Kunstig intelligens: hvor langt er Danmark med det?

Microsoft og Ernst & Young har udgivet en rapport om status for kunstig intelligens i Danmark og Europa. Hvor langt er vi egentlig i Danmark med kunstig intelligens i forhold til resten af Europa? Og hvorfor har virksomheder og branchers kulturer så stor en betydning?

Alle taler om kunstig intelligens, og hvor store ændringer det vil betyde for erhvervslivet. Men hvor langt er dansk erhvervsliv og vores udenlandske konkurrenter helt konkret med implementeringen af kunstig intelligens? Hvilke teknologier satser man på? Og er dansk erhvervsliv foran eller bagud i forhold til resten af Europa?

Ernst & Young har i samarbejde med Microsoft spurgt 277 europæiske virksomheder på tværs af 7 brancher. Her kan du læse de vigtigste svar og konklusioner.

Danmark ligger forrest

Kunstig intelligens er et begreb, som dækker over en lang række teknologier. På tværs af lande og brancher viser undersøgelsen, at den mest anvendte teknologi er machine learning, mens de mere avancerede teknologier som visuel computergenkendelse, stemmegenkendelse og virtuelle agenter kun anvendes eller overvejes i begrænset omfang.

Det er ikke voldsomt overraskende, at machine learning er den mest anvendte teknologi, da de meget brede anvendelsesmuligheder for mønstergenkendelse i data gør machine learning til det naturlige sted at starte for mange virksomheder.

Generelt viser rapporten, at 96 % af de adspurgte danske virksomheder som minimum er i planlægningsfasen i forhold til at implementere kunstig intelligens. Sammenlignet med et europæisk gennemsnit på 71 % skaber denne store forskel håb for dansk erhvervslivs fremtid. Generelt er det brancherne “Transportation, Marketing & Telecom” samt “Services” og “Finance”, som er længst fremme i forhold til brugen af kunstig intelligens.

Machine learning “in advanced state”

Danmarks førerposition afspejles yderligere ved, at Danmark er det eneste land, hvor alle de adspurgte virksomheder har svaret “ja” til, at kunstig intelligens er en vigtig prioritet, og at hele 8 % af de adspurgte danske virksomheder betegner sig selv som “being in advanced state” i forhold til brugen af kunstig intelligens.

At være “in advanced state” betyder blandt andet, at kunstig intelligens bidrager til flere processer på tværs af organisationen. Typisk i form af machine learning, som kombineret med big data og analytics giver virksomhederne mulighed for optimering af performance, tilbyder ekstremt målrettet marketing og udnyttelse af muligheder for cross sale og forudsigelse af kunde-churn.

Heldigvis behøver man ikke være en stor virksomhed i “advanced state” for at høste gevinster med kunstig intelligens og machine learning. Ja, faktisk har de små og mellemstore virksomheder endnu bedre muligheder for at digitalisere med gevinst.

Kultur kan være en bremseklods

At manglen på kompetencer og medarbejdere er en barriere for yderligere implementering af nye teknologier, er ingen nyhed. Mere interessant er det, at flere eksperter i undersøgelsen peger på, at selve virksomhedens kultur kan være en bremseklods for implementering af nye teknologier.

Dette understøttes blandt andet af, at undersøgelsen viser, at det er brancher, der i forvejen tænker og arbejder digitalt med fx analytics og big data, som rapporterer, at de er længst med implementering af kunstig intelligens.

Som det ses i figuren, er disse brancher – TMT (Technology, Media, Telecom), Service & Hospitality og Financial Services – alle brancher, hvor virksomhederne er vant til at tænke implementering af ny teknologi som en agil trial-and-error-proces fremfor som et årelangt projekt med et på forhånd defineret konkret mål.

Samtidig er mængden af kundedata i disse brancher endog meget stor, og brugen af kunstig intelligens – primært machine learning og chatbots – giver derfor store muligheder for høste umiddelbare gevinster ved at designe mere målrettet kommunikation og yde bedre service.

Men der er dog også tegn på, at brancherne Infrastructure, Life Science og Industrial Products er godt på vej, idet de alle tre rapporterer om mange pilotprojekter undervejs.

Læs mere om de seks kritiske udfordringer ved datadrevet produktion.

Du kan her hente hele rapporten fra Microsoft og Ernst & Young. Ud over endnu flere interessante tal og konklusioner indeholder rapporten også interessante cases fra Mærsk og PFA.

Sig din mening

*