falske historier er ikke noe som kommer med kunstig intelligens, det er noe som alltid har ligget i menneskets natur. Hvis vi bruker teknologien riktig, kan vi kanskje gjøre det lettere å avdekke hva som er sant. Å utvikle evnen til å skille det sanne fra det usanne vil uansett være en av våre aller viktigste fremtidskompetanser.

Del 4: Praktisk arbeid med hjelp fra KI

KI i møte med menneske

av Eirin Tangen Østgård, fagsjef for analyse i Gjensidige Alexandra Diem, leder for Cloud Analytics og MLOps i Gjensidige

Tiden går, Gjensidige består og KI rår En reise fra klassisk maskinlæring til generativ KI i forsikringsbransjen

Sammendrag: I en digitalisert verden må Gjensidige, som alle andre bedrifter, holde tritt med teknologiske fremskritt for å forbli konkurransedyktige. I over 20 år har Gjensidige brukt klassisk maskinlæring for å prise produkter, vurdere risiko, oppdage svindel og automatisere prosesser. I de siste årene har Gjensidige begynt å utforske mulighetene som generativ KI tilbyr. Målet er å effektivisere rutineoppgaver og gi bedre selvbetjenings muligheter for kunder. Et eksempel på dette er «Eglev», en virtuell analytiker som kan hente ut data fra datavarehuset for ansatte. Gjensidige er forpliktet til å bruke KI på en smart og trygg måte for å forbedre kundeopplevelsen og styrke sin posisjon i bransjen. Kombinasjonen av klassisk maskinlæring og generativ KI gir nye muligheter for dataanalyse, risikovurdering, kundeinter aksjon og selvbetjening. Selskapet erkjenner at ansvarlig bruk av KI er essensielt. De er derfor opptatt av å sikre at teknologien brukes på en etisk og transparent måte. Sammenfattet av KI-tjenesten Gemini, kvalitetssikret av Parat.

KI i møte med menneske

Tiden går, Gjensidige består og KI rår En reise fra klassisk maskinlæring til generativ KI i forsikringsbransjen

I en stadig mer digitalisert verden er det nødvendig for enhver bedrift å holde tritt med teknologiske fremskritt for å forbli konkurransedyktige. For forsikringsbransjen er det å forstå verdien som ligger i bedriftens data, og evne å hente ut gevinstene av disse dataene, helt avgjørende for suksess. Denne artikkelen tar deg med på reisen fra etablerte metoder til nyskapende teknologier, og viser hvordan Gjensidige ikke bare består, men forplikter seg til å lede vei inn i fremtiden.

mange år har forsikringsbransjen dratt nytte av statistisk analyse og klassisk maskinlæring. Det har gitt verdifull innsikt og effektive verktøy for å håndtere store datamengder og komplekse datasammenhenger. Mens medienes fokus stadig rettes mot generativ KI, erkjenner vi at den største verdien fortsatt ligger i våre etablerte metoder. Klassisk maskinlæring fortsetter å være ryggraden i vår operasjon, og dens pålitelighet er avgjørende for våre daglige beslutninger. Klassisk maskinlæring: en solid grunnmur I mer enn 200 år har vi i Gjensidige sikret liv, helse og verdier for kundene våre. At vi den dag i dag er Norges største forsikringsselskap skyldes i stor grad at vi har evnet å stå i frontlinjen av teknologisk innovasjon. Dette har ikke alltid vært en selvfølge. Mens konkurrentene våre brukte statistisk modellering allerede på 1990-tallet, begynte ikke vi før i 2003. Enkle generaliserte lineære modeller (GLM-modeller) predikerte derfra nødvendig forsikringspremie på bil. I 2009 gikk vi på lufta med en forbedret GLM-modell, som benyttet en rekke ulike forklaringsvariabler som biltype, hestekrefter, sjåførens alder osv. Da kunne vi i enda større grad differensiere forsikringspremien på bil i forhold til risikoen den faktisk utgjør. Med flere enn 800 000 privatkunder hvor over 60 prosent har vært kunder hos oss i mer enn fem år, har vi store mengder data om våre kunder. Vi kjenner kund ene våre og vet hvilke forsikringer de har og har hatt – og når, hvor og hvorfor de har kontaktet oss og hvilken skadehistorikk de har hatt på sine forsikringsprodukter i Gjensidige. Disse dataene har vi i årevis brukt til å prise våre produkter, vurdere risiko, oppdage forsøk på forsikringssvindel og automatisere salgs- og skadebehandlingsprosessene. Det har skjedd ved hjelp av avansert statistisk analyse og klassisk maskinlæring.

La oss si at vi har utviklet et nytt innboprodukt, og et rådgivingsteam er satt til å ringe potensielle kunder for å selge dem produktet. Vi kan ha tilgang til over 10 000 mulige kjøpere, men hvilke kunder er det smartest å ringe først? Her bruker vi en rekke ulike maskinlæringsmodeller som for eksempel predikerer kundens kjøpssannsynlighet og fremtidige lønnsomhet. Slik kan rådgivingsteamets ringeliste sorteres i prioritert rekkefølge, og vi kan bruke tiden vår der den gir mest verdi for både kundene og Gjensidige. I august 2017 satte Gjensidige en uoffisiell verdensrekord i behandling av en skadesak. Kunden vår var på helgetur med venninner i Barcelona, og opplevde at kofferten ikke kom frem. Heldigvis hadde hun reiseforsikring i Gjensidige og Gjensidige-appen på mobiltelefonen sin. Gjennom én enkelt samtale med en chatbot, ble saken meldt inn til oss. Regelmotoren vår sjekket at opplysningene stemte, at kundens forsikring hadde dekning for skaden, beregnet erstatningssummen og utbetalte. På bare 1,6 sekunder fra saken ble registrert, behandlet vi den og utbetalte erstatning. Generativ KI: muliggjør bedre selvbetjening og økt effektivitet Gjensidige har vært tidlig ute med å utforske mulighetene som generativ KI gir. Vår visjon er ikke bare å følge trenden, men å utnytte teknologien for å effektivisere rutineoppgaver for våre ansatte og bedre selvbetjeningsmulighetene for våre kunder. Ved å ta i bruk generativ KI i våre systemer, vil kundene våre kunne utforske sine forsikringsdata og forsikringsvilkår på en mer intuitiv måte. Styrken til de store språkmodellene ligger i evnen til å omformulere tekst fra én kontekst til en annen. Vi ser for oss at kundene våre i fremtiden vil kunne ha en dynamisk dialog med sine egne forsikringsdata og kunne ta beslutninger basert på disse ved endringer i kundens forsikringsbehov. Dette vil ikke bare redusere behovet for kundestøtte, men også gi våre kunder en dypere forståelse av deres forsikringsavtaler og forsikringsbehov. Mens teknologien teoretisk sett allerede har kommet langt for å oppnå visjonen, gjenstår det i praksis et par steg i utviklingen. Da ChatGPT først ble lansert i slutten av 2022, ble det fort oppdaget at modellen svarer uansett om den «kan» det riktige svaret eller ei, og begrepet «hallusinasjon» ble innført. Det er altså slik at språk modeller er nettopp språkmodeller, og ikke kunnskapsmodeller. For at Gjensidige skal kunne lansere en løsning som kundene våre selv kan interagere med, kreves sikre og presise svar i 100 prosent av tilfellene. Ettersom generativ KI-teknologi ennå ikke kan gi oss dette, har vi rettet søkelyset mot utvikling av KI-løsninger som forenkler og effektiviserer arbeidet for våre rådgivere og analytikere. Innovasjon som et oppstartsselskap I boken «The Lean Startup» definerer forfatteren Eric Ries en oppstart som «en menneskelig institusjon designet for å lage et nytt produkt eller en tjeneste under ekstreme usikkerhetsforhold»1. Videre definerer Ries at en oppstart ikke er begrenset 1 Original «A startup is a human institution designed to create a new product or service under conditions of extreme uncertainty».

KI i møte med menneske

til å være et oppstartsselskap, men at den like gjerne kan være et team eller produkt i et stort og etablert selskap. Basert på disse premissene, og i sammenheng med spådommer fra lean eller strømlinjeformet produksjon, utviklet Ries sin Lean Startupmetode med mål om å støtte innovasjon innenfor teknologi. Det er denne metoden vi i Gjensidige har valgt å basere KI-innovasjonsprosjektene våre på. Sentralt i Lean Startup står Minimum Viable Product (MVP, «enkleste brukbare produkt»). Det å utvikle en løsning under ekstreme usikkerhetsforhold betyr at vi hverken vet hva produktet er, eller hvem kundene vil være. Klassiske metoder for forretningsanalyse og utviklingsplaner, av typen fossefall, skaper derfor en falsk følelse av trygghet og er ofte grunnen til at de fleste oppstartsselskapene feiler. I tillegg brukes fremdeles fossefallmodellen i store deler av softwareutvikling. Fossefallsmodellen bryter opp et prosjekts aktiviteter i sekvensielle, avgrensede faser med overlevering til neste fagområde. Prosessen er hverken iterativ eller fleksibel, og tar lang tid. Dette gir mening for produksjons- eller byggeprosesser der målet er å masseprodusere ting så effektivt som mulig, og der endringer i design fort blir dyre. I softwareutvikling derimot er ikke produksjon et problem i det hele tatt. Har vi vært litt smarte, er produksjon helautomatisk slik at vi raskt kan iterere mellom ideer, kode og data på en vitenskapelig måte. Istedenfor å utvikle et produkt på to år, for så å finne ut av at det ikke løser noens behov, bygger vi en MVP som tillater oss å teste hypotesene våre på brukere med en gang. For å konkretisere prosessen trekker vi frem to referansecaser som vi har jobbet med gjennom vinteren 2023. Referansecase 1: Møt Eglev, vår KI-analytiker For å skaffe seg innsikt og beslutningsstøtte har ledere, kontrollere, produkt- og forretningsutviklere i Gjensidige daglige behov for datauttrekk fra datavarehuset vårt. Disse medarbeiderne har derimot ikke nødvendigvis kompetanse til å skrive kode for datauttrekk mot datavarehuset, og må derfor be en av selskapets analytikere hente ut dataene for dem. Datainnsikt som brukes jevnlig, er ofte tilgjengeliggjort i faste rapporter som ikke krever spesialkompetanse å benytte. Men dersom behovet er nytt eller litt annerledes enn hva rapporten gir, kreves det spesialkompetanse, og ressursene som innehar denne kompetansen, blir ofte en flaskehals for effektiv drift og beslutningsstøtte. Her så vi raskt en mulighet til å benytte generativ KI for å effektivisere prosessen, og ideen om Gjensidiges virtuelle analytiker, Eglev, ble født. Eglev skulle ved hjelp av GPT ta imot forretningens dataforespørsler, skrive og kjøre kode mot Gjensidiges datavarehus og levere tilbake resultatet med naturlig språk til brukeren, som en chatbot. For å sikre at vi laget en MVP måtte vi begrense omfanget av dataene som Eglev skulle ha tilgang til. Av erfaring vet vi at en stor andel av spørsmålene som analytikerne mottar, handler om kunde- og skadedata. Vi valgte derfor å gi Eglev kjennskap til kun et lite antall tabeller og kolonner som bare inneholder sist kjente kunde- og skadedataene. MVP-en ble utviklet over to uker, og Eglev svarte riktig på 91,5 prosent av våre 94 testspørsmål. Gjennom brukertesting på tvers av 98

«Gjensidige står fast ved prinsippet om å omfavne innovasjon for å forbedre tjenestene og kundeopplevelsene våre. Gjennom å kombinere klassisk maskinlæring og generativ KI, er vi i stand til å forbedre kundebehandlingen, effektivisere våre prosesser og styrke vår posisjon i forsikringsbransjen.» Alexandra Diem og Eirin Tangen Østgård organisasjonen, har vi konkludert med at Eglev gir stor verdi for Gjensidige, og vi vil videreutvikle applikasjonen til å kjenne til flere datakilder i vårt datavarehus. Referansecase 2: Rådgiver chatbot Når du som kunde ringer til kundesenteret vårt, skal rådgiverne våre stå klare med gode og riktige svar til alle de spørsmålene du måtte ha angående forsikring. Dette betyr at kunderådgiverne våre må forholde seg til en rekke tekstkilder – 1993 produktartikler og 1878 betjeningsrutiner for å være presis. I 2022 gjorde rådgiverne våre 770 600 oppslag i disse artiklene og rutinene. Hovedutfordringen er at dagens søkefunksjon er for dårlig, og rådgiverne foretrekker dermed å spørre mer erfarne rådgivere om hjelp, fremfor å søke seg frem til svaret selv. Ideen om rådgiver chatbot var derfor å tilgjengeliggjøre artiklene og rutinene for rådgiverne på en bedre måte, slik at de kan finne informasjonen raskere og gjerne samtidig som de er på telefon med en kunde. Chatboten skal svare på helt konkrete spørsmål i fritekst, kombinert med en lenke til informasjonskilden, slik som Microsofts Bing Copilot. Som vi diskuterte over, er ikke språkmodeller trent til å være kunnskapsmodeller, og dette betyr at man ikke uten videre klarer å utvikle chatbots som gjengir informasjon nøyaktig. I Eglev brukte vi modellens systeminstruksjon til å begrense modellens genererte svar til datauttrekk som består av noen definerte tabeller og kolonner. I dette eksempelet er derimot informasjonsgrunnlaget så stort at det samme ikke lar seg gjør. I stedet benytter vi oss av teknikken Retrieval Augmented Generation (RAG) som dynamisk finner den best passende informasjonen i en større menge tekst kilder. I første steg av teknikken gjør man kildetekstene om til vektorer som lagres i en vektordatabase. En vektor er en matematisk størrelse som har både måltall og retning. En spesialisert språkmodell («embedding model») brukes så til å beregne vektorer som beskriver avsnitter i kildetekstene våre. Jo likere to tekster er, desto likere er deres vektorer. Når en bruker sender en forespørsel til chatboten, bruker vi den samme embedding-modellen som før, til å beregne forespørselens vektor. Deretter leter vi i vektordatabasen etter de vektorene som ligner mest. I siste steg brukes en generell språkmodell til å svare på forespørselen, basert på de kildetekst ene som har vektorer som ligner mest på forespørselen. Til slutt Gjensidige står fast ved prinsippet om å omfavne innovasjon for å forbedre tjenest ene og kundeopplevelsene våre. Gjennom å kombinere klassisk maskinlæring og KI i møte med menneske

generativ KI, er vi i stand til å forbedre kundebehandlingen, effektivisere våre prosesser og styrke vår posisjon i forsikringsbransjen. Ved å utnytte disse teknologiene forbedrer vi ikke bare selskapets interne effektivitet, men også kundeopplevelsen – ved å gi kundene bedre selvbetjeningsmuligheter om kunden ønsker det, eller tid på telefonen med en rådgiver om kunden ønsker det. Mens klassisk maskin læring fortsetter å være en pålitelig metode for dataanalyse og risikovurdering, åpner generativ KI for nye muligheter til kundeinteraksjon og selvbetjening. Tiden går, Gjensidige består, og tar vi i bruk KI på en smart og trygg måte, vil vi frigjøre tid for våre ansatte som kan benyttes til å fortsatt levere gode kundeopplevelser og gode resultater inn i fremtiden.

100

av Geir Axelsen, administrerende direktør i Statistisk sentralbyrå, og Xeni Dimakos, metodesjef i Statistisk Sentralbyrå

Hvordan påvirker KI produksjonen av statistikk og faktabaserte beslutningsprosesser? Sammendrag: Statistisk sentralbyrå (SSB) tar i bruk kunstig intelligens (KI) for å effektivisere arbeidet og forbedre statistikkproduksjonen. KI kan auto matisere oppgaver, forbedre kvaliteten på statistikken, og gi brukerne bedre tilgang til data. SSB jobber nå med interne kjøreregler for bruk av KI og deltar i det internasjonale arbeidet med å utvikle standarder. KI kan forbedre beslutningsgrunnlag, men samtidig er transparens og doku mentasjon viktig for at samfunnet skal ha tillit til faktagrunnlaget. KI kan bli et verdifullt verktøy for SSB, men beslutningsprosessene vil fortsatt være avhengig av menneskelig dømmekraft og diskusjon. Sammenfattet av KI-tjenesten Gemini, kvalitetssikret av Parat.

KI i møte med menneske

101

Hvordan påvirker KI produksjonen av statistikk og faktabaserte beslutningsprosesser?

Vil bruk av kunstig intelligens påvirke produksjon og tilgjengeliggjøring av fakta framover? Svaret er åpenbart ja. Utvikling og bruk av KI skjer i et raskt tempo og i økende omfang i alle deler av samfunnet. I Statistisk sentralbyrå (SSB) forventer vi at KI vil spille en stadig større rolle i produksjonen og formidlingen av statistikk.

om i andre virksomheter, har KI også hos oss et potensiale for å bidra til forbedring av produkter og effektivisering av arbeidet i SSB. Siden mye av tallgrunnlaget som benyttes av Teknisk beregningsutvalg for inntektsoppgjør ene (TBU), bygger på bidrag fra SSB, vil også faktagrunnlaget for lønnsdannelsen kunne bli påvirket. Det er for tidlig å overskue alle konsekvensene og hvordan vi som samfunn blir berørt av KI. Bruk av KI i produksjonen av statistikk og andre typer faktagrunnlag reiser flere prinsipielle spørsmål, og vi berører noen av dem i denne artikkelen. Men tror vi at KI også kan påvirke beslutningsprosessene, og ikke bare selve grunnlaget for beslutninger gjennom tall og fakta? KI og faktagrunnlaget Statistisk sentralbyrå har i snart 150 år sørget for å beskrive det norske samfunnet i tall. Hvert år publiseres mer enn 300 statistikker som gir innsikt i ulike områder. Det kan dreie seg om befolkningsutvikling, prisutvikling, boligpriser, arbeidsmarkedet, klimautslipp, næringsliv og navnetrender. Vi har identifisert flere områder hvor KI-teknologien kan få stor betydning i SSB. Produksjon av statistikk Data er viktigste råvare i statistikkproduksjonen, og er også et viktig produkt for forsknings- og analyseformål. I tillegg til økonomisk eller samfunnsfaglig kompetanse, har statistikere ofte også høy kompetanse i programmering, matematiske og statistiske metoder. Derfor er det naturlig at en virksomhet som SSB også prøver ut hvordan KI kan utnyttes i selve produksjonen av statistikk. Innenfor noen statistikker begynte vi tidlig å ta i bruk maskinlæring, for eksempel for å klassifisere store mengder data fra varehandelen til bruk i prisstatistikk. Framover har vi tro på at KI kan bidra til å automatisere eller forenkle tradisjonelle metoder for innsamling, redigering og analyse av data. Dette er prosesser som kan

102

være både tidkrevende og ressursintensive. KI kan erstatte manuelle prosesser og redusere risiko for feil og unøyaktigheter. Maskinlæringsalgoritmer kan også bidra til å automatisere datainnsamling fra ulike kilder. Fordi algoritmene kan identifisere mønstre i store datasett, er det mulig å forbedre kvaliteten i sluttproduktene og dessuten få økt aktualitet fordi statistikken kan produseres raskere. Formidling Med økende bruk av KI i alle deler av samfunnet, vil også befolkningens forventninger til offentlige etater endre seg. Brukerne vil forvente personlig tilpassede tjenester, økt automatisering, bedre tilgjengelighet og brukerstøtte. Denne utviklingen vil kreve tilpasning og investering i ny teknologi og kompetanse i alle offentlige virksomheter. Offisiell statistikk kan gjøres lettere tilgjengelig, og formidlingen kan få økt bruker vennlighet gjennom interaktive grensesnitt basert på KI. I stedet for at brukere selv må bruke tid på å søke seg fram til statistikker og analyser på ssb.no, kan en chatbot svare på spørsmål, gi veiledning om datakilder og presentere statistiske resultater på en tilpasset og enda mer engasjerende måte. Dette vil gjøre det lettere for både næringslivet, forskere og allmennheten å dra nytte av statistikken, og dermed øke bruken og verdien av offisiell statistikk. Datadeling og trening av algoritmer KI er avhengig av tilgang til store og pålitelige datasett som kan brukes til å trene og evaluere modellene den bygger på. En rettferdig KI-modell produserer resultater som ikke er diskriminerende eller inneholder skjevheter. KI gjenspeiler mønstrene i dataene den trenes på, og kan derfor absorbere skjevheter eller fordommer i disse. For å oppnå rettferdige algoritmer, må treningsdataene være representative og ikke inneholde skjevheter. Slike data har statistikkbyråene. Registerdata og data samlet inn gjennom spørreundersøkelser over svært mange år, dekker et bredt spekter av økonomiske, demografiske, sosiale og miljømessige forhold som er avgjørende for å utvikle rettferdige KI-algoritmer som kan forstå og løse komplekse problemer. Statistikk om bruk av KI Nasjonalt program for offisiell statistikk (2024-2027) [1], som ble vedtatt av Kongen i statsråd 15. desember 2023, gir rammene for det norske statistikksystemet de nærmeste årene. Det angir hvilke statistikkområder som dekkes, hvilke offentlige myndigheter som er ansvarlige for statistikkene, og utviklingsområder for å forbedre statistikkene. Statistikkprogrammet for årene 2024–2027 beskriver ikke direkte statistikk om bruk eller utvikling av KI i næringslivet, offentlig sektor eller samfunnet som helhet. Likevel omfatter programmet statistikker som beskriver innovasjon i næringslivet, og statistikker om bruk av IKT i private husholdninger, næringslivet og i offentlig sektor. I første omgang kan kanskje disse statistikkene fange opp noe av utviklingen i bruk av KI. Den raske utviklingen innenfor bruk av KI og mangfoldet av metoder og KI i møte med menneske

103

applikasjoner kan likevel gjøre det mer krevende å beskrive fullgodt hvilken bruk og betydning KI har fått så langt innenfor ulike samfunnsområder. En forutsetning for å kunne lage offisiell statistikk om KI, både i Norge og internasjonalt, er at det utvikles felles definisjoner og klassifikasjoner for KI og tilhørende teknologier. Den raske utviklingen gjør også dette utfordrende. Mens internasjonale organer som EU utvikler lovverk for bruk av KI, drøfter det internasjonale statistikksamarbeidet i EU, OECD og FN standarder og klassifikasjoner som er nødvendige for å etablere sammenlignbare tall. SSB vil delta aktivt her. Forskning SSBs forskningsvirksomhet omfatter å videreutvikle, styrke, oppdatere og dokumentere flere ulike beregningsmodeller. Eksempler på modeller er DEMEC, KVARTS, MOSART, LOTTE, NORA og SNOW. Modellene gir blant annet mulighet til å utarbeide prognoser og å analysere konsekvenser av politiske tiltak. SSBs modeller blir også brukt av regjeringen, sentralforvaltningen og partene i arbeidslivet i utformingen av den økonomiske politikken. Modellene videreutvikles kontinuerlig i takt med forskning og i møte med norske data. KI kan bidra inn i dette kontinuerlige forbedringsarbeidet, og forhåpentlig også forenkle arbeidsprosessene. Maskinlæring kan for eksempel brukes for å forbedre prediksjoner og prognoser, identifisere komplekse sammenhenger, automatisere modelltilpasning og oppdatering, og å optimalisere modellparametere. Dette kan styrke modellenes nøyaktighet, robusthet og relevans, og gi grunnlag for bedre beslutninger og utforming av politikk. Forutsetninger for å ta i bruk KI Å bruke kommersielt tilgjengelige verktøy, som for eksempel ChatGPT, krever lite av lokale IT-systemer. Men for å kunne utnytte mulighetene som ligger i KI fullt ut, er det nødvendig å kunne lagre og prosessere store mengder data raskt. Det må være tilgang til beregningskraft som gjør det mulig å lære opp, bruke og løpende oppdatere avanserte KI-modeller. SSB er i ferd med å etablere statistikkproduksjonen på en ny og skybasert dataplattform. Omleggingsarbeidet er omfattende og strekker seg over flere år, da produksjonsløp for nær 300 statistikker skal bygges på nytt. Plattformen er en forutsetning for at SSB skal kunne ta i bruk KI i produksjonen av offisiell statistikk. KI kan brukes direkte til å løse noen av arbeidsprosessene i statistikkproduksjonen, men KI kan også være et effektivt arbeidsverktøy, eller «assistent», for ansatte i arbeidet med å lage og formidle statistikken. For eksempel kan KI gi god og effektiv støtte i arbeidet med koding, også for medarbeidere med svært høy kodekompetanse. Samtidig som potensialet for KI som assistent er stort, er det en del risikoer knyttet til bruk. Dette gjelder i særlig grad forbruk av kommersielle KI-assistenter. Eksempler er problemer knyttet til å verifisere om output er korrekt, usikkerhet rundt opphavsrett og hvordan informasjon som skrives inn i kommersielle KI-tjenester, 104

«KI kan brukes direkte til å løse noen av arbeidsprosessene i statistikkproduksjonen, men KI kan også være et effektivt arbeidsverktøy, eller «assistent», for ansatte i arbeidet med å lage og formidle statistikken.» Geir Axelsen og Xeni Dimakos

automatisk kan bli delt med andre brukere av tjenestene. Slik implisitt og utilsiktet deling kan få konsekvenser som vi nå ikke fullt ut overskuer. Mange virksomheter, og også SSB, ser derfor på mulighetene for å utvikle egne KI-assistenter. Hensikten er at ansatte og brukere av ssb.no skal ha tilgang til å bruke teknologien trygt, uten fare for at informasjon kommer på avveie. Inntil slike løsninger er ferdig utviklet, har SSB i likhet med mange andre offentlige virksomheter, utarbeidet interne kjøreregler for bruk av generativ kunstig intelligens (GKI). Beslutninger for enkeltmennesker Forskning og statistikk kan gi grunnlag for å utvikle verktøy eller systemer som kan brukes i fastlegging av rammevilkår som har betydning for enkeltmennesker. SSBs modell for fastsettelse av markedsverdier for ulike boligtyper som grunnlag for formuesskatt, har vært i bruk av skattemyndighetene siden 2010. Noen kommuner har også tatt i bruk markedsverdiene for beregning av eiendomsskatt. I denne modellen brukes gjennomsnittsverdier for kvadratmeterpris for ulike boligtyper som utgangspunkt. Boligverdimodellen er enkel og transparent, men samtidig kan forenklingene gå på bekostning av rettferdighet fordi kvadratmeterprisene som benyttes er gjennomsnittsverdier for et geografisk område. Dermed tar en ikke hensyn til at én eiendom kan ha bedre beliggenhet enn en annen. I forbindelse med behandlingen av Meld. St. 4 (2015–2016) [2] fattet Stortinget et anmodningsvedtak hvor regjeringen ble bedt om «å gjennomgå og forbedre systemet for verdivurdering av fritidseiendom». I mai 2019 inviterte Finansdepartementet tjenesteleverandører til å delta i utvikling av en mer treffsikker verdsettelsesmodell for fritidsboliger. PwC ble tildelt oppdraget og utarbeidet et forslag til verdsettelsesmodell basert på maskinlæring som senere ble overført til SSB for videreutvikling. SSB bidrar til forbedring og testing av modellen i et større tverretatlig samarbeid med Skatteetaten og Kartverket, og høster erfaringer med maskinlæring som metodikk. Matrikkelen hos Kartverket er en sentral del av grunnlaget for modellen, og samarbeidet på tvers av etater bidrar også til økt kunnskap om muligheter og begrensninger i bruken av registerkilder. Finansdepartementet skrev følgende i høringsnotatet [3]: «Verdsettelsesmodellen som høres, benytter maskinlæring for å beregne omsetningsverdier på fritidsboliger. Maskinlæring er nybrottsarbeid, og det benyttes ingen slike KI i møte med menneske

105

modeller i skattesystemet i dag. Fordelen med å benytte en maskinlæringsmodell er at den enkelt er i stand til å fange opp komplekse sammenhenger mellom egenskap ene og omsetningsverdien til en fritidsbolig. Mange slike sammenhenger kan være vanskelig å identifisere med mer tradisjonelle regresjonsmodeller. Bruk av maskinlæring bygger opp under regjeringens nasjonale strategi for kunstig intelligens, som slår fast at denne teknologien representerer store muligheter for enkeltmennesker, næringslivet og offentlig sektor. Å innføre en maskinlæringsmodell for å beregne omsetningsverdier for fritidsboliger kan også gi verdifull læring som kan nyttiggjøres i andre sammenhenger.» Den åpenbare fordelen med å ta i bruk kunstig intelligens til denne type formål, og eventuelt til lignende formål innenfor offentlig forvaltning i framtiden, vil være at en kan fastlegge verdier eller vilkår for innbyggerne mer presist og rettferdig enn sjablongmodeller, terskelverdier og lignende som ofte brukes i ulike deler av forvaltningen. Forskjellen i treffsikkerhet i verdsettelsen av fritidsboliger framgår også av høringsnotatet (jf. kap. 3.2.1). Bruk av maskinlæring eller andre former for KI i forvaltningen kan reise andre utfordringer, som for eksempel gjør det viktig å ha systemer for klageadgang som gir mulighet for berørte å få innsyn i grunnlagsdata. Kan KI endre beslutningsprosessene? Innledningsvis stilte vi spørsmålet om hvorvidt KI også kan påvirke beslutningsprosessene, og ikke bare tall og fakta som er grunnlaget for beslutninger. Som beskrevet i de foregående avsnittene, kan KI bidra til å forbedre produksjon og formidling av statistikk og forskning. Vi tror imidlertid at teknologien verken kan eller bør erstatte samhandlingen og meningsbrytningen som leder fram til beslutninger og kompromisser. Beslutningsprosessene innenfor den koordinerte lønnsdannelsen i Norge er et naturlig eksempel, men lignende vurderinger gjelder for andre sentrale beslutningsarenaer i samfunnet. Frontfagsmodellutvalget (NOU 30:0223) la fram sin rapport 8. desember 2023 [4]. Rapporten analyserer og drøfter den koordinerte lønnsdannelsen og ser denne i sammenheng med andre deler av den økonomiske politikken. Utvalget peker på at tillit er viktig for hvordan lønnsdannelsen skal virke sammen med andre deler av den økonomiske politikken (NOU 30:2023, s. 44–45). Teknisk beregningsutvalg (TBU) nevnes som eksempel på gode kontaktpunkter. TBU består av fageksperter innenfor økonomi, arbeid og lønn fra arbeidstaker-

«Vi tror at teknologien verken kan eller bør erstatte samhandlingen og meningsbrytningen som leder fram til beslutninger og kompromisser.» Geir Axelsen og Xeni Dimakos 106

og arbeidsgiversiden, samt fra tre ulike departementer og SSB. Hensikten med utvalget er at partene i tariffoppgjørene skal bygge på et felles faktagrunnlag før forhandlingene starter. TBU drøfter og beskriver den økonomiske situasjonen, lønnsutviklingen, prisveksten, konkurranseevnen, lønnsomheten i konkurranseutsatt industri og andre relevante forhold som partene tar utgangspunkt i når de skal forhandle. Det bidrar altså til felles forståelse av den økonomiske situasjonen og tillit mellom partene at medlemmene i TBU gjennom meningsbrytning og faglig diskusjon sammen utarbeider et felles faktagrunnlag. Frontfagsmodellutvalget, og de foregående utvalgene (Holden-utvalgene), har i tillegg bidratt til felles forståelse og økt tillit mellom partene i lønnsdannelsen og aktørene i den økonomiske politikken. Hva om KI kunne utforme et beslutningsgrunnlag på linje med TBUs rapporter, kanskje til og med raskere og mer detaljert enn dagens ulike rapporter fra utvalget – ville et slikt beslutningsgrunnlag skape den samme tilliten mellom aktørene? Partene er til syvende og sist de som i tilfelle kan besvare dette spørsmålet. Kanskje kan scenarier som høres usannsynlige ut i dag, bli mer sannsynlige etter som både produsenter (herunder SSB) og brukere av faktagrunnlag får mer erfaring med KI. Deler av beslutningsgrunnlaget TBU setter sammen, kan sannsynligvis utformes ved å bruke KI som et verktøy og en støtte, mens andre deler ikke kan det. Eksempelet med TBU illustrerer altså at mange beslutningsprosesser kan dra nytte av KI som et supplement og et hjelpemiddel, uten at KI dermed kan eller bør erstatte dialog og faglig diskusjoner. Kvalitetssikring av fremtidens faktagrunnlag Systemet for kvalitetssikring av norsk offisiell statistikk er basert på kvalitetskrav i statistikkloven og i Retningslinjer for europeisk statistikk [5]. Retningslinjene er formulert som 16 prinsipper, hvor viktige prinsipper er at statistikken skal være faglig uavhengig, upartisk, aktuell, relevant, og at brukerne skal ha tillit til statistikken. Retningslinjene ble utviklet i 2005 og revidert i 2011 og 2017. Siden den siste revisjonen av retningslinjene har den teknologiske utviklingen vært rivende, og flere av prinsippene utfordres av de nye teknologiene. Å sikre transparens og tilstrekkelig dokumentasjon ved bruk av nye metoder, som maskinlæring eller andre former for kunstig intelligens, er krevende fordi algoritmene er komplekse, og fordi programvaren ikke alltid har kode som er åpent tilgjengelig. Revisjon av rammeverket for offisiell statistikk kan derfor være nødvendig for å sikre at de fortsatt er relevante og bidrar til kvalitetssikring. Rettferdige algoritmer er avgjørende for å sikre at KI-teknologier bidrar til positive og samfunnsnyttige resultater, samtidig som de unngår å forsterke eksisterende skjevheter i samfunnet. Det nye KI-regulativet som er under utvikling i EU, tar sikte på å regulere disse problemstillingene, med krav om ansvarlig utvikling og bruk av KI-systemer, inkludert datakvalitet, dokumentasjon, åpenhet, menneskelig tilsyn, nøyaktighet og robusthet for systemene som dekkes av forordningen. KI i møte med menneske

107

Referanser [1] Nasjonalt program for offisiell statistikk: https://www.ssb.no/omssb/nasjonalt-program-for-offisiellstatistikk [2] Meld. St. 4 (2015–2016). Bedre skatt – En skattereform for omstilling og vekst. https://www.regjeringen. no/no/dokumenter/meld.-st.-4-20152016/id2456324/ [3] Høringsnotat – nytt verdsettelsessystem for fritidsboliger i formueskatten. Saksnr. 21/3144, 07.10.2021. Finansdepartementet. https://www.regjeringen.no/contentassets/e9f862f850474dca89826e25e4b01314/ horingsnotat-nytt-verdsettelsessystem-for-fritidsboliger-i-formuesskatten.pdf [4] NOU 30:0223 Utfordringer for lønnsdannelsen og norsk økonomi. Utredning fra Frontfagsmodellutvalget, avgitt til Finansdepartementet 15. desember 2023. https://www.regjeringen.no/no/dokumenter/nou-202330/id3018750/ [5] Retningslinjer for europeisk statistikk: https://www.ssb.no/omssb/kvalitet-i-offisiell-statistikk/ retningslinjer-for-europeisk-statistikk I arbeidet med teksten har vi brukt ChatGTP som diskusjonspartner.

108

av Øystein Børmer, tolldirektør, Trygve Kalland, avdelingsdirektør i Etterretningsdivisjonen, Guillaume Lanquepin, fagdirektør i Etterretningsdivisjonen og Eyvind Haaland, avdelingsdirektør i IT-divisjonen

Kunstig intelligens på grensen:

ny tid og nye verktøy for Tolletaten Sammendrag: Tolletaten står overfor nye utfordringer i en tid preget av økende grenseoverskridende handel og komplekse regelverk. I tillegg til å opprettholde tradisjonelle oppgaver som tollinndrivelse, fokuserer Tolletaten nå på samfunnsbeskyttelse i bredere forstand, alt fra å bekjempe smugling av narkotika og våpen til å sikre handelens rettferdighet og etterlevelse av internasjonale avtaler. Med den massive økningen i data og handelsvolum står Tolletaten overfor utfordringer med å effektivt analysere og håndtere denne informasjonen. Kunstig intelligens (KI) har blitt identifisert som en nøkkel til å forbedre Tolletatens evne til å oppdage avvik og potensiell smugling. Gjennom bruk av KI-teknikker vil Tolletaten styrke sin kontrollvirksomhet og berike tol lernes informasjonsgrunnlag. Imidlertid understrekes det at KI skal støtte tollerne, ikke erstatte dem, og at etiske og juridiske hensyn må ivaretas i all bruk av teknologien. Tolletaten beveger seg mot en fremtid der tollere og KI samarbeider for å opprettholde samfunnets sikkerhet og handelsintegritet. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

109

Kunstig intelligens på grensen: ny tid og nye verktøy for Tolletaten

Folk flest forbinder nok fortsatt Tolletaten først og fremst med kontroll av kvoten når man kommer hjem fra en ferietur i utlandet. Noen spør seg kanskje om hvordan og hvorvidt kunstig intelligens kan være relevant for å finne en vinflaske for mye. Men Tolletaten har et svært mye bredere samfunnsoppdrag enn det folk flest ser.

olletaten har omfattende datamengder som skal håndteres. Ser vi bort fra reisegodsunntakene for privatreisende, skal stort sett alle varer og transporter registreres ved grensekryssing. Det betyr enorme datamengder som skal registreres og vurderes opp mot alle statlige lover og regler som er aktuelle når varer skal importeres eller eksporteres. Og det hele skal skje slik at næringslivet ikke påføres unødige kostnader ved grensekryssing, og slik at nasjonale forsyningslinjer ikke hindres unødig. Tolletaten har faktisk en lang historikk med bruk av en eller annen form for kunstig intelligens. Og vi kommer til å ta i bruk kunstig intelligens på stadig nye og mer avanserte måter fremover. Gammel rolle, nye utfordringer Historisk er fastsetting og innkreving av toll på grensekryssende varer en av statens mest grunnleggende funksjoner og viktigste inntektskilde. Etter hvert ble toll også et viktig politisk verktøy. Utvalgte næringer ble gitt ekstra beskyttelse med høye tollsatser. Nære samarbeidsland ble gitt tollettelser. Mye av dette ligger fortsatt som et fundament i dag, selv om det ofte ikke anvendes som følge av et komplekst sett av frihandelsavtaler med andre land og internasjonale avtaler gjennom WTO. Dette har for øvrig ført til at håndheving av opprinnelsesregler er en viktig og grunnleggende del av dagens tollforvaltning. De første historiske eksemplene på en tolletat går tilbake til antikken. Den første tolltariffen vi kjenner til, kommer fra Syria rundt år 167 fvt. Tollr (sic) er et ord fra norrøn tid, og norsk toll kjenner vi i Norge formelt allerede fra Magnus Lagabøters tid. Men i takt med fremveksten av det moderne og regulerte samfunn, særlig etter 2. verdenskrig, har Tolletatens samfunnsoppdrag blitt kraftig utvidet. Vi har fortsatt en sentral rolle i å registrere data over import og eksport, som vi sender til SSB som grunnlag for Norges handelsstatistikk og til Skatteetaten som underlag for deres fastsetting og innkreving av særavgifter og merverdiavgift. Tolletaten har

110

selv fortsatt ansvar for blant annet tollavgifter, i tett samarbeid med blant annet Landbruksdirektoratet. Men hovedfokuset har beveget seg bort fra inntekter, til å være rettet mot samfunnsbeskyttelse i bred forstand. Tolletaten skal hindre inn- eller utførsel av restriksjonsbelagte varer og sikre at andre krav knyttet til import og eksport er ivaretatt. Stikkord er blant annet våpen og narkotika, truede dyrearter, plante- og dyresykdommer, patentrettigheter, produktsikkerhet, kulturminner, legemidler, plastavfall, alkohol og tobakk. De siste to årene har stadig mer omfattende sanksjoner mot Russland og Belarus gitt Tolletaten en enda større kontrolljobb. Dagens tolletat bidrar til: • et trygt og bærekraftig samfunn • finansiering av offentlige tjenester • rettferdige konkurransevilkår for lovlydige aktører • at Norge ivaretar internasjonale forpliktelser og bidrar til trygg og effektiv verdenshandel • korrekt handelsstatistikk Tolletatens evne til å løse dette omfattende samfunnsoppdraget har derfor stor samfunnsmessig betydning. Samtidig som etatens rolle har blitt bredere og om mulig enda viktigere for samfunnet, har oppdraget blitt mer og mer krevende. Det er en sterk vekst i omfanget av lover og regler som skal håndheves ved import og eksport. Nasjonale og internasjonale reguleringer på alt fra produktsikkerhet til miljøkrav øker og er i kontinuerlig endring. Dette stiller stadig høyere krav til Tolletaten, til vår kompetanse, og til vår evne til å sikre etterlevelse av de stadig flere lover og regler som gjelder ved grensekryssing. Samtidig skal vi hele tiden sørge for mest mulig strømlinjeformete forsyningslinjer til og fra våre handelspartnere, uten unødige kostnader og stans for næringslivet. I tillegg til dette utfordres Tolletaten av en sterk og langvarig vekst i varestrømm ene. Det er lenge siden det ikke lenger var praktisk mulig å kreve fysisk fremleggelse og kontroll av hver vareforsendelse. Fra 60-tallet gikk man gradvis bort fra fysisk fremleggelse og over til deklarasjonsplikt. Det vil si at en importør eller eksportør selv er ansvarlig for å oppgi korrekte opplysninger om varen. I stedet for å se hver vare, baserer den moderne Tolletaten seg på å kontrollere der vi mistenker at det er lagt frem feil eller manglende opplysninger, bevisst eller ubevisst. Dette gir opphav til den kanskje mest sentrale utfordring for enhver tolletat: Hvordan velger man ut de riktige kontrollobjektene? Hvis Tolletaten ikke er god på objektutvelgelse, blir resultatene mye dårligere. Vi tar færre smuglere, og vi kontrollerer for mange lovlydige, til betydelige kostnader for både dem og Tolletaten. Volumutfordringen blir større og større. Noen nøkkeltall illustrerer veksten. Antallet deklarerte varelinjer økte med 179 prosent fra 2010 til 2022. Antallet lasteog personbiler over grensen økte med 84 prosent fra 2010 til 2019. Tilsvarende KI i møte med menneske

111

vekst i volumene har vi sett også i tiårene før. Det er neppe noen hemmelighet at bevilgningene ikke har økt i samme takt. Dette fører til et gap mellom ressurser og varestrøm som utgjør en enorm utford ring for Tolletaten. Vi har derfor vært i omstilling i lengre tid, vi jobber hele tiden for å bli «den beste versjonen av oss selv», for å sitere obersten i TV-programmet Kompani Lauritzen. Tiltakene spenner fra effektivisering og digitalisering til omorganisering, ny tollerutdanning og satsing på etterretning. Sentralt i Tolletatens strategiske utfordring er følgende: Trafikken, varevolumene og regelverkene øker drastisk, men ikke budsjettene våre. Samtidig er data om både varer og trafikk i økende grad digitalt tilgjengelig. Dette gir oss noen klare muligheter. God utnyttelse av de enorme datamengdene er grunnlaget for effektiv virkemiddelog ressursbruk. Derfor har Tolletaten i flere år satset på data og dataanalyse. Tolletaten: en pioner innen kunstig intelligens Tolletaten er ingen nybegynner innen kunstig intelligens og digitalisering. Da etaten i 1988 innførte sitt nye, digitale deklarasjonssystem Tollvesenets Informasjonssystem med Næringslivet (TVINN), var dette det første av sitt slag i verden. Det var flere utviklingstrekk innen internasjonal samhandling og IKT som muliggjorde dette – ikke minst at man i 1950 innførte den første globale, standardiserte tolltariffen som gjorde at enhver vare kunne klassifiseres med en firesifret kode, utvidet til seks i 1987. Tidlig på 80-tallet kom det også globale kodeverk for identifisering av handels- og transportsteder, og en kommunikasjonsprotokoll ble utviklet av FN for utveksling av slik informasjon. Nå ble det altså mulig for næringslivet å sende inn deklarasjoner digitalt, og for Tolletaten å digitalt strukturere noen av de dataene som tidligere var på papir. Selv om mye av det som ble digitalisert fortsatt var ustrukturert og ikke-standardisert, ga TVINN likevel Tolletaten et helt annet grunnlag for å behandle deklarasjoner og utnytte data, inkludert gjennom (datidens) kunstig intelligens (KI). Mens temaet kunstig intelligens i dag domineres av begreper som maskinlæring, nevrale nettverk og generativ KI, var det i denne perioden de såkalte ekspertsystemene som definerte KI. Denne formen for KI består av menneskelig kodede hvis-så-regler, som til sammen kan behandle store datamengder effektivt. For eksempel: Hvis deklarasjonen gjelder varekode A og oppgir land B som opprinnelse, så skal den tas ut for kontroll. Dette er med dagens øyne knapt å regne som KI. Men Tolletaten var altså en pioner på å ta dette i bruk på tollfeltet. I dag er mulighetene mye større, med enormt mye mer data og enormt mye mer avanserte KI-teknologier. Fallgruver Før vi ser nærmere på hva Tolletaten kan gjøre med KI, må det sies noe om hva Tolletaten ikke bør gjøre. Kunstig intelligens skaper fort nervøsitet, til en viss grad med rette; det er mye som kan gå galt ved uvettig bruk av KI. Fra brudd på personvern til diskriminerende, automatiserte beslutninger. KI-området har foreløpig heller 112

«Prinsipielt vil toller pluss KI alltid ha mer informasjon enn KI alene, uansett hvor gode algoritmene er. KI-baserte modeller må derfor brukes som støtte til tollerne, ikke som erstatning.»

ingen egen og tydelig lovgivning. Inntil EUs AI Act eventuelt trer i kraft i 2025, faller regulering av KI til andre lovområder, ikke minst personvernlovgivningen. Dette betyr på ingen måte at KI er uregulert. Fra Tolletatens perspektiv er det klare føringer på hva som må ivaretas ved bruk av denne typen teknologi. Det inkluderer alt fra lovlighet og gjennomsiktighet til formålsbegrensning og dataminimering. Etaten har lang erfaring med å håndtere persondata, så denne problemstillingen er hverken ny eller unik for KI. Men kunstig intelligens gir nye muligheter til å håndtere store mengder data, og til å lage koblinger på måter vi tidligere ikke har hatt mulighet til. Dette gjør det også mye lettere å (for)bruke, samle og sammenstille persondata på måter som kan være i konflikt med menneskerettigheter eller anses som overvåk ing av borgere eller ansatte i egen organisasjon. Både personvern og transparens må derfor stå sterkt i all bruk av data, ikke minst når man benytter KI. For Tolletaten betyr dette både juridiske og etiske vurderinger for hvert eneste bruksområde. Man kan eksempelvis tenke seg å eksperimentere med å la algoritmer overvåke personer og bygge profiler over sannsynlige smuglere bosatt i Norge. Ville en slik bruk være ansvarlig, lovlig og etisk forsvarlig? Mest sannsynlig ikke. Man kan også tenke seg at man prøver å effektivisere etatens ressursbruk gjennom å lage selvlær ende algoritmer som både vurderer deklarasjoner og avgjør om noen skal ilegges sanksjoner eller ikke. Det ville jo spare betydelige personalutgifter. Men dette vil også være problematisk, da automatiserte avgjørelser med rettsvirkning er ulovlig, samtidig som gjennomsiktighet og presisjon av et slikt system vil være tvilsom. Dette har konsekvenser for hvordan prosesser som involverer kunstig intelligens, bør utformes, og hvilke sikringsmekanismer som må bygges inn. I Tolletaten legger vi til grunn at KI-baserte systemer kan foreslå handlinger for en tollansatt, men at et menneske må ta beslutningen og bære ansvaret. I tillegg til dette menneskelige ansvaret og vurderingsevnen, er det for Tolletaten et grunnleggende praktisk poeng som ikke må glemmes: KI kan tilføre mye ny kunnskap til tolleren, som står i den fysiske verdenen. Men tolleren vil alltid ha suppler ende tilgang på kunnskap som KI-en ikke har. Prinsipielt vil toller pluss KI alltid ha mer informasjon enn KI alene, uansett hvor gode algoritmene er. KI-baserte modeller må derfor brukes som støtte til tollerne, ikke som erstatning. At Tolletaten skal bygge én stor «smuglerfinner-maskin» som på egen hånd kobler data og bestemmer hvem som får passere grensen uten kontroll, er med andre ord hverken praktisk eller etisk ønskelig. Og uansett er det liten grunn til tro at KI kan gjøre den fysiske kontroll jobben på egenhånd, selv om det er mye teknologi som kan støtte tollerne også i den fysiske kontrollgjennomføringen. KI i møte med menneske

113

Den KI-støttede tolleren En mer fornuftig tilnærming er å identifisere spesifikke behov eller problemer som tollerne har, og bygge verktøy for å støtte dem i å løse disse. Dette er egentlig tilnærmingen i vårt gamle ekspertsystem TVINN. Det er krevende for et menneske å prosessere store mengder data og plukke ut de mest kontrollverdige deklarasjonene. TVINN bruker derfor regelsett til å fange opp risikoindikatorer i dataene. Tradisjonelt gjøres dette først og fremst basert på tollerens kunnskap om hva som er tegn på at informasjonen i en deklarasjon er bevisst eller ubevisst feilaktig. Denne kunnskapen kan så kodes til en regel og appliseres på millioner av deklarasjoner. Denne tilnærmingen er kraftfull, men har også en del iboende svakheter: Man er begrenset til informasjonen som ligger i deklarasjonen og til tollernes erfaringer. Å fange opp indikatorer på risikoer som er nye, eller som ikke fanges av data i deklarasjonen, blir vanskelig. Et åpenbart tiltak er å knytte sammen flere av Tolletatens mange datakilder. Dette har vært gjort lenge, men har kun nylig blitt mulig i større skala, takket være moderne dataplattformer. Med flere datakilder koblet sammen, hvilke KI-teknikker virker lovende for etaten i tiden som kommer? Entity resolution Sammenkobling av datakilder hjelper ikke mye hvis det ikke er mulig å enkelt gjenkjenne at dataene i et system gjelder samme vare, organisasjon eller person. Å koble sammen objekter på tvers av datakilder er ikke en triviell oppgave. Her er det flere KI-modeller som kan brukes for å sikre at for eksempel et firma som deklarerer i TVINN, kan identifiseres med riktig firma i andre registre. Det åpner opp for å bruke data fra flere kilder for å vurdere den oppgitte informasjonen, for eksempel gjennom samsvarskontroll: Har firmaet levert samme opplysninger til Norge som til Sverige? Hva med dataene til Skatteetaten, er de de samme som til Tolletaten? Dette er en svært effektiv måte å identifisere juks eller unndragelser på. Dette har Tolletaten lenge gjort manuelt, men med KI kan det gjøres i en mye større skala, for komplette datasett fra mange kilder. Utvikling av nye risikoindikatorer med deep learning Tollernes kunnskap om metoder for unndragelser og smugling vil alltid være funda mentet for etaten. Dette kan man bygge videre på gjennom å se på hvilken kombinasjon av variabler og indikatorer, på tvers av (ulike) datakilder, som faktisk har størst effekt på å avdekke feil eller smugling. Her kan klassiske statistiske metoder og enkel maskinlæring, som lineær regresjon, være nyttig. I tillegg kan man også bruke avansert deep learning for å beregne helt nye risikoindikatorer. Verdens toll organisasjon (WCO) i samarbeid med nigeriansk toll har utviklet effektive algoritmer som gjør nettopp dette. Hvis vi tar i bruk slike modeller, skaper vi ny kunnskap om risiko, og tollerne kan da få foreslått deklarasjoner til kontroll som de ellers ikke ville ha fanget opp. (Nigeriansk toll er i en unik posisjon til å skaffe data til utvikling av slike modeller. I motsetning til de fleste tolletater, kontrolleres i Nigeria fortsatt 114

fysisk hver vare som deklareres. Dermed har de komplette datasett. Det er morsomt hvordan et land som man kanskje anså å ligge langt bak med sin 100 prosent kontroll, plutselig på sett og vis kom først igjen!) Avviksdeteksjon En spesifikk form for risikoindikator er et avvik fra normalen. Vi vet kanskje ikke helt hva vi ser etter, men vi vet at de fleste aktørene stort sett deklarerer riktig og følger loven. Hvis vi kan se etter avvik fra det som er normalt eller endringer i trender, så kan vi fange opp forsøk på smugling eller feildeklareringer. Det er for eksempel uvanlig å importere bananer fra Sverige, eller å sende flere tonn grus per post. For å fange opp de mindre åpenbare eksemplene finnes det mange maskinlæringsmetoder for avviks- og nyhetsdeteksjon. Tolletaten har begynt å prøve ut noen slike for å se på sammenhenger mellom blant annet pris, vekt, varetype og opprinnelsesland. Tollere kan nå få et varsel der deklarasjoner har en uvanlig kombinasjon av disse faktorene, og kan bruke sin knappe tid til å undersøke dem nærmere. Kunstig syn og bildegjenkjenning Bilde- og tekstgjenkjenning brukes allerede daglig i Tolletaten, da det er en sentral del av vår elektroniske tilstedeværelse på grensen. Hvert kjøretøy som passerer, for eksempel på en ubemannet overgang, får avlest sitt kjennemerke med hjelp av bildegjenkjenning, og strukturerte data om grensepasseringene videreformidles til tollere. Det betyr at Tolletaten kan ha oversikt over grensen, selv om vi ikke har ressurser til å ha tollere fysisk på alle grenseovergangene. Dette er ikke bare en måte å håndtere knappe ressurser på, men et betydelig samfunnssikkerhetstiltak i seg selv. Gjennomlysing av kjøretøy, last og bagasje er en annen viktig del av vår kontrollvirksomhet, der teknologi allerede har bidratt til effektivisering. Det er mye enklere å ta røntgen av en container, enn for eksempel å tømme den helt for å se om den har smuglervarer skjult bak en falsk bakvegg. Det er et åpenbart mulighetsrom her til å bruke KI for å hjelpe oss å tolke bildene og avdekke smugling. Med bruk av KI til bildetolkning kan man se for seg mer automatiserte gjennomlysingsprosesser i stor skala, som vil kunne gi betydelige gevinster, for eksempel å skanne alle containerne på et tog i fart. Vi bruker likevel ikke dette i utstrakt grad ennå, da det er mer komplisert enn man kan tro. Mens KI brukes for å analysere bilder av menneskekropper, er det mer krevende å få til på bilder av last. I motsetningen til menneskekroppen, finnes det ikke én typisk lastprofil å ta utgangspunkt i. Det skal dermed mer til før KI kan konkurrere med en trent, menneskelig skanneroperatør. Generativ KI Også innenfor generativ KI er det noen åpenbare bruksområder for Tolletaten. Særlig er dette aktuelt for store språkmodeller (LLM). Mens mye av vår data er noenlunde strukturert, for eksempel i TVINN, mottar vi også store mengder ikke-strukturerte data i form av tekst og prosa. Å gjenfinne relevant informasjon, for eksempel om nye smuglermetoder i disse store tekstmengdene, kan være krevende. Store språkKI i møte med menneske

115

modeller viser en lovende evne til å kunne strukturere og klassifisere tekst gjennom å sette på metadata, eller å oppsummere hvilke temaer og trender som går igjen i dokumentene. Dette gjør det tydeligere hvor en toller eller analytiker bør lese videre. Konklusjon Tolletaten har lang erfaring med data og teknologi, men er fortsatt bare i begynnelsen av å utnytte de nyeste KI-metodene. Det er all grunn til å tro at disse vil ha stor påvirkning på etatens evne til å håndtere de utfordringene vi og samfunnet står overfor. Likevel, felles for de bruksområdene som er diskutert ovenfor, er at vi fokuserer på å bruke kunstig intelligens for å berike informasjonsgrunnlaget for tollerne. KI skal ikke erstatte mennesker eller operere autonomt. Tolletaten er i en god posisjon til å utnytte mange av mulighetene som kommer med KI. Alle lands tolletater kan stanse reisende for kontroll, uten noen form for mistanke. Som et utgangspunkt kan man tenke seg dette som rent stikkprøvebasert. Med dyktige tollere og god etterretning forsøker vi å velge ut de rette objektene for kontroll, slik at vi avdekker flere regelbrudd enn ved et rent tilfeldig utplukk. Med KI kan vi ytterligere styrke evnen til å plukke riktig. Men det er fortsatt den etterfølg ende fysiske kontrollen, utført av mennesker, som faktisk avgjør om vi finner noe eller ikke. Og det er mennesker som beslutter den videre saksgangen. Sånn sett er det all grunn til å tro at det vil være tollere i overskuelig framtid, tollere som kan stå på grensen og se tilbake på sin forgjenger i norrøn tid. Vi har fremdeles den samme, grunnleggende samfunnsoppgaven. Vi skal ivareta statens hensyn når varer krysser grensen. Ja, volumet av varer som går inn og ut av riket er uendelig mye større enn før. Og det er ikke lenger bare en enkelt tollavgift som skal kreves inn, men et svært komplekst og bredt regelverk som skal håndheves. I stedet for en papirrull å skrive på, har dagens toller en mobiltelefon med spesialapplikasjoner, med tilgang på store datamengder, som er strukturert og beriket av maskinlæringsmodeller. Dette gir oss nye muligheter, i tillegg til de gamle toll metodene for å avdekke smugling. Ja takk, begge deler!

116

av Bård Vegar Solhjell, Norad-direktør, Randi Aalgaard, digitaliseringsdirektør og Håvard Mokleiv Nygård, direktør for kunnskap og innovasjon

KI: mer enn en ekstra saksbehandler Sammendrag: Norad er i gang med å implementere kunstig intelligens (KI) for å effektivisere bistandsmidler. Mens tidligere digitalisering har rettet opp merksomheten mot automatisering av regelstyrte prosesser, kan KI brukes til å analysere komplekse søknader og gi faglig støtte. Norad bruker KI rett inn i kjerneoppgavene, deriblant til forvaltning av bistand, for å gi faglige råd, og til statistikk og analyse. Norad har startet med pilot prosjekter for å teste KI i korrekturlesing, rapportering og veiledning. I 2024 vil KI brukes til å bistå med vurdering av søknader. Potensialet for KI strekker seg også til å forbedre arbeidet med naturkatastrofer, humanitære kriser og jordbruksteknikker. For å lykkes med KI-implementering er endringsledelse avgjørende. Ledere må forstå teknologien og involvere medarbeidere. Dessuten er samarbeid mellom fagmiljøer, IT og statistikk nødvendig. Regjeringen må gi virksomheter mandat og finansiering for å utvikle og implementere KI på en trygg og effektiv måte. Effektivisering må ha et klart mål og forklares til medarbeidere for å sikre bred støtte og tillit. Sammenfattet av KI-tjenesten Gemini, kvalitetssikret av Parat.

KI i møte med menneske

117

KI: mer enn en ekstra saksbehandler

Store språkmodeller, det vi ofte kaller generativ kunstig intelligens, kan være den største og viktigste teknologiske endringen i nyere tid. I den delen av offentlig sektor som forvalter store pengesummer, behandler søknader og gir faglige råd om komplekse forhold, kan det ha stor betydning både for effektivitet og kvalitet.

500 timer var svaret, da vi spurte. Det er organisasjonen Plan Norges anslag på hva de bruker på å utvikle års- og resultatrapport til Norad – altså omtrent to årsverk. Plan er en stor global organisasjon som jobber i en rekke utvik lingsland. Norad har en viktig avtale med den norske armen av organisasjonen, med utgangspunkt i å styrke jenters rettigheter. Alle våre partnere må rapportere systematisk til Norad. Det er viktig for å sikre at pengene brukes godt, og for å unngå misbruk. Vi kan sikkert oppleves som både rigide og omstendelige, men vi forvalter statens penger som kommer fra skattebetalerne. Det er et ansvar vi tar seriøst. KI til rapportering Men 3500 timer? Det var i overkant. Og det er nettopp det Plan har sett selv. I sin neste rapportering til oss, skal de bruke et KI-basert verktøy som de har utviklet i samarbeid med selskapet Bearingpoint. De mener at det vil gjøre rapporteringen mer presis, og at det vil redusere tidsbruken kraftig. Og alt dette måles. Vi applauderer og har følgende tanker. Vi i Norad er helt avhengige av alle våre partnere for å bidra til utvikling for verdens fattigste. Men hvor mye tid går egentlig med til rapportskriving? Og enda viktigere; kunne denne tiden ha blitt brukt bedre og mer effektivt til noe annet? I norsk bistand, som i samfunnet for øvrig, hjelper teknologi oss til å forvalte både bedre og mer effektivt. Det er ikke unikt i seg selv, men har hatt stor betydning for samarbeidet med partnere og ambassader rundt i verden. Teknologien kommer ofte gradvis og erstatter eller utdyper det vi har. Norad-kontoret i Lusaka fikk for eksempel faks på slutten av 80-tallet, en stor begivenhet som gjorde skriftlig kommunikasjon raskere og lettere. Likevel var brev per kurerpost foretrukken kommunikasjonsform en god stund til, da det ofte var mer forutsigbart enn telelinjene. Da World Wide Web kom til Norge i 1993 var det nok få som forstod hva som lå for våre føtter i årene fremover. Vi tror likevel at kunstig intelligens vil ha spesielt

118

stor betydning, og at det innebærer en endring utover disse eksemplene. La oss ta et steg tilbake. Norads utgangspunkt Norads, Direktoratet for utviklingssamarbeid, hovedoppgave er å forvalte mesteparten av bistanden på vegne av Utenriksdepartementet og Klima- og miljødepartementet. Norsk bistand gir resultater. Internasjonal forskning peker tydelig på en klar sammenheng mellom bistand og økonomisk vekst. Sagt enkelt: Land som får bistand, har høyere økonomisk vekst enn det landet ville hatt uten bistand. Så sterk er denne effekten at per krone er det ingen del av det norske statsbudsjettet som produserer velferd for vanlige mennesker like effektivt som bistandsbudsjettet. Bistand til vaksiner har hatt avgjørende betydning for at barnedødeligheten er halvert siden år 2000. Og alle som følger nyhetene, ser hvor viktig humanitær bistand er for å redde liv i konflikter som i Ukraina eller Gaza. Vi gjør jobben vår effektivt. Det vet vi fordi vi benchmarker oss mot andre nasjonale og internasjonale aktører. Norad forvalter for eksempel mer enn dobbelt så mange bistandskroner per hode som vårt søsterdirektorat i Sverige, Sida. Vi er en liten og slank organisasjon: USAID, USAs Norad, har flere ansatte i Kenya enn Norad har totalt. Samtidig: Norads medarbeidere bruker i dag et betydelig antall timer til å gjennomgå rapporter og vurdere søknader. Dette er kjerneoppgaver i Norads forvaltning av bistand, så det er logisk at dette er arbeidsoppgaver som tar mye tid. Likevel må vi spørre oss: Kan disse prosessene effektiviseres? Kan vi ta i bruk verktøy som gjør at vi kan oppnå samme eller høyere kvalitet med færre arbeidstimer? Dette er arbeidstimer som så kan brukes til å styrke andre deler av bistandsforvaltningen. Med introduksjonen av generativ kunstig intelligens, KI, er vi overbevist om at svaret er ja. Derfor tester og implementerer Norad nå KI i sin forvaltning. Det er ikke for å gjøre morsomme ting på marginen av samfunnsoppdraget vårt. Vi bruker KI rett inn i kjerneoppgavene våre: forvaltning av bistand, faglige råd, statistikk og analyse. Den nye kunstige intelligensen Tidligere runder med digitalisering har gjerne vært fokusert på automatisert saksbehandling, basert på programmerte regelmotorer. Disse har ikke kunnet lære selv, slik vi nå ser med kunstig intelligens, men de har forholdt seg til de reglene vi har satt. Likevel har dette bidratt til betydelig effektivisering for sentrale statlige organer som Skatteetaten og NAV. De har brukt det til å effektivisere forvaltningen av regelstyrte ordninger – ordninger hvor folk har en rettighet. For å si det forenklet er oppgaven å sortere hvem som kvalifiserer, og hvem som ikke gjør det. Mange offentlige instanser, som Norad, har oppgaver og ordninger som ikke er regelstyrte, men som mottar lange og komplekse søknader. Ansatte må behandle informasjon på mange språk og har et enormt kildetilfang. Andre nærliggende eksempler er Forskningsrådet, NBIM (populært kalt Oljefondet) og Kulturrådet. KI i møte med menneske

119

Dette arbeidet krever substansiell behandling av søknader. Som regel er det søkere som konkurrerer om midler. Saksbehandlere og lederes bakgrunnskunnskap, erfaring og faglige skjønn er helt sentralt i beslutningsprosessen. Ofte kreves det dessuten dyp innsikt i geografiske kontekster og historikk. Så langt har maskinlæring ikke vist seg å ha klare anvendelser i denne forvaltningen. Den plutselige tilgjengeligheten av generativ KI snur dette på hodet. Fra teori til praksis I Norad er vi godt i gang med å se på mulighetene som ligger i KI for våre kjerneoppgaver. Vi startet forsiktig. For å bygge kompetanse og forståelse så vi i høst på om KI kan hjelpe oss med å effektivisere rutineoppgaver som korrekturlesing, uthenting av resultatinformasjon fra partneres rapporter og oppsummering av høringsinnspill. Her bruker vi ganske enkelt KI som om det var en ekstra assistent for våre saksbehandlere. Resultatene er lovende. Vi prøvde oss også på å bygge en enkel chatbot som skulle gjøre veiledning for tilskuddsforvaltere enklere tilgjengelig. Chatboten gjorde at saksbehandlere kunne stille konkrete spørsmål direkte til «boten» i stedet for å pløye seg gjennom metervis med veiledning. Målet med denne første fasen var å gjøre Norads ansatte kjent med potensialet i tilgjengelige KI-verktøy, samtidig som vi høstet erfaringene med å pilotere ulike løsninger. Disse pilotprosjektene viste oss at KI kan gi betydelige effektivitetsgevinster. Nå går vi fra pilotering til implementering. Denne våren vil vi bygge inn bruk av KI i flere av våre tyngste prosesser. Hvert år gjennomfører Norad en lang rekke utlysninger. Vurdering av søknader som kommer inn til disse utlysningene, krever store personellressurser hos oss, på tvers av organisasjonen. Nå ønsker vi å utforske hvordan saksbehandlere kan få assistanse av KI i disse prosessene. KI hjelper til med lesing og sammenstilling av informasjon fra søknadene. I dette vil vi bruke KI for å trekke ut viktig informasjon fra enkeltsøknader og sammenstille dette på tvers av søkere for å kunne sammenligne bedre. Det letter arbeidsmengden betydelig. KI kan dessuten hjelpe oss med å gjøre mer systematiske vurderinger av kvaliteten av spesifikke områder i søknadene. Vi mener KI kan hjelpe oss å effektivisere, og at vi kan bruke KI til å styrke oss kvalitativt. Vi ser også muligheter for bruk av KI til å forbedre arbeidet med naturkatastrofer og humanitære kriser. Ved å kunne analysere informasjon og data fra nødsituasjoner mer effektivt kan vi bedre samordne humanitær innsats og styrke Norads arbeid innenfor dette feltet. KI kan også brukes til å analysere satellittbilder og sensordata for å optimalisere jordbruksteknikker, forbedre jordhelse og bedre matsikkerhet i Norads partnerland. KI kan brukes som verktøy også i områder hvor bøndene selv ikke har avansert teknologi tilgjengelig. Ledelsen som driver KI vil endre måten vi jobber på, inkludert roller og identitet knyttet til arbeidsoppgaver. 120

Endringsledelse er et nøkkelord. Ledere må tilegne seg kompetanse og forståelse for hvordan KI kan tas i bruk på en god måte. I Norad har flere ledere brukt en god del tid det siste året på å forstå generativ KI, og hva det er og ikke er. Det er nødvendig for å gjøre gode prioriteringer og se hvilke nye strategiske muligheter teknologien gir – og ikke gir. Endringsledelse handler både om å trygge ansatte i en prosess der stillingsinnholdet blir påvirket av KI, men også om kultur, prioritering og finansiering. For å lykkes må toppledergruppen og mellomledere ikke bare forstå målet, de må også skjønne mye mer av teknologien. Som vi i Norad har lært av vår egen deltagelse i Digital Norway nettverket; den digitale modenheten må opp. Sagt enkelt: For å forstå de mulighetene som innføring av KI i organisasjonen gir, må du først skjønne en del KI. En viktig grunn til dette er ledelsens ansvar for å breie ut arbeidet med KI. En utfordring med digitaliseringsprosjekter generelt er at de ofte er initiert og drevet av digitaliseringsmiljøene selv. Da får du gjerne kraft og fokus i en første fase, men uten forankring i ledelsen vil slike initiativ alltid komme med betydelige begrens inger. Dette gjelder enda mer for KI. I motsetning til tidligere digitaliseringsrunder vil effektiv bruk av KI kreve mye mer av et bredere sett av medarbeidere – og ledere. NTNU, UiO og Difi har gjort en kartlegging av status, utfordringer og behov i norsk offentlig sektor når det gjelder kunstig intelligens (NTNU Open: Kunstig intelligens/ data science: En kartlegging av status, utfordringer og behov i norsk offentlig sektor - første resultater)1. For flere offentlige virksomheter har det eksistert siloer for fagmiljøer, IT og statistikk og analyse. Disse fagmiljøene har tradisjonelt hatt for lite samarbeid. Det mangler en felles forståelse for at tverrfaglig samarbeid er nøkkelen til suksess i virksomheten, og at løsningene som blir laget, må integreres i de prosessene og rutinene som allerede eksisterer. Dette får konsekvenser for måten en bør organisere arbeidet på, hvordan virksomheten måler suksess og hvordan organisasjonen kan ta innover seg denne nye måten å jobbe på. Hva nå? Å implementere bruk av KI i forvaltning er langt fra problemfritt, og det er mange hensyn å ta, som for eksempel datakvalitet og etiske vurderinger. Samtidig er mulighetene ved utvidet bruk av KI i forvaltningen betydelige. KI kan bidra til betraktelig effektivisering i offentlig sektor. Forutsetningen er at det gjøres åpent og forutsigbart, med god kunnskap om teknologi og etikk – og på en måte som sikrer rask og kontinuerlig læring Det vi nå ser konturene av, er at denne runden med KI ikke bare kan hjelpe oss med forvaltning av regelstyrte ordninger, men også med ordninger som krever tungt faglig og skjønnsmessig arbeid. 1 Reutter, L. M. og Broomfield, H. (2019) Kunstig intelligens / data science: En kartlegging av status, utfordringer og behov i norsk offentlig sektor. NTNU Open. https://ntnuopen.ntnu.no/ntnu-xmlui/ handle/11250/2634733

KI i møte med menneske

121

Tillit og kompetanse står sentralt i dette arbeidet. Ledelsen må sørge for at medarbeidere har tillit til at utprøving og innfasing av KI gjøres på en forsvarlig måte. Medarbeidernes integritet og deres faglige skjønn og ekspertise må ivaretas. På samme tid må alle virksomheter sørge for at medarbeidere og ledere i alle ledd får den kompetansen som trengs for å nyttiggjøre seg KI i arbeidshverdagen. Effektiv bruk av KI i en virksomhet vil kreve inngående brukerinvolvering. I motsetning til tidligere runder med digitalisering, vil innfasing av KI medføre at vi alle jobber annerledes. Det må skje på en trygg måte. Regjeringen må sørge for at statlige virksomheter har mandatet og det finansielle rommet som trengs for å utprøve, utvikle og implementere KI. Det krever også tillit. En sentral brikke i regjeringens tillitsreform bør nettopp være å sette krav til effektivisering og la virksomhetene finne virkemidlene, verktøyene og arbeidsformene som gjør at vi kan hente ut denne effektiviseringen. I Norad effektiviserer vi for å kunne jobbe bedre med bistand. Det overordnende målet er viktig for at alle hos oss skal forstå hvorfor vi jobber med KI. På samme måte må alle andre virksomheter forklare hva effektiviseringen skal ha effekt på. Effektivisering for effektiviseringens skyld er sjelden et godt utgangspunkt for å motivere medarbeidere.

122

Del 5: Få kontroll på KI

KI i møte med menneske

123

124

av Irene Halvorsen Journalist og tidligere sjefredaktør i Nationen

Er fremtidens medier redaktørstyrt eller KI-styrt? Sammendrag: Irene Halvorsen utforsker spenningen mellom kunstig intelli gens (KI) og journalistikkens fremtid. Mediene er demokratiets infrastruktur, skriver Halvorsen. God bruk av KI kan styrke demokratiet og utvide den offentlige samtalen. Dårlig og ondsinnet bruk av KI, blant annet bruk av deep fakes, kan bryte ned demokratiet. Det er grunnen til at EU gjennom flere lover nå søker å regulere KI. Fremtidens medier kan by på tette samspill mellom menneske og maskin, formet av utforskning og innovasjon. Mens KI allerede revolusjonerer jour nalistiske prosesser, understreker Halvorsen betydningen av menneskelig nysgjerrighet og kritisk tenkning. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

125

Er fremtidens medier redaktørstyrt eller KI-styrt?

Kunstig intelligens kan forandre samfunnet på måter vi fortsatt ikke forstår eller kontrollerer. Det forandrer også journalistikken og mediehusene.

Innovasjonen er tilbake! Slik beskriver medieekspert David Caswell kunstig intelligens i og for journalistikken. Caswell er leder av BBC News Labs og grunnlegger av StoryFlow Ltd, som jobber med KI i nyhetsproduksjon. Selv om mange mediefolk nok føler at vi har jobbet ustanselig med innovasjon og endring, mener Caswell at det egentlig har stått nokså stille siden 2010. Da OpenAI lanserte ChatGPT i november 2022, startet en ny tid. Microsoft-veteran Satya Nadella er inne på det samme i podcasten «In Good Company» med vår egen oljefondsjef Nicolai Tangen. Nadella sier han er inne i sitt andre år i det fjerde plattformskiftet i løpet av sine 32 år i Microsoft. Hvert av disse teknologiske gjennombruddene har bygget på det forrige, mener han. Først kom PC-ene og serverne i 1992, så internett for alle. Det tredje skiftet kom med muligheten til å lagre data i sky. Og nå altså: kunstig intelligens. Selskaper som har stor verdi i dag, kan få helt annen konkurranse i morgen – det gjelder selvsagt også teknologi- og medieselskaper. «The battles we won and the battles we lost, are all up for grabs again», erklærer Nadella begeistret. «You have to reinvent yourself again and again». Det er fort gjort å undervurdere teknologiske gjennombrudd – hvor gjennomgrip ende og fullstendig transformerende de er, for alle bransjer og sektorer. Noen er mer fryktløse enn andre i møte med det ukjente. Men som alle vet, når man står på svaberget en tidlig sommerdag og gruer seg for å hoppe: Vannet blir ikke varmere av å vente. Det er bare å kaste seg uti. Redaktørstyrte medier er demokratiets infrastruktur. Et mangfold av medier er en grunnleggende forutsetning for ytringsfrihet og et velfungerende demokrati. Medietilsynet rapporterer årlig om utviklingen av dette mangfoldet i Norge, der de ser på mangfold både når det gjelder avsendere, innhold og bruk. Jeg tror alle disse parametrene vil bli påvirket av kunstig intelligens, og dette vil kunne leses ut av fremtidige mediemangfoldsregnskap. I frie, redaktørstyrte medier jobbes det på høygir for å forstå hvordan kunstig intelligens og maskinlæring kan brukes for å styrke journalistikken, samfunnsoppdraget og forretningsmodellene. Det betyr ikke at redaktørene undervurderer de potensielt skadelige effektene som uklok bruk av kunstig intelligens kan medføre.

126

Norske medier innførte nokså raskt retningslinjer for bruk av KI, som tekstgenereringsbot-en ChatGPT, samt bilde- og illustrasjonsverktøy som DALL-E og Mid Journey. Samtidig må disse verktøyene testes og brukes, om de skal kunne smelte inn i produksjonsprosessene. Journalister i mange mediehus bruker derfor kunstig intelligens i økende grad. Jeg skal komme tilbake til eksempler. Flere medier har opprettet egne stillinger for å jobbe med kunstig intelligens eller tatt andre grep for å implementere teknologien. Aller viktigst i tidlig fase er det nok at norske medier tydelig merker KI-generert innhold, er åpne om hvordan KI har vært tatt i bruk, og at de ikke publiserer KI-generert innhold uten at dette er gjennomgått av en redaksjonell medarbeider før publisering. KI påvirker allerede arbeidsflyt og automatisering i mediehusene. KI brukes i innholdsgenerering og automatisering, forbedring av journalistiske prosesser for å finne informasjon, avdekke mønstre og sammenhenger, identifisere trender og kommunisere med kunder. Teknologien kan også påvirke hvordan informasjonen kan utvikles til å bli journalistikk og hvordan journalistikken kan presenteres og distribueres. Skaperen er taperen Utfordringer knyttet til opphavsrett og hvor pengene blir av i verdikjeden når distribusjonen digitaliseres, er kjent fra andre yrkesgrupper og bransjer. Musikkbransjen er snudd på hodet av strømmetjenester som Spotify og Apple Music. Det samme kan skje med forfattere, journalister og medieselskaper. Med digitaliseringen har pengene flyttet seg fra produksjon til distribusjon. Strømmetjenester for musikk har gjort musikken mer tilgjengelig. Det er brukervennlig – og strømme-eier-vennlig. Spotify-gründer Daniel Eks aksjepost var for et par år siden verdt rundt 40 milliarder kroner. Musikere mener modellen sender penger på avveie. Dette er en risiko også for mediebransjen. Det kan virke som om OpenAI og Microsoft satset på tilgivelse, heller enn tillatelse, da de matet ChatGPT for å trene språkroboten. I desember 2023 tok New York Times og det tyske Springer-konsernet ut milliardsøksmål for brudd på opphavsretten. New York Times og Springer mener de to selskapene har stjålet flere millioner artikler. Artiklene er i seg selv medienes eiendom. I tillegg konkurrerer ChatGPT-innholdet nå med avisens eget innhold, som de jo tar betalt for. Dette er første gang medier har gått til søksmål mot OpenAI. Forfattere og komik ere(!) har gjort det samme. Også illustratører er dypt bekymret. Christian Bloom, en av Norges mest anerkjente avistegnere og illustratører, mener KI kan utradere hele hans yrke. Foreløpig er det ikke frykt for opphavsretten som råder blant norske medieselskaper. De ønsker å være det de kaller «KI-positive» og jobber mot reguleringer som kan begrense deres egen utforsking av forretningsmulighetene som bruk av KI kan gi. Sammen med NRK er Schibsted i gang med å utvikle egne språkmodeller, i storsatsingen NorwAI. KI i møte med menneske

127

KI kan skade demokratiet Vinteren 2024 ble EU AI Act vedtatt. Flere andre EU-forordninger har også stor betydning for medienes konkurransedyktighet og innovasjonsevne. Det gjelder særlig Digital Markets Act (DMA), Digital Service Act (DSA) og European Media Freedom Act (EMFA). Bransjeorganisasjon Mediebedriftene (MBL) jobber med disse spørsmålene gjennom News Media Europe. EUs KI-lov adresserer sosiale, etiske og juridiske utfordringer som kunstig intelligens kan medføre, og hvordan dette kan svekke menneskerettigheter og andre grunnleggende friheter. EU ønsker å være tidlig ute og beskytte borgerne, slik at de skal kunne stole på teknologien. EU er blitt beskyldt for å være bakpå med lovgivning som regulerer de globale plattformene. EU ønsker ikke å gjøre samme feil i møtet med KI. Frykten er særlig stor for hvordan valg kan bli påvirket av ren desinformasjon og propaganda. EU ønsker derfor et eget målrettet team til å granske de globale plattformene, som Google, Meta, X og andre. EU vil at disse skal bli ansvarliggjort ved misbruk, at de må kunne identifisere brukere, at såkalte påvirkere må flagge hvem de er betalt av, og at politisk reklame skal kunne identifiseres. EU vil også samarbeide med faktagranskere og gi de nasjonale medietilsynene en utvidet rolle. Kvaliteten på såkalte deep fakes – lyd, bilder og levende bilder som er det reneste oppspinn – er nå blitt så god at det selv for eksperter er vanskelig å avsløre. Det er ikke vanskelig å se for seg hvordan deep fakes kan velte et valg. De falske pornobild ene av superstjernen Taylor Swift som ble spredd vinteren 2024, er bare en forsmak på hva vi kan ha i vente. Se for deg hva som skjer om det spres falske videoer av ledende politikere. Onde krefter kan fremstille falske møter der politikere gjør noe eller sier noe de ikke skulle gjort – midt i en valgthriller der utfallet står om noen få tusen stemmer. Dette er en formidabel, demokratisk utfordring. Vi trenger derfor lovgivning på området. Vi trenger også et sterkt forsvar, etterretning og politi. Likevel vil verken EU eller nasjonale institusjoner lykkes i å regulere eller kontrollere alt. Tenk bare på russiske trollfabrikker; med KI har de et formidabelt våpen for å destabilisere land rundt seg. I møte med dette blir kunnskap og kildekritikk i befolkningen avgjørende. «Demokratiet, det er oss», som tidligere stortingsrepresentant Jette F. Christensen skriver i sin ferske bok. EU har en risikobasert tilnærming, og EUs KI-lov er utformet som en slags pyramide. Loven klassifiserer systemer etter risikonivået de representerer, fra «minimal risiko» til «uakseptabel risiko». Såkalte høyrisiko-applikasjoner blir strengt regulert.

«I frie, redaktørstyrte medier jobbes det på høygir for å forstå hvordan kunstig intelligens og maskinlæring kan brukes for å styrke journalistikken, samfunnsoppdraget og forretningsmodellene.» Irene Halvorsen 128

Man får ikke overvåke folk eller lage ulike former for sosial score. Selskapene må rapportere hvordan KI-modellene er trent, og hvordan de brukes. KI kan bygge demokratiet Det rike mediemangfoldet i Norge understøtter en bred, offentlig samtale, og vi topper internasjonale pressefrihets- og demokratiindekser. Det betyr ikke at det ikke finnes utfordringer. 18 prosent av yngre brukere opp til 24 år unngår aktivt nyheter. Ytterligere 17 prosent får bare med seg nyheter gjennom sosiale medier. Hele 35 prosent av norske unge voksne følger ikke med på nyheter i tradisjonelle medier. Sosioøkonomiske forhold gjør bildet enda mer krevende. En svensk undersøkelse viser at hele 48 prosent av befolkningen i såkalt vanskeligstilte områder unngår nyheter. Jeg har ikke sett lignende undersøkelser i Norge, men det er grunn til å tro at man vil finne mindre bruk av redaktørstyrte medier blant slike brukergrupper også her. Ved riktig bruk kan kunstig intelligens trolig gjøre redaktørstyrt, redaksjonelt innhold mer relevant også for dem. Innholdet kan tilbys på flere språk, på klarspråk, på andre måter eller i andre former. Med innovasjonssenteret IN/LAB gjør Schibsted feltundersøkelser for å utforske fremtidens medier og mediebruk. KI i norsk journalistikk Tidlig i 2024 hadde bruk av kunstig intelligens i journalistikken felt én statsråd (Sps Sandra Borch) og satt en annen statsråd under betydelig press (Aps Ingvild Kjerkol). NRK og NINA (Norsk institutt for naturforskning) har analysert 40 000 satellittbilder fra årene 2017–2022 og dokumentert dramatisk nedbygging av norsk natur. Faktisk. no og OsloMet har analysert 37 000 norske TikTok-videoer og avdekket en strøm av positivt innhold, et lysere bilde enn de fleste nok antok. Den enorme mengden tekst, bilder og data som er analysert for å kunne avdekke disse sakene, hadde ikke vært mulig uten bruk av KI. Flere andre avsløringer i norske medier kunne ikke vært løst uten omfattende datajournalistikk og bruk av kunstig intelligens. Tre eksempler fra 2023 er E24s avsløringer av aksjeskandalene i norsk politikk, som dokumenterer at Erna Solberg var inhabil i en lang rekke saker de åtte årene hun var statsminister i Norge på grunn av ektemannen Sindre Finnes’ omfattende aksjehandel. Fiskeri-prosjektet er et samarbeid mellom Sunnmørsposten, iTromsø og Framtida i Nord, som dokumenterer hvordan fiske i sårbare områder i Barentshavet har påført naturen dramatiske skader og gjort rederne søkkrike. NRK har ettergått myndighet ens krisepakker på over 100 milliarder kroner. Med egenbygde databaser, analyser i programmeringsspråket Python og statistikkprogrammet R, og med støtte av ChatGPT, dokumenterer NRK at de rike fikk mest. Effektivisering Eksemplene viser hvordan KI kan forbedre journalistiske prosesser og understøtte research, dataanalyser og identifisere trender. KI i møte med menneske

129

KI brukes også til å generere nyhetsartikler, finansrapporter, sportsoppdateringer og annet innhold automatisk. Synlig i hverdagsjournalistikken er også kortversjoner av artikler, inne i nyhetsartikkelen, hos NRK, Dagens Næringsliv, VG og Aftenposten. Kortversjonene er oppsummeringer som blir laget ved hjelp av KI, og kvalitetssikret av journalist. Denne enkle effektiviseringen er svært vellykket. Schibsted-eide Aftonbladet i Sverige rapporterer om hele 40 prosent økt lesing av nyhetsartiklene på grunn av KI-produserte kortversjoner. På samme måte vil trolig sitatsaker kunne genereres av maskiner. Det samme gjelder nyhetsoppsummeringer som «Dette skjedde i natt». Personalisering og anbefalingssystemer KI vil i stadig økende grad også bli brukt til personalisering og anbefalingssystemer basert på brukernes interesser og preferanser. Aftenposten startet tidlig med en delvis autoredigering av forsiden på aftenposten.no, men deler av forsiden skal fortsatt være lik for alle lesere. Aftenposten og Aftonbladet startet også tidlig med KI-generert «tekst-til-tale» og tilbyr deg å lytte til artikkelen i stedet for å lese den, med en KI-generert stemme bygd på stemmeprøver fra en virkelig person. Amedia, som eier over 100 lokalaviser og de nasjonale avisene Nettavisen og Nationen, effektiviserer arbeidsflyten med verktøy for «tale til tekst», som kan transkribere lydopptak og andre funksjonaliteter i produksjonssystemene. Flere produkter og tjenester Flere produkter og nye tjenester vil vokse frem ved mer bruk av kunstig intelligens eller maskinlæring. Internasjonalt ser vi for eksempel appen Artifact, der brukere kan velge hvilken KI-genererte form de vil ha en gitt artikkel i. Vil du lese artikkelen på vanlig måte eller med enklere språk? Kanskje vil du ha artikkelen i en språkdrakt tilpasset yngre brukere, eller som lydfil opplest av en kjendis? Eller kanskje som et dikt? For mediehusene handler det om at journalistikken må leses, lyttes til eller oppleves om du vil, av tilstrekkelig mange for at den skal ha gjennomslag. Med flere produkter og tjenester kan mediehusene sannsynligvis nå helt nye målgrupper med journalistikk, som kan være vanskelig eller umulig å tilby uten bruk av KI. Selv små redaksjoner kan trolig tilby nyheter og reportasjer tilpasset brukere med ulike ønsker og behov. Tradisjonsrike avishus har gått fra å levere tekst én gang i døgnet til å tilby en audiovisuell pakke, med nyheter, reportasjer, sport og underholdning. Digitaliseringen gjør at butikken alltid er åpen. Mange mediehus jobber i tillegg hardt for å være relevante i hele livsløpet, slik at det alltid er noen i familien som setter foten ned for at et abonnement skal bli sagt opp. Engasjement for innholdet er driveren. I 2020 lanserte Amedia tjenesten +alt, som ga brukere tilgang til aviser fra hele Norge. I 2023 ble tilbudet relansert som ALT, der abonnenter får en personalisert 130

«KI-teknologien er full av farer og muligheter. Men journalistikkens viktigste kraft, det vil si menneskelig nysgjerrighet, evnen til å undre seg og viljen til å grave i det, er ikke overtatt av maskinene.» Irene Halvorsen

nyhetsstrøm med journalistikk fra avisene de er mest interessert i. Høsten 2023 hadde ALT 400 000 abonnenter. KI og maskinlæring kan påvirke arbeidsoppgaver og -metoder, kultur og organisering. De kan også påvirke forretningsmodellene. Hvordan skal frie, redaktørstyrte medier overleve når en stor del av forretningen – siste nytt – kan dekkes av en chatbot du kan spørre om siste utvikling i Midt-Østen og Ukraina, eller nordområdene for den saks skyld? Hvor stor betydning vil avsenderen av nyheter ha? Hvor godt klarer frie, redaktørstyrte medier å forklare hva som skiller redaksjonelt produsert og kuratert innhold fra «alt annet»? Undringens kraft KI-teknologien er full av farer og muligheter. Men journalistikkens viktigste kraft, det vil si menneskelig nysgjerrighet, evnen til å undre seg og viljen til å grave i det, er ikke overtatt av maskinene. Avsløringene av aksjeskandalene i norsk politikk for eksempel, startet med spørsmålet: «Er det ikke rart at reglene for å eie aksjer er strengere for sommervikarer i E24 enn for politikerne på Stortinget?» Som tidligere vist: SKUP-rapportene – altså metoderapportene som viser hvordan norske redaksjoner har jobbet med de aller tyngste og viktigste sakene sine i 2023 – viser flere rapporter der bruk av kunstig intelligens har spilt en avgjørende rolle. Redaktørstyrte mediers evne til å kommunisere med lesere, lyttere og seere, til å forklare hvorfor de gjør som de gjør, og hva som skiller redaksjonelt innhold fra annet innhold, kan bli enda viktigere fremover. Mediene må bli flinkere til å fortelle hvordan de jobber, hvorfor de jobber slik, hvordan de gransker fakta, og hvorfor lesere, lyttere og seere kan stole på dem. Derfor tror jeg også at fremtidens medier er redaktørstyrt, og at fremtidens nyhetsrom fortsatt består av journalister – i tett samspill med kunstig intelligens og maskinlæringsmodeller.

KI i møte med menneske

131

132

av John Krogstie Professor i informasjonssystemer ved NTNU

KI: revolusjon eller evolusjon? Sammendrag: Teksten utforsker utviklingen av kunstig intelligens (KI) og dens innvirkning på samfunnet, med oppmerksomhet på spørsmålet om KI-utviklingen representerer en revolusjon eller en evolusjon. Professor John Krogstie fra NTNU diskuterer hvordan KI har utviklet seg fra et forskningsområde til en integrert del av moderne informasjonssystemer. Han undersøker ulike aspekter av KI, inkludert maskinlæring, symbolske og subsymbolske metoder, og hvordan disse teknikkene anvendes i ulike sektorer som helsevesenet og industrien. Teksten tar også opp utfordringer knyttet til KI, som behovet for menneske lig kompetanse, etikk og bærekraftighet. Videre drøftes påvirkningen av KI på arbeidsmarkedet og samfunnet generelt, samt behovet for å håndtere forventninger og regulere teknologiens bruk. Konklusjonen understreker betydningen av menneskelig styring og ansvar i utviklingen og anvendelsen av KI for å sikre en positiv samfunnsmessig utvikling. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

133

KI: revolusjon eller evolusjon?

Selv om KI lenge har eksistert som et teknologiområde, og har utviklet seg på siden av vanlig IT-utvikling og digitalisering, har bevisstheten og opp merksomheten rundt KI økt dramatiske de siste årene. Står vi foran en revo lusjonær endring av vår bruk av datateknologi, eller er det vi ser snarere en fortsatt del av en langsiktig evolusjonær utvikling? Bakgrunn Kunstig intelligens (på engelsk AI – Artificial Intelligence) er en samlebetegnelse på en rekke teknologier som skal få maskiner til å opptre på en måte som fremstår som intelligent. Ideen om å lage maskiner som opptrer som om de er intelligente, er gammel. Bortsett fra enkle regnemaskiner, var det først i forrige århundre at vi begynte å se konturene av at slike maskiner faktisk kunne lages. KI ble etablert som et forskningsområde allerede på femtitallet. Feltet har gjennom de siste nesten 70 årene utviklet seg til å være mer integrert som en naturlig del av arbeidet med å lage moderne informasjonssystemer. Når vi skal forholde oss til området kunstig intelligens, er det viktig å ha en forståelse for begrepet intelligens. Merk dog at forbedringer innen kunstig intelligens beveger seg langs en annen akse enn naturlig intelligens. Det som kan sammenlignes, er det man greier å gjøre med henholdsvis menneskelig intelligens og IT, der det for et menneske ville kreve menneskelig intelligens for å gjøre oppgaven som datasystemet gjør. Jeg merker meg blant annet at man også internasjonalt begynner å se dette litt uavhengig av hverandre. I siste definisjon av AI i AI Act nevnes ikke ordet intelligens, men hva man kan bruke teknologien til. Hva som inngår i menneskelig intelligens, forstås på ulike måter. Gardner skiller mellom syv ulike typer intelligens: språklig, logisk/matematisk, visuell, musikalsk, kroppslig og sosial intelligens – samt selvinnsikt. Som del av arbeidet med kunstig intelligens har man forsøkt å etterligne mange av disse i maskiner, med hovedfokus på språklig, matematisk/logisk og visuell intelligens, der ulike typer intelligent aktivitet blir forsøkt reprodusert og overgått med bruk av svært ulike metoder. Grovt sett kan vi snakke om to hovedmetoder innen KI: symbolske metoder, der vi prøver å representere kunnskap om verden med eksplisitte regler som kan brukes for å utlede et resultat basert på tilgjengelige data, og subsymbolske metoder, der vi er inspirert av deler av hjernens struktur og virkemåte i såkalte nevral-nett. 134

Et viktig felt i KI er maskinlæring. I begge metodene kan maskinen forbedre seg (lære) med basis i data, men de har svært ulik anvendelse. Det som de symbolske metodene er gode på, er ikke de subsymbolske metodene like gode på – og omvendt. Likevel er det spesielt de subsymbolske metodene hvor utviklingen har skutt fart de siste årene, og som har ført til at mange spår en revolusjon i teknologiens rolle i samfunnet. Status nå Etter at Deep Blue slo daværende sjakkverdensmester Garry Kasparov i 1997, er sjakkcomputerne nå så overlegne de beste menneskelige spillerne at det ses på som mistenkelig hvis et menneske er like dyktig som dem over mange trekk. Selvkjørende biler har vært rett rundt hjørnet (i hvert fall på en solskinnsdag) i mange år. Enkle nyhetsartikler skrives automatisk uten journalistinnsats, og anbefalingene du får fra Amazon og Netflix, bruker teknikker som opprinnelig ble utformet på KI-området. Maskinlæring har begynt å bli tatt i bruk i praksis ved medisinsk diagnostisering (blant annet på Bærum sykehus ved mistanke om benbrudd), selv om de fleste KI-baserte medisinske applikasjonene er i et langt løp for å bli godkjent som medisinsk utstyr. De siste årene har såkalt generativ KI, med basis i store språkmodeller, blitt stadig bedre til å produsere tekst, bilder, musikk, video på en måte som gjør at mange spør seg om de i stor grad kommer til å erstatte dem som tidligere laget slikt innhold. Framskrivingen av jobbmarkedet har lenge pekt på at en rekke jobber også på mellomledernivå (som ofte handler om å finne og strukturere informasjon) forsvinner, noe som i de fleste tilfeller baserer seg på bruk av teknologi som i hvert fall en gang i tiden ble gitt merkelappen kunstig intelligens. Mens den datadrevne endringen av arbeidslivet hittil har basert seg mye på å få tatt i bruk ganske tradisjonell teknologi der vi i stor grad har fokusert på automatisering, vil vi fremover se mer av at tradisjonelle jobber blir erstattet av maskiner som kan fungere i interaksjon med mennesker. Mens industriroboter tradisjonelt har jobbet i beskyttede miljøer, vil fremtidens roboter og IT-systemer jobbe sammen med oss. Vi vil se at vi ganske fort venner oss til å omgås maskinene – helt fra enkle vaske- og gressklipper-roboter som nå finnes i milliontall, til roboter som Paro som bidrar i omsorgsindustrien, og leketøy som i tillegg til å interagere med barna, også brukes for å lære hvordan de skal interagere med mennesker for å bli likt. Selv enkle gressklipperroboter får folk et positivt forhold til. En Facebook-side for gressklipperroboten Bernt ved NTNU fikk i løpet av ett år 4000 likes. Når videoer fra Boston Dynamics viser mennesker som sparker til roboter (for å vise hvor godt de tar seg inn), reagerer enkelte på det som mobbing. En grunn til at et av forsøkene med bruk av Watson (som i sin tid vant Jeopardy) til kreftdiagnose i USA ble stoppet, var at man med det nye systemet ikke fikk til en god integrasjon med data fra tradisjonelle pasientjournaler. Vi ser også klare tegn på at den eksponentielle utviklingen innen maskinytelse og kapasitet bremser opp. Det er fordi det etter hvert har blitt svært dyrt å lage maskinene og prosessorene KI i møte med menneske

135

stadig mindre, samtidig som man støter på absolutte fysiske begrensninger med dagens teknologi. De store brikkeprodusentene ser at dagens utvikling innen dette feltet høyst trolig vil stoppe opp i løpet av de neste 5–10 årene. Den såkalte Moore’s lov (eller snarere observasjon) om at maskinene dobler ytelse i løpet av 18 måneder, kan i praksis sies å ha bremset opp over lengre tid, siden man har basert seg på parallellisering for å bedre ytelsen. Det er ofte vanskelig (i noen tilfeller umulig) å fullstendig utnytte den ekstra kapasiteten som parallelliseringen potensielt gir. Heller ikke når det gjelder ressursbruk er en eksponentiell modell bærekraftig. KI som del av digitalisering Selv om mange av basisteknikkene innen KI har vært kjent lenge, har endret tilgang til regnekraft og store datamengder medført betydelige endringer. Til tross for at vi kan se en viss oppbremsing når det gjelder utviklingen av prosesseringskraft, har man nå i praksis mulighet til å bruke de mer avanserte teknikkene på stadig nye problemer. Et annet viktig utviklingstrekk de siste 20 årene er at vi i større grad kan kombinere ulike teknikker. Watson, for eksempel, bruker ikke bare én teknikk, men oppimot 100 ulike teknikker der vi kan anvende forskjellige metoder på samme data i parallell, og velge ut svaret som de fleste av metodene kommer frem til. Selv om generativ KI i seg selv gir store muligheter, er det i god kombinasjon med tradisjonell KI (som for eksempel kan brukes til å lage gode prompts) og generativ KI at vi kommer til å se de største endringene. Vel så viktig for at KI har blitt en vanlig del av vår virkelighet, er at vi inkluderer KI-elementer i mer tradisjonelle informasjonssystemer. De fleste datasystemene til Bærum sykehus er tradisjonelle datasystemer som jobber sammen med KI-modulen (for å detektere brudd), og som gir tilgang til data fra andre kilder der man også kjenner datakildens egenskaper (meta-data) og menneskelige operatører for å gi et totalsystem som er både nyttig og effektivt. Selv om KI omfatter mange ulike teknikker, er det en liten del av området datateknikk som helhet. Så langt har mesteparten av utviklingen innen informasjonssystemer og digitalisering, og hvordan de har endret blant annet jobbmarkedet de siste 20 årene, vært basert på det vi kan kalle tradisjonell informasjonsteknologi. Det har vært vanskelig nok å automatisere og understøtte ganske banale aktiviteter med datateknologi, for eksempel i offentlig sektor, når vi har måttet forholde oss til et lovverk som er skrevet før det fantes datasystemer. Eksempler som den nye helseplattformen i midt-Norge og nye datasystemer i universitets- og høgskolesektoren tyder ikke på at vi har blitt spesielt mye bedre til å levere basisfunksjonalitet de siste årene. Det hindrer blant annet at vi har kapasitet til å implementere avanserte KI-baserte løsninger. Påvirkning på jobbmarkedet Allerede for nesten 10 år siden ble det spådd at fremtidens teknologi vil gjøre opp mot halvparten av dagens eksisterende jobber overflødige i løpet av 25 år. Det var hovedsakelig ved bruk av KI-teknikker, sammen med videre utvikling og raffinering 136

«Mens det tidligere var oppgaver som krevde muskelkraft og manuelle, repetitive operasjoner som ble erstattet av maskiner, ser vi en endring ved at også det som kalles kreative yrker, påvirkes i sterkere grad.» John Krogstie

av tradisjonell datateknologi, man forventet å få til disse besparelsene. I tillegg er det viktig at maskinene lages for å fungere i interaksjon med mennesker, og ikke bare i egne kontrollerte miljøer som tradisjonelle industriroboter. Likevel ser vi atskillige eksempler på god bruk av denne type teknologi, og også ansatser til at vi kan erstatte mange jobber som normalt har vært gjort av mennesker, også der det er behov for mer generell kunnskap. Det er verdt å merke seg at denne anvendelsen av teknologien i seg selv krever kunnskap om hvilken teknikk som vil fungere til hva – kunnskap som ikke finnes i overflod. Et kompetanseområde der et stort og økende behov langt overskrider antallet som utdannes, er nettopp IT-området. Et annet aspekt er forventningsstyring: Vi har flere ganger i historien sett hvordan overdrevne forventninger til både KI og annen IT fører til at vi ikke får utnyttet den teknologien som faktisk er der, på en god måte. Forventningene til KI og annen teknologi er nå på et svært høyt nivå. Mens det tidligere var oppgaver som krevde muskelkraft og manuelle, repetitive operasjoner som ble erstattet av maskiner, ser vi en endring ved at også det som kalles kreative yrker, påvirkes i sterkere grad. Evolusjonære algoritmer som prøver ut mange nye løsninger, for så å kunne evaluere disse, har allerede i lang tid kommet med nye løsninger som er annerledes enn det en vanlig ekspert ville tenke på. For eksempel utviklet NASA en helt ny antenne for kommunikasjon i rommet. Den ligner ikke på tradisjonelle antenner basert på utprøvende algoritmer. Potensialet for krea tivitet er enda større når vi bruker denne type teknologi i samspill med mennesker. De fleste dataprogrammer er algoritmiske. I de såkalte interaksjonsmaskinene ser vi på IT-løsningene som noe som ikke bare automatiserer problemløsning, men som gjør problemløsning i samspill med mennesker. De vil kunne brukes på en rekke problemer som det ikke er mulig å løse med tradisjonelle algoritme Det er som nevnt ikke bare de teknologiske mulighetene som styrer utviklingen; maskinen vil fortsatt trenge mye hjelp fra mange mennesker for å videreutvikles og integreres i andre systemer. Jeg har allerede vært inne på at det er forventet et stort underskudd på IT-kompetanse, både i Norge og andre land. Selv om mange jobber potensielt forsvinner og fristiller arbeidskraft, er det ikke gjort i en håndvending å trene opp en tidligere sjåfør til å bli ekspert på KI og stordata. I Singapore snakkes det nå for eksempel om massiv videreutdanning av alle over 40 år for å bøte på dette. Uansett er det trolig at en stor del av den IT-kompetansen som vi har, vil gå med til å vedlikeholde og videreutvikle de mer tradisjonelle datasystemene som samfunnet har gjort seg mer og mer avhengig av, heller enn å kunne utnytte de siste teknologiene for smarte systemer. En siste begrensende faktor for blant annet offentlig KI i møte med menneske

137

sektor, er lovverket. Mens enkelte lover i prinsippet er forholdsvis enkle å endre (for eksempel relatert til begrensninger for selvkjørende biler) er det enkelte aspekter som er mer grunnleggende. Når vi fatter et offentlig vedtak, skal det kunne forklares hvorfor vedtaket er fattet. Med symbolske teknikker (regelmotorer) er dette enkelt, mens det er vanskeligere å forklare hvordan et (dypt) nevralnett har kommet frem til sin beslutning. Teknikker som XAI (Explainable AI) prøver å bøte på dette, men vil likevel ikke løse dette problemet helt. Revolusjon eller evolusjon? Det er en vel etablert oppfatning at vi er i stand til å lage teknologi som vi ikke kan benytte, fordi det er for farlig eller regnes som uetisk. Atomvåpen, biologiske og kjemiske våpen samt ulike deler av bioteknologien er naturlige eksempler å trekke frem. Vi ser nå det samme skje på KI-området, med arbeidet rundt AI Act som det mest naturlige eksempelet, siden det her er et fokus på hva man ikke skal bruke datateknologi (inkludert KI) til i det hele tatt, eller i hvert fall med store begrensninger. Ellers skal vi være klar over at det er store utfordringer med dagens ledende løsninger innen generativ KI, for eksempel fra OpenAI. Blant annet er trening og bruk av de store språkmodellene svært ressurskrevende, på en måte som ikke er miljømessig bærekraftig. Selv om vi finner andre modeller som bruker mindre energi, vil de uansett være basert på store mengder data. Vi ser det er store utfordringer med å få tak i nok åpne data som man kan ha rettigheter til å bruke for trening. I den siste fasen har Silicon Valley tatt seg til rette på dette området, med en rekke rettssaker om intellectual property right (IPR) som resultat. Selv med store åpne datakilder tilgjengelig, er det en teknologi som er ukontrollerbar. Dette er helt greit for en del formål, men kan være problematisk i mange andre sammenhenger. Datateknologien har allerede endret samfunnet på mange måter, en utvikling som vil fortsette og trolig eskalere nå som KI har blitt en del av en standard verktøykasse. På den annen side vil ikke utviklingen gå like raskt som hverken de største optimistene eller pessimistene ser for seg. Akkurat som på 60-tallet med HAL, den fiktive KI-datamaskinen fra Stanley Kubricks film 2001: A Space Odyssey, ligger populærkulturen veldig langt foran eller på siden av virkeligheten. Selv om tekno logien er med på å muliggjøre samfunnsendring, er det i bunn og grunn menneskene selv som gjennom millioner små og store valg påvirker hvordan endringen skjer. En teknologidrevet katastrofe kan oppstå, ikke fordi maskinene kvitter seg med oss, men fordi vi gir dem for stor innvirkning på enkelte av disse valgene. Det kan blant annet gjelde fremtidens krigføring på måter der vi mister kontrollen over uheldige bivirkninger. En litt mer subtil utfordring er at vi mer og mer overlater til maskinene å ta våre daglige valg, ved at vi tror de har bedre oversikt enn det vi har selv, og på den måten lar oss fordumme og mister evnen til å ta selvstendige valg.

138

av Anders Lindstrøm Leder for juridisk avdeling i Parat

Retningslinjer for bruk av kunstig intelligens Sammendrag: I takt med at ny teknologi tas i bruk i norske virksomheter, er det avgjørende å sikre ansvarlig bruk av disse verktøyene. Ifølge Anders Lindstrøm har man tradisjonelt håndtert dette gjennom utarbeidelse av ret ningslinjer for de ansatte. Eksempler på slike retningslinjer inkluderer bruk av bedriftens e-post og bruk av Facebook i arbeidstiden. I lys av den nye teknologien, og da spesielt kunstig intelligens, er det behov for å drøfte bruken av disse verktøyene mellom ledelsen og de tillitsvalgte. Drøftelser om bruk av KI bør derfor gjennomføres på vanlig måte etter hovedavtalens bestemmelser. Å få på plass gode retningslinjer for bruk av KI er nødvendig for å ivareta både de ansattes og virksomhetens behov. De bør være konkrete, tilpasset virksomhetens behov, og inneholde både generelle råd og konkrete råd for bruk av KI i ulike arbeidsprosesser. Ansatte må gis opplæring i hvordan de best mulig kan benytte seg av KI innenfor de retningslinjene som virksom heten har satt. Dette er avgjørende for å sikre ansvarlig bruk av KI, og for å maksimere potensialet i denne nye teknologien. Sammenfattet av KI-tjenesten Gemini, kvalitetssikret av Parat.

KI i møte med menneske

139

Retningslinjer for bruk av kunstig intelligens

Arbeids- og samfunnslivet endrer seg lynrask, og det er behov for at virk somhetene lager spilleregler for hvordan de ansatte skal forholde seg til at nye arbeidsmetoder tas i bruk. Selv om bruk av KI i arbeidslivet kan fremstå som både mystisk og skremmende for mange av oss, er det i prinsippet ikke noe annet enn et nytt arbeidsverktøy. Mitt mål med dette kapittelet er å avmystifisere bruken av KI i arbeidshverdagen, ved å gi de tillitsvalgte og ledelsen noen råd om hvordan de kan tilnærme seg problematikken.

norske virksomheter tas det stadig i bruk ny teknologi og nye plattformer for kommunikasjon og arbeidsprosesser. Dette gjelder både private og offentlige virksomheter. Privatlivet og arbeidslivet veves også stadig tettere sammen, slik at skillet mellom når man utfører arbeid og når man opptrer som privatperson kan være uklart. Behov for spilleregler I og med at arbeids- og samfunnslivet endrer seg lynrask, er det behov for at virksomhetene lager spilleregler for hvordan de ansatte skal forholde seg til at nye arbeidsmetoder tas i bruk. Dette har vi lang tradisjon for å gjøre, og ofte ved at det utarbeides retningslinjer for de ansatte. Hvilke virksomheter hadde for eksempel ikke regler for privat bruk av bedriftens fasttelefon i arbeidstiden for noen tiår siden? Det samme gjaldt nok både for bruk av kopimaskinen, telefaxen og bruk av e-post da disse arbeidsverktøyene dukket opp som nyvinninger. Da internett gjorde sitt inntog i samfunnet, tok det tid før bedriftsledere og tillitsvalgte forstod at virksomhetene kunne ha nytte av nettet. Etter hvert så vi ikke bare nytteverdien, men at vi faktisk er helt avhengige av internettet i arbeidshverdagen. Parallelt med dette ble det utviklet retningslinjer for bruken. Da Facebook dukket opp som et mystisk fenomen rundt 2006, var det hyppige diskusjoner i ledelsen i mange norske virksomheter. Skulle de ansatte få lov til å være på Facebook i arbeidstiden, eller skulle det innføres forbud? Og hva skulle de kunne skrive om på sin «vegg»? Noen ledere hevdet til og med at virksomheten kunne dra fordel av bruk av Facebook, selv om mange tvilte. Retningslinjer for ansattes bruk av Facebook ble vanlig i mange virksomheter. I dag kan denne diskusjonen

140

om farene ved bruken av Facebook i arbeidshverdagen fremstå som noe underlig og gammeldags, men da fenomenet dukket opp, var diskusjonen reell og viktig. Eksemplene viser at vi i Norge har hatt tradisjon for å utarbeide retningslinjer for de ansatte om bruk av ny teknologi og nye arbeidsmetoder. I god norsk tradisjon har dette ofte vært gjort i samarbeid med tillitsvalgte. Dette har naturligvis også nær sammenheng med vi har et godt utviklet bedriftsdemokrati, noe som innebærer at tillitsvalgte har rett til å delta i og utøve innflytelse på beslutninger om endringer i virksomhetene og på arbeidsplassen. Dette følger direkte av medvirknings- og drøftelsesbestemmelsene i hovedavtalene, hvor det forutsettes at endringer i arbeidsmetoder skal drøftes med de tillitsvalgte før beslutninger treffes av ledelsen. Er det behov for å drøfte bruken av KI? Selv om bruk av KI i arbeidslivet kan fremstå som både uvant og fremmed for mange av oss, er det et arbeidsverktøy vi alle må forholde oss til i fremtiden. De tillitsvalgte og ledelsen bør derfor forholde seg til bruk av KI som ved innføring av enhver annen ny arbeidsmetode. Det er helt nødvendig å drøfte bruken av KI i arbeidet mellom ledelsen og de tillits valgte. Dette er naturligvis både i virksomheten og de ansattes interesse. Dersom ledelsen mot formodning ikke skulle ta initiativ til å drøfte bruken av KI, bør de tillits valgte selv kreve at temaet blir drøftet med hjemmel i hovedavtalene. Finnes det lovbestemmelser om KI? Selv om hovedavtalene regulerer fremgangsmåten før man tar i bruk ny teknologi og arbeidsmetoder, er det naturligvis slik at også lovgiver er opptatt av å regulere bruken av KI i samfunnet. Ved første øyekast virker regelverket rundt bruken av KI uoversiktlig. For den alminnelige bruker kan det nærmest virke som et lappeteppe, hvor man må vite hvor i lovverket man skal lete for å finne ut hva som gjelder. Hvilke regler i norsk rett gjelder allerede? Bruk av KI i arbeidet vil medføre at ledelsen og de ansatte særlig vil måtte forholde seg til problemstillinger knyttet til blant annet åndsverksloven (opphavsrett) og person vernforordningen (reglene om personvern). Bruk av KI vil også kunne ha en side mot bestemmelser i andre lover, blant annet i forvaltningsloven, helselovgivningen, konkurranselovgivningen og børslovgivningen. Eksempel på at bruk av KI kan komme i strid med åndsverksloven er for eksempel der ChatGPT brukes til å distribuere en tekst (for eksempel en roman) som er beskyttet av åndsverksloven. Eksempel på brudd på personvernforordningen er hvis navn på individ brukes sammen med helseopplysninger i et KI-verktøy. I tillegg vil også bruk av KI kunne ha en side mot både tariffavtaler og arbeidsavtaler, for eksempel med hensyn til avtalt taushetsplikt. Alt dette er forhold som ledelsen og de tillitsvalgte må ha i bakhodet når de interne retningslinjene for bruk av KI skal utarbeides. KI i møte med menneske

141

EUs forordning om KI og risikovurderinger EUs forslag til forordning (regler) om KI vil tre i kraft om kort tid. Reglene vil bli direkte bindende for EU-landene, og gjennom EØS-avtalen er Norge forpliktet til å gjennomføre forordningen i vår lovgivning. Av forarbeidene kommer det frem at forslaget til forordning (regler) vil være basert på en risikobasert tilnærming. Det vil bygge på en inndeling i risikokategorier, og systematikken vil være at jo høyere risiko bruken av KI medfører, desto strengere bør bruken reguleres. Videre fremgår det av forarbeidene at reglene primært vil regulere «høyrisikobruk» av KI. Med dette siktes det til bruk som utgjør mulig høy risiko for enkeltindivider og samfunnet. Forslaget til forordning innebærer at bruken av KI deles i følgende fire kategorier, ut ifra graden av risiko: • Uakseptabel risiko: Blant annet KI-systemer som vil innebære stor fare for manipulasjon av personer, fare for utnyttelse av sårbare grupper med mer. • Høyrisiko: KI-systemer som innebærer høy risiko for personers helse, sikkerhet eller grunnleggende rettigheter. • Begrenset risiko: KI-systemer som skal samhandle med fysiske personer, hvor systemet må være innrettet slik at personene blir informert om at det blir samhandlet med et KI-system. • Minimal risiko: Dette er KI-systemer som ikke er omfattet av de tre nevnte kategoriene, og hvor risikoen anses som minimal. Hvorfor bør virksomhetene ha retningslinjer om bruk av KI? Av forarbeidene er det konkludert med at hovedmengden av KI-systemer som er i bruk vil falle inn under kategori 3 eller 4, og at de dermed utgjør begrenset eller minimal risiko. For ledelsen og de tillitsvalgte er det likevel viktig at ikke denne konklusjonen utgjør en «sovepute». Det må løpende foretas konkrete risikovurderinger av virksomheten og de ansattes bruk av KI. For å kunne foreta denne risikovurderingen er det nødvendig å ha retningslinjer som de ansatte må følge når KI skal anvendes i arbeidet. Det er påkrevd at disse retningslinjene utarbeides i et samarbeid mellom de tillitsvalgte og ledelsen, slik hovedavtalene forutsetter. Jeg vil nedenfor gi noe råd og innspill til arbeidet med å utvikle retningslinjer i virksomhetene. Tanker om retningslinjer for bruk av KI Hvor omfattende og hvor detaljerte retningslinjene for bruk av KI bør være, er naturligvis avhengig av hva slags virksomhet du er ansatt i. Behovet vil for eksempel være ulikt for en høyteknologisk bedrift som utvikler nye produkter, sammenliknet med en bedrift som selger enkle standardiserte varer. For høyteknologibedriften vil bedriftshemmeligheter på avveie innebære en stor risiko for virksomheten. For NAV og andre store offentlige etater som behandler sensitive personopplysninger, vil risikoen for opplysninger på avveie innebære «uakseptabel risiko», noe som til142

«Like viktig som å lage retningslinjer, er det å gi de ansatte opplæring både om mulighetene som bruk av KI gir, og om hvilke risikoer/farer bruken innebærer. Å sørge for forsvarlig opplæring av de ansatte er naturligvis et ansvar ledelsen har.» Anders Lindstrøm

sier strenge retningslinjer for bruk av KI i arbeidet. Et eksempel på et departement som har vurdert risikoen ved bruk av KI som ekstrem høy, er Digitaliserings – og forvaltningsdepartementet. Der har ledelsen besluttet at ingen ansatte får ta i bruk KI i sitt arbeid. Like viktig som å lage retningslinjer, er det å gi de ansatte opplæring både om mulighetene som bruk av KI gir, og om hvilke risikoer/farer bruken innebærer. Å sørge for forsvarlig opplæring av de ansatte er naturligvis et ansvar ledelsen har. Jeg har vurdert retningslinjene for bruk av KI i flere virksomheter, og jeg har særlig hentet inspirasjon fra retningslinjene som Statistisk Sentralbyrå har utviklet. Sentralbyråets ansatte benytter KI i sitt arbeid, men som den viktige samfunns aktøren byrået er, må de ansatte naturligvis være ekstremt varsomme med hva slags informasjon de «mater inn» i et verktøy som ChatGPT. I og med at byrået har «lagt listen høyt» når det gjelder risikovurderinger, syntes jeg det var hensiktsmessig å ta utgangspunkt i disse retningslinjene når råd skal gis til tillitsvalgte og ledere. Konkrete innspill til arbeidet med retningslinjer Ut fra informasjonen jeg har hentet, synes det å være hensiktsmessig å ta noen generelle råd inn i retningslinjene. Disse bør følges uavhengig av bruksområdet. Videre bør det tas inn konkrete (spesielle) råd som arbeidstaker bør følge i konkrete arbeidsprosesser. Generelle råd Ledelsen og de tillitsvalgte bør vurdere om bruk av kunstig intelligens bør merkes. Med det sikter jeg til at innhold generert av KI bør merkes tydelig og forståelig, slik at leserne er klar over at det som leses er et produkt av KI. Dette har en side både mot opphavsrett, og mot etterrettelighet. Hensynet til etterrettelighet gjør at leseren vil kunne være oppmerksom på farer for faktiske feil og svikt i kvalitet. Ledelsen og de tillitsvalgte bør i tillegg vurdere tiltak for løpende risikovurderinger av bruken av KI. Det vil normalt være påkrevd at dette arbeidet skjer i tett samarbeid med virksomhetens IT-avdeling, som er nærmest til å vurdere hvilke arbeidsverktøy som skal installeres for de ansatte. Retningslinjene bør også definere hvem som har ansvaret for bruken av KI i virksomheten, også omtalt som risikoeier. Dette ansvaret må normalt ligge på ledelses nivå, for eksempel øverste administrativ leder eller avdelingsleder. KI i møte med menneske

143

Risikoeier vil normal ha ansvaret for blant annet: • beslutninger om hvilke arbeidsverktøy som skal brukes i arbeid med KI • opplæringsprosesser av ansatte for bruk av KI • vurderinger av risiko for tap av personopplysninger, bedriftssensitive opplysninger med mer • sikre gode rutiner for å ivareta på kvaliteten av hva som legges inn i KI-verktøy, for eksempel ChatGPT • sikre varsling til Datatilsynet ved brudd på personopplysningssikkerheten Konkrete (spesielle) råd Hvilke konkrete råd som bør tas inn i retningslinjene, avhenger naturlig nok av hva slags virksomhet det dreier seg om, og også hva slags stillinger/arbeidsoppgaver de ansatte har. Følgende råd er uansett greit å ta med i vurderingen. Dersom KI brukes til å generere (skape) en tekst: Teksten kan inneholde både feil i fakta og feilaktige gjengivelse av referanser. Sørg for å gjennomføre kvalitetssikring av fakta og foreta referansesjekk. Ivareta teksten og hensynet til klarspråk. Foreta nødvendige revisjoner. Vær varsom med å bruke KI-verktøy til å oppsummer møtereferater. Det er nå mulig via en app å gjøre tale i gruppemøter automatisk om til skriftlige møtereferater. Vær oppmerksom på risikoen for at uttalelser som du normalt ikke ville ha skrevet inn i referatet, automatisk vil komme med ved bruk av app som omformulerer tale til skriftlig møtereferat. Dersom KI brukes til å generere bilder eller illustrasjoner: Vær varsom med å bruke KI-genererte illustrasjoner. Disse er ofte basert på andres åndsverk, og det er vanskelig å kontrollere om de genererte illustrasjonene er basert på andres åndsverk. Fem viktige spørsmål du som ansatt må stille Av retningslinjene jeg har sett på, er det fem grunnleggende spørsmål som går igjen som «veivisere» for de ansatte. Det anbefales at spørsmålene tas inn i retningslinj ene, slik at de ansatte er kjent med dem før KI tas i bruk. Behandler du personopplysninger? Med personopplysninger siktes det til enhver opplysning om en identifisert eller identifiserbar person. Dette gjelder både opplysninger hvor personen kan identifiseres direkte eller indirekte. Typiske eksempler på slike opplysninger er navn, identifikasjonsnummer (for eksempel fødselsnummer) og lokaliseringsopplysning (det vil si stedsopplysning). Med behandling av personopplysninger menes enhver innsamling, registrering, organisering, strukturering, lagring, tilpasning, endring, gjenfinning, konsultering, bruk, utlevering ved overføring, spredning eller andre former for tilgjengeliggjøring, samkjøring eller sammenstilling av opplysninger. 144

«Målet må være at retningslinjene skal være «levende», lettleste og bli forstått av de ansatte. Dette oppnås sannsynligvis enklest ved å gjøre retningslinjene så konkrete, kortfattede og lettleste som mulig.» Anders Lindstrøm

Eksempel på behandling av personopplysninger i KI ville være dersom du som tillitsvalgt legger inn individuelle lønnsopplysninger fra bedriften du jobber i, inn i ChatGPT. Hvis navnene på de ansatte oppgis, vil det utvilsomt være behandling av personopplysninger, sannsynligvis også dersom bare bedriftens navn oppgis. Kan din bruk av KI få direkte rettslige konsekvenser? Enten du er ansatt i en offentlig eller privat virksomhet, vil bruken av KI i ditt arbeid ha rettslige konsekvenser. Er du ansatt i en offentlig etat, er det en rekke regler som gjelder for utøvelse av offentlig myndighet over brukere. Blant annet vil du måtte ivareta brukerens rettssikkerhet og følge ulike forvaltningsrettslige krav. Jeg sikter her blant annet til forvaltningslovens regler om forsvarlig saksbehandling, veilednings- og informasjonsplikten, partsinnsyn og retten til kontraktdiksjon (bli hørt). Er du ansatt i en privat virksomhet, kommer blant annet regler om personvern og taushetsplikt i arbeidsforholdet inn i bildet. Disse rettslige hensynene må ivaretas. Fristelsene for å oppnå arbeidsbespar ende prosesser ved bruk av ny teknologi må ikke bli så store at grunnleggende rettssikkerhet settes til side, uansett om det er i offentlig eller privat sektor. Dersom arbeidsgiver ikke sørger for å lage forsvarlige retningslinjer for ansattes bruk av KI, vil arbeidsgiver kunne bli erstatningsansvarlig eller i ytterste konsekvens strafferettslig ansvarlig. Kan din bruk av KI få andre konsekvenser? Selv om uansvarlig bruk av KI ikke alltid får rettslige konsekvenser (for eksempel erstatningsansvar), kan uansvarlig bruk få andre konsekvenser. La oss tenke oss et eksempel hvor en eiendomsmekler legger inn feilaktige tall om solgte objekter i KI, og tallene deretter brukes av andre i statistikk. At statistikken blir feil, vil kunne skade eiendomsmekleren i form av tap av omdømme, noe som vil kunne medføre at opplysninger fra mekleren ikke blir brukt av andre aktører i fremtiden. Bruk av KI vil også kunne medføre lekkasje av verdifull informasjon fra virksomheten du er ansatt i. Lekkasje av verdifull informasjon kan gi konkurrende virksomheter informasjon, og dermed svekke din virksomhets posisjon i markedet. Dette er bare eksempler på hvilke konsekvenser uansvarlig bruk av KI kan gi. Budskapet er at enhver ansatt må tenke nøye igjennom hvilken informasjon man «mater inn i KI-verktøy». KI i møte med menneske

145

Kan du stole på kvalitet av det du henter ut av KI? Eksperter på KI råder oss til å være forsiktig når det gjelder å stole på det vi henter ut av generativ KI. De ulike KI-modellene garanterer ikke for at det vi henter ut er korrekt. Årsaken er at KI ikke er optimalisert for faglig presisjon eller kan gjenskape samme resultat flere ganger. Etterkontroll av kvaliteten av det du henter ut av KI er derfor viktig. Har du tilgang til faglig ekspertise for kvalitetssikring? Normalt vil du være ansvarlig for det faglige resultatet på arbeidet du utfører. Dersom du har brukt KI i arbeidet, er det ekstra god grunn til å kvalitetssikre arbeidet med faglig ekspertise, for eksempel en kollega eller leder. På den måten reduseres faren for at feilaktig output fra KI legges inn i arbeidet du utfører, og kvaliteten på ditt arbeid blir bedre. Avsluttende råd til tillitsvalgte Hvor omfattende retningslinjene for bruk av KI bør være i din virksomhet, avhenger av flere forhold. Blant annet vil det være av betydning om du jobber i offentlig elle privat virksomhet. Er du ansatt i en privat virksomhet vil det naturligvis være av betydning om det dreier seg om en konkurranseutsatt bedrift eller ikke. Uavhengig av hva slags virksomhet det dreier om, må det etter min oppfatning være fornuftig at retningslinjene tilpasses virksomheten du er ansatt i. Retningslinjene bør være konkrete, og ikke mer omfattende enn nødvendig. Målet må være at retningslinjene ikke bare skal lages og arkiveres i en digital skuff, og kun brukes som dokumentasjon på at virksomheten har retningslinjer i tilfelle Datatilsynet skulle komme på tilsyn. Målet må være at retningslinjene skal være «levende», lettleste og bli forstått av de ansatte. Dette oppnås sannsynligvis enklest ved å gjøre retningslinjene så konkrete, kortfattede og lettleste som mulig. De virksomhetene som har besluttet å leve opp til klart-språk-idealet i sin kommunikasjons- strategi, bør etter min oppfatning også la dette arbeidet bli synligjort i retningslinjene for bruk av KI. Gode retningslinjer er et godt utgangspunkt, men ledelsen og de tillitsvalgtes oppgave er ikke avsluttet med det. Ledelsen og de tillitsvalgte må samtidig huske at de ansatte må gis opplæring i hvordan de best mulig kan benyttes seg av KI, innenfor de retningslinjene virksomheten har satt for ditt arbeid.

146

av Turid Svendsen Leder av forhandlingsavdelingen i Parat

Kunstig intelligens og medbestemmelse Sammendrag: Kunstig intelligens (KI) muliggjør økt produktivitet i virk somheter, men medfører også endringer i arbeidsorganiseringen. Turid Svendsen mener arbeidstakernes medbestemmelsesrett er avgjørende i dette landskapet. I Norge erkjennes KIs betydning gjennom en nasjonal strategi som under streker digitaliseringens rolle for konkurransekraft og bærekraft. Arbeids takernes involvering og opplæring er avgjørende for vellykket implementering av KI og digital omstilling. Medbestemmelse, en grunnpilar i den nordiske modellen, krever samarbeid mellom arbeidsgiver og ansatte for å sikre at teknologi brukes til det beste, ikke bare for virksomheten, men også for de ansatte. Sammenfattet av KI-tjenesten OpenAI, kvalitetssikret av Parat.

KI i møte med menneske

147

Kunstig intelligens og medbestemmelse

Kunstig intelligens gir virksomhetene mulighet for økt produktivitet. Samtidig har innføring av ny teknologi ofte konsekvenser for selve arbeids organiseringen, og vil for mange arbeidstakere bety en endring i hvordan oppgavene deres løses. Hvor står arbeidstakernes medbestemmelsesrett i alt dette?

unstig intelligens (KI) defineres på ulikt vis. SINTEF beskriver at KI er digitale systemer som utfører oppgaver som normalt sett krever menneskelig intelligens. Det gjør at oppgaver kan automatiseres, og at mennesker kan få støtte til å ta gode beslutninger.1 EUs ekspertgruppe definerer KI slik: Kunstig intelligente systemer utfører handlinger, fysisk eller digitalt, basert på tolkning og behandling av strukturerte eller ustrukturerte data, i den hensikt å oppnå et gitt mål. Enkelte KI-systemer kan også tilpasse seg gjennom å analysere og ta hensyn til hvordan tidligere handlinger har påvirket omgivelsene. I 2020 la daværende regjering frem en nasjonal strategi for kunstig intelligens.2 Her slås det fast at nye digitale løsninger er en forutsetning for at Norge skal kunne opprettholde og utvikle konkurransekraft og velferdsnivå, og en nøkkel for å kunne oppnå FNs bærekrafts mål. På side 11 i strategidokumentet beskrives eksempler på praktiske anvendelser av KI: • Datasyn/identifisering av objekter i bilder («computer vision») – kan for eksempel brukes til ansiktsgjenkjenning eller identifisering av kreftsvulster. • Gjenkjenning av mønstre eller avvik – kan for eksempel brukes til å avsløre bank- og forsikringssvindel, eller til å avdekke brudd på datasikkerhet. • Behandling av naturlig språk («natural language processing», NLP) – kan brukes til å sortere og klassifisere dokumenter og informasjon, og til å trekke ut relevante elementer i store informasjonsmengder. • Robotikk – kan brukes til å utvikle autonome fartøy som biler, skip og droner.

1 https://www.sintef.no/fagomrader/kunstig-intelligens/hva-er-kunstig-intelligens/ 2 https://www.regjeringen.no/contentassets/1febbbb2c4fd4b7d92c67ddd353b6ae8/no/pdfs/ki-strategi.pdf

148

Kunstig intelligens og tilstøtende teknologi gir mulighet for økt produktivitet. For virksomhetene blir det viktig å sikre teknisk kompetanse til å integrere digitale løsninger i prosesser, beslutninger og verdikjede. Innføring av ny teknologi har ofte konsekvenser for selve arbeidsorganiseringen og vil for mange arbeidstakere medføre endring i hvordan oppgaver løses. Skal slike endringer bli vellykkete, må arbeidsgiver lytte til de tillitsvalgte og andre representanter for de ansatte. Vi kan ikke overlate til konsulenter og dem som leverer teknologien, å bestemme hvordan virksomheten skal jobbe i fremtiden. Det er således ansatte med erfaring og fagkompetanse som har best evne til å vurdere KIs reelle nytte, og som ser hvor den nye teknologien best kan komme til sin rett. Med andre ord må de som skal bruke systemene, være med på å definere formålet, og de må forstå hvordan de nye funksjonene kan skape størst mulig verdi for virksomheten. Dette kalles på norsk medbestemmelse og medvirkning. Hva er medbestemmelse? Medbestemmelse i norsk arbeidsliv handler i korte trekk om at ansatte skal delta i og ha innflytelse på beslutninger på arbeidsplassen. Dette er blant annet slått fast i hovedavtalen mellom YS og NHO. Der heter det de ansatte og deres tillitsvalgte skal ha reell medinnflytelse og gjennom samarbeid, informasjon og drøftelse bidra til økt verdiskaping og produktivitet og derved til de økonomiske forutsetninger for bedriftens fortsatte utvikling og trygge og gode arbeidsplasser. Vi har også bestemmelser i arbeidsmiljøloven om arbeidsgivers plikt til å informere ansatte og drøfte saker av betydning for arbeidsmiljøet. Loven pålegger dessuten arbeidstaker plikt til aktivt å medvirke til et godt og forsvarlig arbeidsmiljø. Medbestemmelse og medvirkning skjer både gjennom kollektiv og individuell påvirkning. Kollektiv påvirkning vil typisk være gjennom tillitsvalgte og verneombud på arbeidsplassen, men også gjennom partssamarbeid for eksempel på hoved organisasjonsnivå. Nærmere 80 % av Parats medlemmer er omfattet av tariffavtale. Det sikrer dem rett til medbestemmelse og medvirkning i alt som vedrører arbeidsforholdene i virksomheten. Partssamarbeid og medbestemmelse er en av grunnpilarene i det vi kaller den norske eller nordiske modellen, og trekkes gjerne frem som en viktig forutsetning for Norges høye produktivitet og omstillingsevne. Synet på ansattes medbestemmelse har endret seg over tid. Dette belyses blant annet i Lene Angelskårs masteroppgavene «Medvirkning i en digital tidsalder»3. Her trekker hun frem hvordan medbestemmelsen har gått fra å ha fokus på demokrati, rettferdighet, arbeidsmiljø og fordeling til å ha fokus på produktivitet og effektivitet. Hun beskriver også hvordan flere forskere tar til orde for at individuell medvirkning nå står sterkere enn representativ medbestemmelse, og at kunnskapsarbeiderne har størst mulighet til medvirkning. Disse har ofte høy utdanning og spesialisert 3 https://www.duo.uio.no/bitstream/handle/10852/36597/Masteroppgave-Angelskxr. pdf?sequence=1&isAllowed=y

KI i møte med menneske

149

ekspertkunnskap. Det innebærer gjerne at de har ferdigheter som ledelsen ikke har, noe som gir dem sterk individuell forhandlingsmakt. For Parat blir det viktig å sikre at tillitsvalgte har nok informasjon og oversikt til å verne om de ansatte når ny teknologi tas i bruk. All ny teknologi utfordrer etablerte systemer, også den norske modellen med partssamarbeid, medbestemmelse og medvirkning. Rammeavtale om teknologisk utvikling og datamaskinbaserte systemer ble opprettet i forbindelse med den forrige teknologirevolusjonen i 1970-årene, og står fortsatt i hovedavtalen mellom YS og NHO. Bestemmelsene har fortsatt relevans, men lov- og avtaleverk må kontinuerlig tilpasses den teknologiske utviklingen. Parat bidrar både gjennom forhandlingene på hovedavtalene i arbeidslivet, gjennom høringsarbeid på arbeidslivsområdet, og gjennom avklaringer i rettsapparatet. Norwegian-saken er et godt eksempel på dette. Der ble det fastslått at den som har ansvaret for ledelsen og resultatene, også er å regne som formell arbeidsgiver. Dette er viktig fordi arbeidstakerne og deres representanter må være sikret innflytelse der ansvaret reelt sett sitter. Omstilling forutsetter involvering Arbeidslivet i Norge er preget av høy grad av tillit, medbestemmelse og omstillingsevne. Alle disse faktorene vil være viktige når vi skal møte en ny arbeidshverdag der oppgaver som tidligere ble utført av mennesker, nå kan gjøres ved hjelp av digitale verktøy som kunstig intelligens. Denne digitale omstillingen vil påvirke arbeidslivet og utfordre beslutningssystemene. Vi vet at teknologisk utvikling, klimautfordringer og endringer i næringsstrukturen vil utfordre vår arbeidshverdag og stille nye kompetansekrav til ansatte. Det gjelder bruk av nye, digitale verktøy som for eksempel kunstig intelligens, kritisk tekning rundt bruk av dette, evne til innovasjon og viktigheten av cybersikkerhet. Mange arbeidstakere vil møte en ny arbeidshverdag med økende tilgang til digitale verktøy, med stort potensiale for økt produktivitet i mange virksomheter. For å lykkes er det helt nødvendig at tillitsvalgte og ansatte involveres og får opplæring. Det betyr at de må få informasjon og opplæring i hva kunstig intelligens er, hvordan det fungerer, og hvordan KI kan brukes på arbeidsplassen. Her har arbeidsgiver et særskilt ansvar for å kartlegge det fremtidige kompetanse behovet og utvikle målrettede tiltak som setter de ansatte i stand til å mestre nye arbeidsoppgaver og arbeidsmåter. Men dette må gjøres i samarbeid med ansattes representanter slik det blant annet følger av punkt V i tilleggsavtalen mellom YS og NHO. Her står det blant annet: Hovedorganisasjonene understreker betydningen av systematisk opplæring som et aktivt virkemiddel i utnyttelse av ny teknologi. Det anbefales at partene på den enkelte bedrift drøfter nødvendig opplæring på et tidlig stadium av planleggingen. Bedriften skal sørge for at de tillitsvalgte får den nødvendige opplæring, slik at vedkommende kan løse sine oppgaver på en forsvarlig måte. I samråd med de tillitsvalgte skal bedriften også vurdere behovet for opplæring av øvrige ansatte som blir engasjert i konkrete prosjekter innenfor avtaleområdet. 150

FAFO utga i 2020 en rapport om partssamarbeidet og digital omstilling.4 Her vises det blant annet til erfaringene fra en rapport som PWC skrev på oppdrag fra KS om Lederutfordringer i digitale prosjekter5. Rapporten understreker gjennomgående at involvering av tillitsvalgte er helt nødvendig for en vellykket omstilling, og videre at det er lite som skiller digitale endringsprosesser fra andre omstillinger. Likevel vil hastigheten, kompleksiteten, avstand mellom produksjon og styring og kontinuitet i digitale prosesser stille særlige krav til partenes kompetanse, og også særlige krav til et åpent og tillitsfullt forhold mellom partene. I det organiserte arbeidslivet har vi de verktøyene vi trenger for å sikre medbestemmelse i forbindelse med innføring av ny teknologi. Men det er generelt behov for bedre kunnskap og skjerpet praktisering av hovedavtalene ute i virksomhetene. Det er heller ikke slik at medbestemmelse fungerer likt i alle bransjer. Jo lavere organisasjonsgrad en bransje har, desto mindre medbestemmelse har de ansatte. I NOU 2010:16 fremgår det at det er de minste bedriftene i privat sektor som har lavest dekning av tariffavtaler, lavest organisasjonsgrad og lavest forekomst av tillitsvalgte. Bransjene med lavest organisasjonsgrad er hotell- og restaurantvirksomhet, detaljhandelen, primærnæringene, engroshandelen og forretningsmessig tjeneste yting. Slik er det også i dag. Økt kunnskap og oppmerksom om de ulike medbestemmelsesordningene og verdien av disse er derfor viktig. Det samme gjelder arbeidet med å opprettholde og helst styrke organisasjonsgraden. Lederes rolle i digitaliseringsprosesser Arbeidsgiver kan i kraft av styringsretten beslutte å innføre ny teknologi i virksomheten, herunder ta i bruk kunstig intelligens. Målsetningen vil som regel være å forenkle og effektivisere produksjons- og arbeidsprosesser Men når ny teknologi blir en integrert del av ansattes arbeidsformer og prosesser, er det noe ledelsen må ta et særskilt ansvar for, slik Nina Melsom, direktør for arbeidslivsområdet i NHO, sier i en artikkel på www.atea.no den 5. desember 2023.7 Ledelsen må skape trygghet og motivasjon/endringsvillighet hos ansatte som må omstilles for andre jobber. Det forutsetter at tillitsvalgte og andre representanter fra de ansatte er tett involvert i planlegging og gjennomføring, og at reell medbestemmelse sikres gjennom hele prosessen. Den gode innføringen fordrer altså at representanter fra de ansatte er tett involvert i planlegging og gjennomføring, og at reell medbestemmelse sikres gjennom hele prosessen.

4 https://www.fafo.no/images/pub/2020/20742.pdf 5 Lederutfordringer i digitale omstillingsprosesser (2018: 6); https://www.pwc.no/no/publikasjoner/ ledelseog-utvikling/rapport-lederutfordringe-i-digitale-omstillingsprosess.pdf 6 https://www.regjeringen.no/contentassets/2a344e075ffa4d839dd8242a91e1b0ce/no/pdfs/ nou201020100001000dddpdfs.pdf 7 https://www.atea.no/siste-nytt/digital-arbeidsplass/toppledelsen-ma-ta-et-saerlig-ansvar-for-kunstigintelligens/

KI i møte med menneske

151

Fotokreditering

Avbildet: Karianne Tung Malin Stensønes Julija Molandsveen Linda Hofstad Helleland Jogeir M. Agjeld Henrik Syse Jon-Arild Johannessen Morten Irgens Christen Krogh Even Bolstad Tor Wallin Andreassen Øystein Eriksen Søreide Alexander Haneng Anne-Kari Bratten Eirin Tangen Østgård Alexandra Diem Geir Axelsen Øystein Børmer Trygve Kalland Eyvind Haaland Guillaume Lanquepin Bård Vegar Solhjell Randi Aalgaard Håvard Mokleiv Nygård Irene Halvorsen John Krogstie Anders Lindstrøm Turid Svendsen

152

Foto: Trond A. Isaksen Norske Kvinners Sanitetsforening USBL Hans Kristian Thorbjørnsen NLR Nancy Bundt Høyskolen i Kristiania Høyskolen i Kristiania Sonja Balci / OsloMet HR Norge NHH Abelia NHO Thomas T. Kleiven Privat Gjensidige Karina Rønning Tolletaten Tolletaten Tolletaten Tolletaten Nadia Frantsen / Norad Nadia Frantsen / Norad Nadia Frantsen / Norad Benjamin Hernes Vogl NTNU Bente Bjercke Vetle Daler

KI i møte med menneske

001

I denne artikkelsamlingen har Parat samlet et utvalg av kjente stemmer fra norsk samfunnsdebatt for å belyse de ulike sidene ved KI. Vi får innblikk i de spennende mulighetene AI kan tilby, men også farene og de etiske dilemmaene som følger med. Gjennom disse ulike perspektivene håper vi å skape en plattform for konstruktiv diskusjon om veien videre. Her er noen av bidragsyterne: Karianne Tung, digitaliserings- og forvaltningsminister Henrik Syse, filosof og forsker ved Institutt for fredsforskning Geir Axelsen, administrerende direktør i Statistisk Sentralbyrå og leder av Teknisk beregningsutvalg (TBU) Bård Vegar Solhjell, direktør i Norad Anne-Kari Bratten, administrerende direktør i Arbeidsgiverforeningen Spekter Even Bolstad, leder i HR Norge Jon-Arild Johannessen, professor i ledelse ved Høyskolen i Kristiania Morten Irgens, prodekan ved Copenhagen Business School Christen Krogh, rektor ved OsloMet Tor Wallin Andreassen, professor i innovasjon ved Norges Handelshøyskole John Krogstie, professor i informasjonssystemer ved NTNU Øystein Børmer, tolldirektør Linda Hofstad Helleland, stortingsrepresentant (H) Malin Stensønes, generalsekretær i Norske Kvinners Sanitetsforening Julija Molandsveen, direktør for utvikling og serviceleveranser i USBL Alexander Haneng, direktør for innovasjon og bærekraft i NHO Service og Handel Anders Lindstrøm, leder for juridisk avdeling i Parat Turid Svendsen, leder for forhandlings- og arbeidslivsavdelingen i Parat Jogeir Magnar Agjeld, fagkoordinator for maskinteknikk og presisjonslandbruk i Norsk Landbruksrådgivning Øystein Eriksen Søreide, administrerende direktør i Abelia Irene Halvorsen, journalist og tidligere sjefsredaktør Eirin Tangen Østgård og Alexandra Diem i Gjensidige