Løser vi morgendagens AI behov med Open Source eller Enterprise SW?6 min read

Av: Kåre Nygård

Hvilken teknologi er best egnet til å takle morgendagens utfordringer som krever at vi behersker kunstig intelligens og data science fagene til fingerspissene? Skal vi gå med en Open Source eller Enterprise Software strategi fra noen av «the mega vendors» som f.eks. SAS Institute, Oracle eller IBM? Og hva blir konsekvensen?  Kan vi skalere effektivt og hvor raskt kan vi få produksjonssatt nye algoritmer?  Har vi noen mulighet til å monitorere effekten av analytiske modeller som er satt i produksjon, selv om modell-volumet øker eksponentielt i årene som kommer?  Vil det bli enklere eller vanskeligere å beholde/tiltrekke medarbeidere i kampen om arbeidskraft det spås knapphet for?  Hva er den totale økonomiske innvirkning av valgene vi står ovenfor? Dette er eksempler på spørsmål flere og flere toppledere ønsker tydelige svar på.  Simpelthen fordi risiko ved feil valg har økt i betydning nå som vi er på vei inn i et fulldigitalisert samfunn.

I dette innlegget søker jeg å belyse at vi nødvendigvis ikke står ovenfor svart/hvitt valg når viktige teknologivalg skal fattes.  Jeg tror vi vil se mindre «religionskriger» mellom f.eks. Open Source og Enterprise SW, og mer samhandling og interoperabilitet «in action» hvor det beste fra begge verdener kommer i spill.  Ikke bare fordi vi vil innse at det er smart, men også for å ikke sakke akterut sammenlignet med andre nasjoner samt at det er helt nødvendig for å møte et voksende kompetanse- og kapasitetsbehov.

Vår innovasjonskraft er satt på prøve

Mange organisasjoner i privat så vel som offentlig sektor igangsetter det ene digitaliseringsinitiativ etter det andre.  Kunstig intelligens, eller AI som brukes oftere og oftere som et samlebegrep, er i ferd med å komme på alles lepper.  Ikke bare blant de mange kloke IT hoder rundt oss, men også i ledersjiktene inkludert i toppledelse og styrerom.  Nye innovative prosjekter lanseres hyppig og vi ser oftere og oftere gode historier bli delt på ulike konferanser og i sosiale nettverk som LinkedIn.  Tilsynelatende fryd og gammen, men som nasjon kan vi ikke nøye oss med en 15ende plass som det fremkommer i 2018 Bloomberg Innovation Index i verdensrankingen over mest innovative land.

Statlig finansiering av skoleplasser er kun en del av nøkkelen

Fremtidens kompetanse- og kapasitetsgap for kloke IKT hoder som skal bygge den neste «chat bot» eller «kunstig intelligens applikasjon» løses ikke ved å pøse mer penger inn i den «teknologiske skolesekken» eller finansiering av andre utdanningsinitiativ. Til det er behovet for uforutsigbart om ikke uoverkommelig gitt den hastighet den teknologiske utvikling går. Finansering er utvilsomt et sentralt virkemiddel, men finansering alene må ikke få bli en hvilepute.

Produktivitetsøkning er nødvendig

Et minst like viktig tiltak som finansiering for å lukke kompetanse- og kapasitetsgapet er det å finne nye måter å jobbe på som øker vår totale produktivitet.  Produktivtetskommisjonens rapport slo fast at vi har behov for å omstille oss og at vi vil bli en kunnskapsøkonomi.  Behovet for å respondere raskt til markedsendringer krever en dynamisk organisasjon som til enhver tid har riktig kompetanse, optimal samhandlingsform og effektive verktøy.  I praksis kan vi i fremtiden forvente å kunne analysere et behov, utvikle og produksjonssette en ny algoritme som løser et forretningsproblem på noen timer og i noen tilfeller på minutter.  Et drømmescenario? Ikke nødvendigvis!

Sannheten er at de fleste organisasjoner har et stykke å gå for å bli optimalt produktive, men mulighetene finnes.  På den ene side, så kan vi starte med å tilrettelegge for å kunne utnytte knapphetskompetanse optimalt.  De fleste av dagens Data Scientists har erfaring med ulike teknologier.  Noen har også opparbeidet spisskompetanse og preferanser for enten Open Source verktøy eller Enterprise SW verktøy, mens andre er «vertkøy-agnostic». Heldigvis har teknologiutviklingen anno 2018 tatt oss til et nivå hvor vi ikke trenger å velge enten/eller, men snarere både/og.  Det handler bare om å tilrettelegge for at valgfriheten for verktøy som bygger den neste AI modellen kan bestå.

På den andre side, så må det også sikres at bedriften eller organisasjonen ivaretar behov for konsistens i modellutvikling, monitorering av modeller, kostnadseffektive skaleringsmuligheter,  utnyttelse av datakraft og ivaretakelse av datasikkerhet.  Her kommer typiske plattformvalg inn i bildet, hvor de større Enterprise SW vendors («the mega-vendors») har sin primære styrke.  De fleste mega vendors har innsett at valgfrihet og fleksibilitet til å velge verktøy som brukes på topp av en datahub/-lake eller datavarehus er viktig for brukermilljøene.  Vi har derfor sett at flere av «the mega vendors» har videreutviklet sine plattformer til å samspille effektivt med Open Source miljøer.

I årene som kommer er min prediksjon at vi vil se en større grad av hybrid miljøer som har en godt forankret strategi for å utnytte det beste fra både Open Source og Enterprise Software vendors.  Drivkraften vil være behov for økt produktvitet, knapphet på ressurser og behov for raskere innovasjonstakt.  Som en konsekvens vil nok gamle religionskriger mellom grupperinger som foretrekker det ene eller det andre forsvinne.

Toppledelsen må bry seg om teknologivalg

Å foreta teknologivalg i dagens virvar av sterke tilbydere er ingen lett oppgave.  Konsekvensen av å bomme kan bety kroken på døren for selskap som baserer sin forretningsmodell på en digitalisert hverdag.  Valgene som treffes har også langsiktig innflytelse på kompetanseutvikling for den enkelte medarbeider og tilgang på kompetanse for organisasjonen som helhet.  Feil valg kan bety at dyktige hoder slutter, arbeidsmiljøet forvitrer og det blir vanskelig å tiltrekke nye medarbeidere.  Et interessant eksempel på en større og mer omfattende valgprosess kan vi se hos Direktoratet for e-Helse.  Direktoratet har utarbeidet en tydelig strategi og jobber nå systematisk med å foreta valg at teknologisk plattform som skal understøtte behovene.  Ingen triviell oppgave, men tilnærmingen til direktoratet som ser behovet for å koble eco-systemer sammen er interessant å følge i lys av de betraktninger jeg har gitt i dette innlegg.

Det er to parter som er spesielt viktige når viktige teknologivalg skal fattes.  Det er topplederne som faktisk fatter valgene, og det er fagpersonene som innstiller på hvilke valg som bør fattes.  Felles for begge grupper er at det er smart å sette seg i helikopter og ta et helhetlig og langsiktig perspektiv.  For topplederne handler det om å vie tid til å tydeliggjøre organisasjonens behov og å bestille et solid beslutningsunderlag som klart viser fordeler og ulemper med ulike alternativer.  For forretnings- og IT miljøene handler det om å balansere «konvensjonell visdom» med mer disruptiv tenkning tilpasset en digitalisert verden.  Teamet som bygger beslutningsunderlagene for fremtidens teknologivalg bærer et stort ansvar for morgendagens arbeidsplass.

***

Vi står midt i en utrolig spennende tid, hvor teknologiens inntog i våre liv er sterkere enn noen gang.  Som nasjon kan vi være stolte av å skåre blant topp 15 mest innovative land, men vi har forutsetninger til å nå enda høyere på rankinglistene.  Vi som jobber med data/analyse/IT i en eller annen form har et spesielt ansvar for å hjelpe å ta oss videre.  Om vi fortsetter å dyrke vår innovasjonsånd, er konstant nysgjerrig på nye teknologiske muligheter, tenker livslang læring for å holde oss oppdaterte, samt tar gode og etisk forsvarlige valg når vi bygger den neste AI løsning, ja, så vil det gå meget bra med oss.  Både som individer, organisasjoner og land, men det starter med du og jeg!

About Kaare Nygaard

Er i dag Administrerende direktør for SAS Institute Norge, en posisjon han har innehatt siden 2011. I tillegg har Kåre ledet SAS sin virksomhet innen helsesektor i Norden fra 2017. Som markedsledende leverandør innen Advanced Analytics har SAS på mange måter ligger i forkant av utviklingen vi nå ser innen f.eks. AI. Kåre har gjennom sine hittil 12 år i SAS Institute opparbeidet bred innsikt om hvordan mange organisasjoner benytter data og analyse fra det enkle til det mest avanserte med formål å skape forretningsverdi. Kåre er lidenskapelig opptatt av å sikre at kundene lykkes med å realisere forretningsverdi som kan skapes med forsvarlig og smart bruk av teknologi som bygger løsninger hvor kunstig intelligens spiller en sentral rolle. Før tiden i SAS jobbet Kåre med Management Consulting i hhv IBM og PwC. Kontaktdetaljer: + 47 41 59 94 70. LinkedIn: karenygard Twitter: NygardKN