Slik vil generativ KI påvirke ulike bransjer og arbeidsoppgaver
Du kommer ikke utenom. Og det er sannsynligvis en god ting. Her er 6 eksempler på hvordan kunstig intelligens vil påvirke ulike bransjer.
ChatGPT. «Kopiloter». Bilder, videoer og lyd generert av kunstig intelligens (KI) …
Generativ kunstig intelligens er på alles lepper for tiden, men hva er det egentlig? Og ikke minst, hvordan vil det påvirke deg og din arbeidshverdag?
La oss starte med en rask definisjon: Generativ KI er en type kunstig intelligens som er i stand til å generere noe helt nytt som ikke finnes fra før.
For å få til dette har de kraftigste modellene bak generativ kunstig intelligens tilgang til enorme mengder data.
Tenk på det sånn her: Modellene kjenner til tilnærmet «alt» som er skapt av mennesker og gjort tilgjengelig på nett. Det kan være snakk om alt fra et avantgardistisk maleri, til en raplåt av Drake – eller en bloggpost om hundemat.
Ta for eksempel en modell som genererer bilder fra tekst, som DALL-E 2 eller MidJourney. Når du ber denne lage et bilde av fem katter på el-sparkesykkel i stilen til Salvador Dalí, kan den gjøre det fordi den har blitt ekstremt god på å «gjette» hvordan en katt, en sparkesykkel og et Dalí-maleri skal se ut.
Den kan ikke finne på noe genuint originalt, men bruker alt den er trent på av data fra ting som mennesker har skapt – i det som egentlig er en form for hyperavansert sannsynlighetsregning.
Men generativ KI er mye mer enn bare artige eksperimenter. Flere eksperter, blant annet Microsoft-direktør Bjørn Olstad, mener at teknologien er i ferd med å snu opp ned på kunnskapsindustrien.
Generativ KI påvirker høytlønnede yrker
Det er også til en viss grad konklusjonen i en ny studie som har tatt for seg hvordan store språkmodeller vil påvirke bestemte bransjer og yrker.
I studien trekkes blant annet juridiske tjenester, direkte markedsføring, lærere og programvareutviklere frem som yrker med «høy grad av eksponering for generativ kunstig intelligens».
Studien hevder dessuten at generativ KI har en høyere påvirkning på høytlønnede yrker, og lavere effekt på lavtlønnede yrker.
Her skal vi se nærmere på hvordan generativ KI kan påvirke seks ulike bransjer – artikkelen fortsetter nedenfor:
Introkurs
Hvordan bruke generativ kunstig intelligens?
I dette kurset får du noen tips til ulike typer KI- verktøy for hjelp til tekst, bilder, lyd og video og hvordan bruke slike verktøy på en smart og trygg måte.
1. Juss
Ifølge studien er «juridiske tjenester» bransjen som i aller størst grad påvirkes av utviklingen innen store språkmodeller. Det er kanskje ikke så merkelig, ettersom store deler av arbeidsoppgavene til en jurist handler om å tolke tekst, sette lovdata i kontekst, vurdere rettspraksis og besvare spørsmål fra klienter.
Det er med andre ord stor grunn til å anta at språkmodeller vil gjøre juridiske tjenester bedre, raskere og billigere.
For eksempel bruker jurister mye manuell arbeidskraft på dokumentgjennomgang. Generative KI-modeller kan brukes til å analysere store mengder juridiske dokumenter og identifisere relevante setninger, paragrafer eller bestemmelser.
Det kan filtrere ut unødvendig informasjon, gi utfyllende informasjon om juridiske bestemmelser og bidra til mer informerte beslutninger.
Det betyr ikke at advokater vil bli arbeidsledige med det aller første. Som med så mye annet, er det heller naturlig å tenke at språkmodeller vil forsterke fremfor å erstatte – vi trenger heldigvis fortsatt mennesker til å ta skjønnsmessige avgjørelser, men forhåpentligvis da på et bedre grunnlag? Dette vil også skape nye utfordringer og krav til for eksempel gjennomsiktighet og etterrettelighet i bruken av KI.
2. Cybersikkerhet
Innen IT-sikkerhet er generativ KI på alle måter allerede en trend. For et par uker siden lanserte Google sin nye språkmodell Sec-PaLM med brask og bram, etter at Microsoft allerede hadde lansert sin cybersikkerhet-kopilot.
Begge modellene er finjustert for sikkerhetsbrukstilfeller, og bygget på treningsdata som inkluderer research på svakheter i programvare, skadevare og trusselindikatorer. Men i tillegg får de som jobber med cybersikkerhet tilgang på verktøy som kan gå gjennom enorme mengder data på svært kort tid, og slik finne sikkerhetstrusler et menneske ikke selv er i stand tid – slik at den ansatte raskt kan ta grep.
Dette vil også kjapt bli et nødvendig grep, i møte med skruppelløse nettkriminelle som også tar i bruk avansert kunstig intelligens for å angripe sine mål.
Siden begge tjenestene er bygget opp med en språkmodell i bunn, er det også rett frem for brukerne å gi dem kommandoer gjennom en chatbot. Slik kan de også drive forebyggende arbeid på egen IT-infrastruktur ved hjelp av klarspråk og nullkode (altså at du kan beskrive hva du trenger, og få den nødvendige koden generert automatisk – uten å kunne kode selv).
Utviklingen kan oppsummeres såpass enkelt: Det ser ut til at verktøy for generativ KI og utviklingen innen store språkmodeller bidrar til å gjøre det lettere for alle å holde virksomheter digitalt sikre.
Og siden avanserte sikkerhetsfunksjoner potensielt kan gjøres mer tilgjengelige for flere, kan det tillate at flere kan utføre disse jobbene – ikke nødvendigvis bare de med spisskompetanse på cybersikkerhet. Kan dette bidra til å løse det stadig økende kompetansegapet i bransjen?
Kjenner vi de store internasjonale tech-selskapene, er det nok bare et spørsmål om tid før flere slenger seg på med lignende type teknologi.
3. Finansnæringen
Kunstig intelligens har for lengst gjort sin inntreden i finansnæringen. Algoritmisk trading, risikovurdering, og sikkerhet er bare noen eksempler på måter aksjeanalytikere, banker og andre aktører i bransjen bruker kunstig intelligens på jobben.
Men også generativ KI begynner å gjøre seg gjeldende i finansnæringen.
Nylig lanserte finanskonsernet Bloomberg en helt ny, spesialisert språkmodell: BloombergGPT er trent opp på et stort og spesifikt treningsdatasett for finans.
Den er basert på over 50 milliarder parametere, altså innstillinger eller verdier som justerer modellens oppførsel og genererte svar. Med andre ord: Dette er en stor språkmodell i ordets rette forstand. Særlig med tanke på at den kun opererer innen et spesifikt domene.
Modellen er allerede integrert med Bloomberg Terminal, en programvare som gir kunder tilgang til finansiell informasjon, nyheter og analyseverktøy.
Tjenesten skal visstnok kunne svare godt på spesifikke spørsmål om nøkkelpersoner i bestemte stillinger og gi vurderinger om hvorvidt finansielle nyheter er sanne eller usanne (selv om grensesnittet foreløpig ikke fungerer som en chatbot).
Som i flere av de andre eksemplene er ikke dette teknologi som nødvendigvis endrer hva aktører i finansnæringen gjør – men det kan endre hvordan de jobber.
Allerede bruker for eksempel DNB kunstig intelligens (eller rettere sagt maskinlæring) for å avsløre identitetstyveri og mistenkelige transaksjoner – og mer av slikt vil det garantert bli.
4. Markedsføring
Det er ikke akkurat feil å tenke at generativ kunstig intelligens enten er en markedsførers våte drøm – eller verste mareritt.
Programmer som nevnte DALL-E 2 og MidJourney genererer bilder og illustrasjoner ut fra enkle prompts. Gen-1 gjør det samme, bare for video. Eleven Labs kan gjenskape stemmen din i et digitalt format, og det finnes til og med verktøy som genererer musikk og lydeffekter.
Og trenger du tekstproduksjon kan alltids ChatGPT, eller andre mer spesialiserte programmer, hjelpe deg med det.
Hva betyr det? Jo, dine fantastiske ideer – som kun en gang i tiden kunne eksistere i din fantasi – kan nå, ved hjelp av noen enkle instruksjoner, tas ut i den virkelige verden.
Det positive med dette er at det er blitt enklere for alle å produsere innhold. Det negative? Vel, om du spør dagens designere, tekstforfattere, musikere, filmskapere og så videre, vil de nok ha klare meninger om kvaliteten på det som blir autogenerert. Og kanskje peke på at det maskinene har produsert på sekunder, baserer seg på millioner av timer med hardt arbeid utført av ekte mennesker.
Ifølge studien er det imidlertid de som driver med direktemarkedsføring via telefon, e-post eller andre former for meldinger, som vil bli hardest rammet av generativ kunstig intelligens først: Her kan budskapene langt kjappere tilpasses hver enkelt, og bli produsert og spredt på måter et menneske ikke selv er i stand til.
Om dette er positivt, kommer vel også an på hvem du spør …
5. Helse og omsorg
Tidligere i år snakket Digital Norway med Microsoft-direktør Bjørn Olstad. I intervjuet fortalte han om hvordan datteren hans kunne vært død om han stolte blindt på helsevesenet.
Tilfeldighetene skulle ha det til at en forbipasserende overlege på sykehuset oppdaget at et ultralydbilde viste at Olstad og hans kones ufødte barn var anemisk – noe de som sto og undersøkte bildet ikke hadde fått med seg. Fosteret blødde over til moren og ble sakte kvalt. Minutter senere tok de hastekeisersnitt og reddet livet til datteren.
Tilstanden var uhyre sjelden – og noe langt fra alle kunne oppdage eller forstå ut fra bildet. Med andre ord: De hadde skikkelig flaks som støtte på en overlege med sjelden spesialkompetanse, og som dermed kunne lese den livskritiske informasjonen ut av bildet på skjermen – og forstå hva dette innebar.
– På et lite distriktssykehus ville trolig barnet ha dødd i en slik situasjon. Med mulighetene som finnes nå trengs faktisk ikke kunnskap å samles hos noen få eksperter, men gjøres tilgjengelig for alle når man trenger den for å trekke riktig beslutning, sa Olstad i intervjuet.
Dette er et enkelt eksempel, men det er illustrerende for en tenkt fremtid innenfor helsevesenet (og andre bransjer): Hva om en maskin kan lese av ultralydbildene, og ut fra dette generere en diagnose – godt støttet opp av all tilgjengelig kunnskap innenfor fagfeltet? Dette vil kunne gi et svært godt beslutningunderlag for legene … også de som ikke er spesialister på feltet.
Ikke minst vil hjelpen mange helsearbeidere kan få fra kunstig intelligente verktøy til få unna mye av det administrative kunne frigjøre flere hender til å ta vare på de som trenger det mest. Disse kan igjen fort få bedre tilgang på gode svar og hjelp, for eksempel gjennom en «smart samtaleagent».
6. Utviklere
Mulighetene for å løse digitale problemer uten formell utviklerbakgrunn blir stadig flere.
Nå kan du – selv om du aldri har formulert en eneste koderemse i løpet av hele ditt liv – faktisk lage fungerende programvare, skreddersydd for ditt behov.
Det kan du gjøre ved hjelp av lavkodebaserte plattformer, for eksempel Microsoft Power Apps, Appfarm eller lignende plattformer. Selv ChatGPT kan bistå med å skrive koderemser etter dine instrukser: Her beskriver du heller hva du er ute etter å oppnå med en kodesnutt, og får den produsert opp på et par sekunder.
I dag skrives faktisk annenhver koderemse av kunstig intelligens i kodeplattformen Github, takket være den intelligente «assistenten» Github Copilot. Med dette har utviklere i snitt automatisert halvparten av arbeidsoppgavene sine, og slik blitt mer produktive.
Samtidig gjør dette at de uten spesialistkunnskap kan produsere mer spesialisert kode – forståelig nok til stor frustrasjon for de svært godt betalte utviklerne som til nå har vært alene om å kunne levere slik kode …
Lær mer om generativ KI og ChatGPT:
Introkurs
Hvordan bruke generativ kunstig intelligens?
I dette kurset får du noen tips til ulike typer KI- verktøy for hjelp til tekst, bilder, lyd og video og hvordan bruke slike verktøy på en smart og trygg måte.
Introkurs
Hva er og hvordan bruke ChatGPT?
Lær det viktigste om ChatGPT – hva er det, hvordan fungerer det og hvilke konsekvenser kan chatboten få.
