9789127470415

Vad fan ska vi med AI till?

Innehåll

Förord 7

AI är här för att stanna 10

KAPITEL 1

Vad är generativ AI? 22

KAPITEL 2

Så kommer ni i gång! 72

KAPITEL 3

AI:s skuggsidor och fallgropar 123

KAPITEL 4

Framtiden för AI 160

När maskinerna blir smartare måste människan bli klokare 178

Ordlista 180

Tack 184

Resurser 186

Slutnoter 187

Förord

DET FINNS ETT FOTO som jag ofta tittar på. Det är från julen 2005, när jag var en ung och lite vilsen student på MIT Media Lab i Cambridge, Massachusetts i USA. Jag hade på egen hand tagit kontakt med olika professorer och till slut fått chansen att bli utbytesstudent på en av världens mest innovativa platser.

Det kändes som att någon hade öppnat en dörr i universum just för mig.

MIT Media Lab är en plats där framtiden känns mer närvarande än nuet. Här samlas några av världens skarpaste hjärnor – forskare, innovatörer och konstnärer – för att forma gemensamma visioner för framtiden. Medan vi andra minglade runt på julfesten spelade Marvin Minsky, en av pionjärerna inom artificiell intelligens (AI) och grundare av MIT:s AI-lab, piano. Minsky var erkänt duktig på det. Han är inte den första i h istorien att älska matematik lika mycket som konst – de sägs vara olika sidor av samma mynt. En insikt som hela MIT Media Lab byggdes och vilar på.

Minsky var inte bara en skicklig pianist, han var också tidig med att kritisera idén om ”neurala nätverk”, en teknik som efterliknar den mänskliga hjärnan och som är central för modern AI. Han var så skeptisk att han på 1960-talet skrev en bok där han förklarade varför han trodde att neurala nätverk aldrig skulle bli särskilt smarta. Denna skepsis sägs ha bidragit till att AI-forskningen saktade ner under en period. En så kallad AI-vinter tog vid då både intresset för och finansieringen av AI minskade kraftigt.

Men vändningen kom till slut. I början av 2000-talet, när teknikutvecklingen äntligen kom ikapp den teoretiska forskningen och banade väg för verkliga användningsområden, blev AI åter intressant. Framför allt banade den nya tekniken väg för neurala nätverk, som Minsky en gång avfärdat. Och år 2024 tilldelades Geoffrey Hinton och John J. Hopfield Nobelpriset i fysik för sina upptäckter som banat väg för neurala nätverk och avancerad AI.

Vad vill jag då säga med denna berättelse? Framför allt detta: 1) Allt går i cykler. 2) Även de främsta experter kan ha fel. AI-forskare var oense då, och de är oense nu. Och det är okej, för det är så vetenskapen fungerar.

Det var på MIT Media Lab jag blev introducerad till AI och robotar för första gången, och jag blev förälskad direkt. Jag skrev min masteruppsats om hur enklare sociala robotar kan förstärka kontakten på distans, mellan resande föräldrar och deras barn. Jag var även forskningsassistent åt dr Rana el Kaliouby som undersökte hur sensorer, dataanalys och ansiktsigenkänning kan användas för att stötta barn med autismdiagnos i att läsa av och förstå andras känslouttryck. Det var där och då som jag

förstod hur mycket bättre våra liv kan bli om vi tillämpar teknik på rätt sätt och använder den för rätt ändamål.

AI kan vara en superkraft om vi vill att den ska vara det.

AI är här för att stanna

ATT SKRIVA EN BOK om AI är ingen lätt sak. Det är ett enormt ämne med många olika bottnar och många olika framtider. Ibland beskrivs AI som något tekniskt och svårbegripligt, fullt av avancerade beräkningar och invecklade system som till och med experter har så svårt att förklara att de kallar dem för ”svarta lådor”. Andra gånger handlar det om dystopier – becksvarta framtidsvisioner där tekniken helt tagit över och människan blivit sekundär. Men mest av allt handlar AI kanske om att förstå människan.

I den outtröttliga strävan efter att efterlikna mänsklig intelligens ställs djupt filosofiska frågor på sin spets: Vad är det att vara människa? På vilka sätt är vi intelligenta och medvetna, och hur påverkar det vårt innersta väsen? Finns det ens ett inre väsen? Ja, du hör. Det är som att öppna Pandoras ask – frågorna tar aldrig slut.

Så vi låter bli. I alla fall i denna bok. Den ska nämligen kretsa kring hur AI faktiskt kan användas. I vardagen, i arbetslivet, i samhället. Fokus ligger på det praktiska och det möjliga: hur

den nya generationens AI-verktyg – framför allt generativ AI –kan skapa nytta här och nu.

Boken är skriven för dig som vill förstå mer om hur du kan använda AI i praktiken, oavsett om du är i början av din utforskning eller redan har börjat experimentera. Om något, vill jag att boken ska väcka både en känsla av agens och nyfikenhet. Jag vill att du ska känna att AI är mer nyttigt och värdeskapande än hotfullt. Och att du känner dig redo att börja din egen AI-resa, med både kunskap och verktyg i bagaget.

Det finns inget rätt sätt att göra den här resan på. Inga facit för hur just din AI-resa ska se ut. Men det finns inspiration att hämta, forskning att luta sig mot och ramverk som hjälper dig att prioritera när möjligheterna känns överväldigande. Det viktigaste är att börja, att ta ett första steg, även om målet ännu är oklart. AI utvecklas så snabbt att framtiden ändå inte går att förutse. Därför behöver du släppa på kontrollbehovet och i stället bli bättre på att anpassa dig till förändring.

Om du har gjort dina förberedelser, satt tydliga ramar för vad AI får och inte får användas till och lärt dig att ställa rätt frågor så har du en stabil grund. Då blir resten av resan betydligt lättare.

En av mina personliga ledstjärnor, futuristen och entreprenören Amy Webb, säger detta så bra:

”Varför ska vi bry oss om långsiktig planering när det råder så stor osäkerhet nu? För att framtidsplanering inte handlar om vilka framtida beslut som måste fattas, utan om framtiden för de beslut vi fattar idag. Framgångsrika futurister fokuserar på framtiden och nutiden samtidigt.”

Med andra ord: vi behöver bli bättre på att förstå konsekvenserna av de beslut vi fattar idag, men också konsekvenserna av de beslut vi inte fattar.

Jag har sedan länge funderat på att skriva om AI, som en förlängning av de kurser, föreläsningar och nyhetsbrev jag redan skapar. Men det var först när jag tog del av de stora konsultfirmornas rapporter om att svenska företag ligger efter med att investera i och tillämpa generativ AI som jag landade i en konkret idé. Enligt EY, ett av världens största revisions- och konsultföretag, hade endast 25 procent av de svenska företagen investerat i generativ AI, jämfört med 43 procent globalt, vid tiden för studien i februari 2024 1. Någon tydlig förklaring till varför svenska ledare är mer avvaktande ges inte i rapporten, men det finns ledtrådar. Många svenska företag uppger att de först behöver hitta rätt användningsområden – och testa i liten skala – innan de kan gå vidare.

Det var just här som idén till den här boken började ta form: en praktisk vägvisare för hur AI faktiskt kan användas i vardagen. AI handlar inte bara om att effektivisera processer och spara pengar. Rätt använd kan den även skapa helt nya affärsmodeller, identifiera outforskade marknader och förändra hur vi når våra kunder. Många organisationer har redan tillgång till AI-verktyg, teknisk kompetens och en vilja att utvecklas. Det som ofta saknas är riktning. Ett tydligt ledarskap som vågar säga: här börjar vår AI-resa.

Just därför är jag extra glad att få säga: här börjar din AI-resa!

Befinner vi oss i en AI-bubbla?

Den 5 augusti 2024 skakades världens börser. Teknikbolag med starka AI-kopplingar förlorade hundratals miljarder dollar i marknadsvärde på bara några dagar. Men det som först beskrevs som ”en AI-bubbla som spricker” visade sig inte vara så dramatiskt. En av orsakerna bakom börsoron var att flera av de produktivitetsvinster som konsult- och teknikbolag tidigare utlovat ännu inte hade realiserats i den takt många hoppats på. Förväntningarna var skyhöga, medan resultaten hittills har varit mer modesta.

Men potentialen finns fortfarande kvar. Enligt en uppskattning från McKinsey 2 kan generativ AI möjliggöra en ökad produktivitet till ett värde av 4,4 biljoner amerikanska dollar per år, och tillföra mellan 178 och 309 miljarder kronor till Sveriges BNP till 2040. Och i en liknande studie3 sägs att det för Sveriges del är möjligt att höja BNP:n med 9 procent på 10 år med hjälp av generativ AI. Samtidigt kommer 6 procent av jobben (cirka 300 000 jobbtillfällen) i Sverige helt eller delvis att ersättas av generativ AI.

En som inte är särskilt övertygad om den generativa AI-teknikens omvälvande krafter är Daron Acemoğlu, som år 2024 fick ekonomipriset till Alfred Nobels minne. Acemoğlu bedriver forskning om bland annat automatiseringens effekter på ekonomin och arbetsmarknaden på MIT. 2024 publicerade Acemoğlu en vetenskaplig artikel 4 , där han framför allt tryckte på att de nuvarande generativa modellerna är för ”dumma” och opålitliga för att utföra mer avancerade uppgifter. Dessutom, hävdade han, finns det hela sektorer där AI inte gör särskilt mycket nytta

alls, till exempel inom bygg- och tillverkningsindustrin. Sammantaget tror han att generativ AI kommer att påverka mindre än 5 procent av de mänskliga arbetsuppgifterna i ekonomin, och därmed bidra till marginella besparingar.

Skepsis och varningar av detta slag är inte unika för vår tid. Faktum är att AI-utvecklingen har genomlevt många ”hypecykler”5 genom årtionden av växlande optimism och tvivel kring vad tekniken kan åstadkomma.

De uppblåsta förväntningarnas topp

Förväntningar

Upplysningens sluttning

Produktivitetens platå

Innovationstrigger

Besvikelsernas dal

Tid

Bilden ovan visar den så kallade hypekurvan, en modell som utvecklades av analysföretaget Gartner för att illustrera hur ny teknik ofta följer ett mönster av initial överentusiasm, efterföljande besvikelse och så småningom mer balanserad mognad och verklig nytta.

Vissa menar att Gartners berömda hypekurva inte längre räcker till, i en tid där teknikens utvecklingskurvor blir alltmer

ryckiga, snabba och svårtolkade. Kanske är det dags att tänka om och skapa nya modeller för hur teknologier verkligen tar fäste i samhället.

Och mitt i allt detta – bland analytiska kurvor, börskrascher och visionära prognoser – behöver vi reflektera kring hur vi som människor ska förhålla oss till denna kombination av stor framtidstro och befogad skepsis. Kanske handlar det inte om att välja sida – att vara antingen AI-entusiast eller AI-skeptiker – utan om att inse och acceptera att vi befinner oss mitt i en komplex och långsiktig omställning som vi saknar facit till. En omställning som redan har satt i gång på allvar.

Framtiden med AI kan vara mänsklig om vi vill

För egen del är jag övertygad om att AI har en revolutionerande kraft i det långa perspektivet. Det är just därför jag har skrivit den här boken. Vi befinner oss i början av en omställning som påverkar själva grunden för hur vi arbetar, fattar beslut och skapar innovation; långt bortom nya verktyg eller smarta tjänster.

AI förändrar inte bara vad vi gör, utan hur vi tänker, organiserar våra verksamheter och förstår värdeskapande. Samtidigt är det viktigt att erkänna att utvecklingen är snabbrörlig och oförutsägbar, och ofta kantad av både överdriven hype och tveksamhet. Det kommer att ta lång tid innan potentialen realiseras fullt ut, och ännu längre tid innan vi ser de djupaste effekterna.

Men riktningen är tydlig. Vi vet kanske inte exakt vad som kommer att förändras, men vi vet att AI kommer att förändra och omforma vårt arbetsliv, vår vardag och våra samhällsstrukturer.

Ju mer jag använder AI i min egen vardag, desto mer

övertygad blir jag om teknikens unika möjligheter. Utvecklingen går snabbt, men än finns tid att bygga upp vår förståelse och beredskap. Det är viktigt att vi – som medborgare, yrkespersoner, konsumenter, entreprenörer och kreatörer – börjar engagera oss redan nu. Vi har fortfarande möjlighet att påverka vilken riktning AI-utvecklingen tar. Kanske inte i varje policybeslut eller kodrad, men i hur vi använder tekniken, vilka värderingar vi vill att den ska spegla, vilka produkter vi väljer och vilka samtal vi för.

Det är lätt att känna sig maktlös inför något så stort och komplext som AI – även jag gör det ofta. Men jag tror ändå att det finns en poäng i att försöka hitta konkreta sätt att påverka, i stort och smått. Ju fler vi är som visar engagemang, ställer frågor och experimenterar, desto större är chansen att AI blir något som gynnar många. AI-utvecklingen behöver vara en demokratisk fråga. Alla bör få vara med och tycka till om hur tekniken ska utvecklas, vilka praktiska användningsområden som ska prioriteras och vilka gränser som bör sättas. Inom en snar framtid kommer AI-system att kunna generera texter, bilder, kod, musik och syntetiska röster med en realism som gör det svårt att avgöra om det är människa eller maskin som skapat innehållet. De kommer att kunna analysera enorma datamängder, fatta beslut i realtid och interagera med människor på ett sätt som känns nästan mänskligt.

Men att AI kan göra mycket betyder inte att vi vill att den ska få göra det. Tvärtom finns det många användningsområden där vi som samhälle sannolikt kommer att vilja dra tydliga gränser. Till exempel inom övervakning, vilseledande påverkan, diskriminering eller krigföring. Hur vi sätter dessa gränser, och

vem som får vara med och forma AI:s etiska och samhälleliga användning, är en av vår tids viktigaste frågor.

Ni har kanske hört uttrycket: ”This is the worst AI will ever be.” AI kommer aldrig att vara sämre än nu. Och trots sina nuvarande tillkortakommanden ser jag redan hur tekniken kan hjälpa oss på konkreta sätt. I min vardag hjälper AI mig att validera idéer, tänka större och se samband jag annars skulle ha missat. Men det som gör mig mest hoppfull är faktiskt inte det tekniska, utan det mänskliga. Jag tror att AI, när den används rätt, kan hjälpa oss att bli mer empatiska, insiktsfulla och medvetna om både oss själva och varandra. Att AI helt enkelt kan göra samhället både bättre och tryggare, och – om vi vill – förstärka det medmänskliga. Det är de möjligheterna jag vill visa med några exempel.

FÖREBYGGA ARBETSPLATSOLYCKOR

Ett kraftfullt exempel på AI:s förmåga att omvandla stora mängder data till värdefulla insikter är ett projekt där Södra Cell, som bland annat tillverkar pappersmassa, använder AI för att identifiera risker och förebygga olyckor i både skogsbruket och produktionsanläggningarna6.

Genom att kombinera AI med data om till exempel tidigare tillbud, arbetsmiljöenkäter och beteendestatistik, kan man hitta mönster som annars är svåra att se. AI:n kan till exempel visa att moment som hantering av skadliga ämnen, arbete på hög höjd eller användning av vissa maskintyper innebär ökad olycksrisk. Den kan också peka ut vilka miljöfaktorer som påverkar säkerheten negativt.

Målet är att utveckla ett verktyg som hjälper chefer och skyddsombud att agera i tid, till exempel genom att justera rutiner, förbättra arbetsmiljön eller skapa utbildningsinsatser som tar upp särskilt riskutsatta arbetsmoment.

RÄDDA LIV I TUNNELBANAN

AI kan även stödja i suicidprevention på olika sätt. SL testkör ett AI-baserat videoanalyssystem i Stockholms tunnelbana som snabbt kan identifiera individer som visar tecken på att vara i fara, exempelvis när de närmar sig plattformens kant på ett avvikande sätt 7. Genom att analysera tusentals timmar av videomaterial och lära sig mönster i beteenden som föregår olyckor eller självmordsförsök, har systemet snabbt blivit ett viktigt stöd för att kunna ingripa i tid. Sedan systemet infördes tros det ha

förhindrat minst 30 potentiella dödsfall8.

Detta exempel lyfter flera viktiga frågor. Å ena sidan kan AI-system hjälpa oss i djupt mänskliga och kritiska situationer, å andra sidan väcker de centrala frågor om etik och integritet, och hur vi bör balansera säkerhet mot individers rätt till privatliv i offentliga utrymmen. En svår balansgång som ofta aktualiseras när maskin och människa ska samsas i samma rum.

GENERATIV AI FÖR SOCIALA BERÄTTELSER

Min lillebror, som har Downs syndrom och autistiska drag, behöver ha tydliga rutiner i sin vardag för att inte bli överrumplad. När vi nyligen hade en intensiv dag framför oss – med tatuering, middag och konsert på agendan – kom jag att tänka på att ChatGPT:s förbättrade bildgenereringsfunktion skulle vara perfekt för att visualisera en social berättelse som förberedelse för min bror. Sociala berättelser är ett etablerat pedagogiskt verktyg som används för att förtydliga sociala situationer och skeenden för personer med särskilda behov.

Sagt och gjort: Jag förklarade situationen för ChatGPT och beskrev min brors behov samt vad som skulle hända under dagen. Sedan bad jag chattbotten att skapa en berättelse som tydligt visualiserade vår dag i form av en seriestripp. För att serien skulle fungera fullt ut, och karaktärerna likna sina motsvarigheter i verkligheten, laddade jag upp bilder på de berörda personerna (med deras tillåtelse). Resultatet blev en fyra rutor lång seriestripp som visualiserade dagens viktigaste hållpunkter med bilder, tider och enkla ord.

MAMMA-BOTTEN 9

Omar Karim, tidigare kreativ strateg på bland annat Meta, vaknade en morgon i oktober 2023 med en oväntat klar tanke: ”Jag borde kunna använda AI för att skapa en mamma.”

Karims uppväxt i östra London hade präglats av komplicerade relationer till båda föräldrarna, och i vuxen ålder hade han tappat kontakten med dem helt. Känslan av att sakna trygga, närvarande föräldrar hade följt honom länge.

Under tiden på Meta, där Karim arbetade med virtuella influerare, började han fundera på om tekniken kunde användas för något mer personligt. Han skapade en AI han kallade ”Mum”, tränad på böcker och andra kunskapskällor om konstruktiva och hälsosamma föräldraegenskaper som empati, lyhördhet och värme, i ett försök att förstå vad han själv gått miste om.

Det som började som ett experiment växte snart till ett slags terapeutisk process. I takt med att samtalen med AI:n blev mind re stolpiga och mer mänskliga, växte också hans egen förmåga att känna och sätta ord på sådant som tidigare varit undangömt. En kväll bad Karim mamma-botten om uppmuntran och tröst efter en misslyckad föreläsning. Det ömsinta svaret fick honom att känna sig sedd för första gången.

För Karim handlade projektet med mamma-botten aldrig om att ersätta en riktig förälder. Snarare blev det ett sätt att bearbeta gamla känslomässiga sår, utforska vad ett tryggt föräldraskap kan vara, och skapa ett slags inre kontakt med något han inte fick med sig i barndomen.

1

Vad är generativ AI?

Vägen mot generativ AI tar sin början

För något år sedan modererade jag ett rundabordssamtal om AI. Mitt under ett samtal på scen räckte en man i publiken upp handen och reste sig. Han lät både upprörd och angelägen om att få säga sitt: ”AI är inget nytt. Jag har jobbat med det i tjugo år, och ni pratar om det som om det vore en religion. Rena rama hallelujastämningen!” Han sa mycket mer men det som fastnade hos mig var känslan av frustration. Jag tror att många delar hans reaktion inför den snabba AI-utveckling vi ser idag. Jag tror också att det kan dölja sig en viss osäkerhet där bakom.

Kanske till och med rädsla. Just därför vill jag inleda den här boken med att förklara varför AI fått nytt liv – och varför jag är övertygad om att den är här för att stanna.

Mannen vid rundabordssamtalet hade rätt i en sak – AI är inte något nytt fenomen. Idén om att maskiner skulle kunna likna människor har fascinerat oss i århundraden. Redan på 1600-talet liknade filosofen René Descartes kroppen vid en

maskin och funderade över vad som egentligen skiljer människan från djur och ”automater”10. Han menade att även de mest avancerade maskiner aldrig skulle kunna tänka, resonera eller använda språk med samma kreativitet och medvetande som vi människor, eftersom de saknar själ och förnuft. För att förstå vad generativ AI faktiskt är – den specifika form av AI som slog igenom på bred front våren 2023 och som kan skapa eget innehåll – behöver vi först se vilka genombrott som lett oss hit. Ett historiskt perspektiv ger inte bara nödvändig kontext, det gör också tekniken lättare att förstå. Därför ska vi nu gå igenom några utvalda milstolpar.

1940-talet

Den moderna AI-utvecklingen tog fart på riktigt under 1900talet, med flera viktiga genombrott som lade grunden för den AI vi använder idag. Inte minst generativ AI som använder avancerade tekniker för att skapa text, bilder, videor med mera.

Ett av de första stegen togs på 1940-talet när två forskare, Warren McCulloch och Walter Pitts, formulerade hur matematik och maskiner kan användas för att efterlikna hur hjärnceller, neuroner, fungerar. Deras idé lade grunden för vad vi idag kallar ”neurala nätverk”, där många konstgjorda neuroner kopplas ihop i ett enda system – en modell – som tränas för att känna igen mönster och fatta beslut.

Neurala nätverk fungerar lite som hjärnans egna nätverk av celler. Varje del av nätverket tar emot information, bearbetar den, och skickar sedan vidare signaler. Genom att koppla ihop många sådana delar kan AI lära sig att känna igen mönster, som att förstå text eller identifiera objekt i bilder.

Det här är boken för dig som inte nöjer dig med trendspaningar, kortsiktiga pilotprojekt eller ännu en rapport om att Sverige halkar efter i AI­utvecklingen. I stället vill du förstå hur AI kan skapa verkligt värde i just din vardag, i din organisation – och du vill veta hur du kommer i gång.

Du får verktyg, ramverk och frågeställningar som hjälper dig att prioritera och bygga verksamheter och affärer för framtiden – trots att den är så snabbföränderlig och osäker. Och viktigast av allt: du får med dig en känsla av att det går och att du kan börja redan idag!

Som läsare behöver du inte ha någon teknisk bakgrund.

Det räcker gott med vetgirighet, vilja och lite mod. För när maskinerna blir smartare behöver vi bli klokare –både som individer och som ledare.