AI-strategi - experternas bästa råd

Talare 4: [00:00:06]: Ja, nu har vi ett uppdrag för regeringen att ta fram riktlinjer för offentlig förvaltnings användning av AI.

Talare 5: [00:00:13]: På många sätt är det för tidigt att låsa sig vid en AI-strategi nu utan den måste i så fall vara väldigt iterativ och väldigt snabbrörlig.

Talare 3: [00:00:22]: Frågan är om det kommer kännas tryggare och tydligare. Det är en utveckling som går extremt snabbt. Jag tror att ska man ha en chans att lära sig så är det viktigt att börja.

Talare 6: [00:00:33]: Hur kommer det sig att ett så litet land som i princip skulle kunna vara en förort till en megastad i Kina eller i USA ligger så bra till på innovationsindex och liknande? Vi har ju ett ganska särskilt sätt att se på många sätt som inte riktigt är legio över hela världen.

Talare 1: [00:01:00]: Hej och varmt välkommen till På spaning innovation, en podcast från Sveriges innovationsmyndighet Vinnova. Behövs verkligen en podd till om AI? Uppenbart är i alla fall att vi är många som funderar över nästa steg på AI-resan. När du har lyssnat på den här podden hoppas jag att du har betydligt bättre koll på hur du och din organisation kan ta nästa steg på er AI-resa. Och våra reseguider idag är Johanna Bergman, chef för strategisk utveckling på AI Sweden. Välkommen.

Talare 3: [00:01:35]: Tack.

Talare 1: [00:01:39]: Och du sitter med mig här i vår studio i centrala Stockholm. Och med på länk från Helsingborg, Joakim Jardenberg, en man med många titlar, bland annat rådgivare, affärsängel, poddare och AI-guru. Varmt välkommen du också.

Talare 5: [00:01:52]: Tack så mycket.

Talare 1: [00:01:54]: Höll ni med om den prestationen?

Talare 2: [00:01:59]: Ja. Det måste man väl göra.

Talare 1: [00:02:01]: Det vore fint att få en liten inblick i er vardag. Så vad gör ni på jobbet just nu och hur underlättar AI, som ju är ämnet för dagen, för er idé?

Talare 3: [00:02:12]: Just nu är vi ju i en sån här period där om man är i den här innovationsvärlden skriver mycket ansökningar. Så just nu är det mycket ansökningsskrivande och där har man ju i högsta grad nytta av AI-verktyg, både för att summera när flera personer har varit inne och tyckt till om en text, summera vad egentligen det är vi överens om här och kan vi summera allas kommentarer till exempel, sammanfattningar och annat. Så det är i högsta grad ett skrivverktyg för mig just nu, skulle jag säga.

Talare 1: [00:02:43]: Och Joakim, vad säger du, hur underlättar AI för dig i det du gör just nu?

Talare 5: [00:02:48]: Nej men framförallt, jag har ju jobbat i snart tre år som konsult åt Volvo Group och där är det ju AI-strategi mycket och det är ju klart att AI hjälper till med det skrivandet och sådär. Men jag tycker nog framförallt att det handlar om två andra saker. Det ena är att jag har en sparringpartner i alla mina samtal. Så nu som idag när jag kom från Göteborg och gick från tåget hem här i Helsingborg så gick jag och hade en konversation med ChatGPT om det här samtalet som vi ska ha nu. Och den har ju lärt känna mig oerhört väl över alla år jag har använt den, så att den kan liksom utmana mig och ställa lite frågor tillbaka och sådär. Så att den hjälpte till att preppa mig genom att jag pratade med den. Men igår kväll så hade jag en spännande upplevelse också för jag satt på ett annat tåg då från Stockholm till Göteborg. Dålig uppkoppling, men så fick jag en fråga från en av deltagarna i ett utbildningsprogram som jag har jobbat med i sju månader som behövde hjälp att lösa en bordsplacering och en gruppindelning inför en summit de ska ha. 176 personer skulle delas in i grupper om fyra från olika funktioner och olika organisationer. Det fick inte vara två från samma organisation i samma grupp. Ganska klurig uppgift. Och då tog jag in det i ChatGPT 01, den senaste lite mer resonerande modellen. Och den löste det direkt. Och sen när jag hade gett henne en lösning på dag ett så frågade hon, kan du göra samma sak för dag två, men det ska vara nya och unika grupper. Och då löste AI det. Det tog mig kanske 15 minuter från start till mål och hon sa att det hade tagit henne minst åtta timmar att göra det. Jag blev lite hjälte, hon blev lite hjälte och hon fick ännu en upplevelse av vad AI kan göra för henne.

Talare 1: [00:04:30]: Vad härligt att höra att AI kan göra oss till vardagshjältar redan nu. För att få en bild av vart vi är på väg så låt oss starta med ett blixtbesök i framtiden. Vilka är de största förändringar som organisationer kan förvänta sig inom de kommande fem till 10 åren på grund av den galopperande AI-utvecklingen?

Talare 3: [00:04:53]: Bra fråga. Fem till 10 år är ju väldigt långt fram känns det just nu när det händer saker varje månad egentligen. Så det är ett långt tidsperspektiv. Men jag tror ju att vi ser en enorm produktivitetsökning. Den börjar vi ju se redan nu. Och det tror jag kommer fortsätta. Sen hoppas jag att organisationer blir ännu bättre på att integrera och använda AI i sitt kärnuppdrag eller i sin core business. Att utvecklar man läkemedel, kan man använda det för läkemedelsutveckling? Det ser vi redan, men kanske inte i full skala än. Jobbar man med att utveckla nya lastbilar, då kanske det är materialutveckling eller ruttoptimering eller optimering av laddinfrastruktur och annat. Så att man också använder det för att höja kvaliteten. Och där hoppas jag ju att vi både har en konkurrenskraftig industri och en offentlig sektor där man faktiskt använder de här verktygen fullt ut. Både i vård och skola och andra kritiska funktioner i samhället helt enkelt. Där hoppas jag ju verkligen att vi är tidigare än fem år hoppas jag.

Talare 5: [00:06:04]: 100% medhåll. Förutom kanske att jag vill tillägga att jag tycker inte vi bara ska ha produktivitet som ett mål i sig eller ett självändamål utan att det ska ju kanske leda till att våra medarbetare får möjlighet att lägga mer tid på de rent mänskliga arbetsuppgifterna och mänskliga interaktioner och ökad well-being och job satisfaction och allt det där man pratar om. I mitt vardagsjobb försöker vi mycket ta fasta på att det är dit vi ska sträva. Sen tror jag också att ett led i det och kopplat till berättelsen här om att jag behövde hjälpa till lite grann igår. Jag hoppas att jag inte kommer att behöva hjälpa till lika mycket om fem år, som du säger, det är ett evighetsperspektiv. Men snart i alla fall. För jag tror att alla kommer att bli mer och mer hackers. Alltså att vi inte längre bara sitter och gör jobbet utan vi jobbar med hur vi gör jobbet. Och det kan ju börja med enkla saker som att ha tillräcklig förståelse för att välja rätt verktyg. Och sen handlar det naturligtvis under en övergångsperiod i alla fall om att kunna prompta och kunna hacka fram de här lösningarna som hjälper mig att göra mitt jobb. Nästa steg är väl att bygga små speciallösningar. Microsoft pratar om sina co-pilots och OpenAI pratar om GPTs och så vidare. I förlängningen kanske till och med verktyg som Replit och så vidare, kunna bygga applikationer som gör att om en exekutiv assistent på Volvo kommer på ett jättesmart sätt att hantera textmängder eller tvätta text, vad det nu än är för någonting, så behöver det inte stanna vid att det är ett verktyg som bara den personen använder utan att det är någonting som kan med ganska enkla knapptryckningar skala. Och får vi det på plats och får armerat alla våra medarbetare i alla våra företag, organisationer och offentlig sektor att bli hackers, då får vi en enorm kraft i det tror jag som kan leda till en ökad konkurrensförmåga.

Talare 1: [00:08:07]: Varför får man då inte som organisation, oavsett om man är inom offentlig sektor, näringsliv eller civilsamhälle, blunda för AI-utvecklingen här och nu och tänka att jag hoppar på det där tåget senare när det känns tryggare och tydligare?

Talare 3: [00:08:22]: Frågan är om det kommer kännas tryggare och tydligare. Det är en utveckling som går extremt snabbt. Jag tror att ska man ha en chans att lära sig så är det viktigt att börja. Jag tror inte att det blir enklare genom att vänta.

Talare 1: [00:08:37]: Håller du med om det Joakim? Måste man hoppa på taget nu?

Talare 5: [00:08:40]: Jag tror man måste det för då har man ju också möjlighet att utvecklas och lära tillsammans med de här verktygen. De står ju inte stilla utan det är ju en ständig rörelse. Och jag tror att utmaningen som vi brottas mycket med är att vi är väldigt duktiga på att se risk och räkna på risk och räkna på investeringskostnader och så vidare. Men vi är generellt sett väldigt dåliga på att räkna på kostnaden för att göra för lite eller göra för sakta. Och där behöver vi nog steppa upp.

Talare 1: [00:09:12]: Låt oss då utforska hur vi kan rusta oss för AI-samhället. För många har ju redan nu börjat implementera AI i delar av verksamheten. Men hur tar vi nästa steg? Vilket skulle ert råd vara till en ledare som just nu ställer sig frågan, behöver vi en AI-strategi och vad ska den i så fall innehålla?

Talare 3: [00:09:32]: Ja, jag är glad att du säger ledare för jag tror verkligen att vi behöver ett commitment på ledningsnivå i organisationer för att få det här att hända i någon skala. Sen är det ju fantastiskt att medarbetare experimenterar och testar hur man kan förbättra sina arbetsprocesser och göra sitt jobb enklare. Det måste ju hända. Men då måste man också få förutsättningar att göra det och resurser att göra det. Och där tror jag att vi behöver ett commitment och förståelse från ledningen. Det allra viktigaste är ju också att man alignar det här med vart man vill som organisation. Det är ju inte något fristående och en AI-strategi ska ju inte vara en fristående strategi utan den behöver ju hänga ihop med ens övergripande strategi. Och hur ska man nå alla andra mål man har i verksamheten? Vi har ju flera parallella omställningar som sker samtidigt. Så jag ser att det behöver vara väldigt integrerat i vart man vill som organisation. Men också att man säkerställer att kompetensen finns i organisationen och att medarbetare får möjligheter och resurser att faktiskt höja sin kompetens i frågan. Det tror jag blir väldigt viktigt att göra ganska snabbt när man har bestämt sig i en organisation.

Talare 1: [00:10:52]: Och vad är det för kompetens och kunskap du menar att man behöver ha?

Talare 3: [00:10:56]: Dels är det en kompetens hur man använder befintliga verktyg och sen är det en generell kompetens kring data, kring AI. Man behöver inte kunna det på en teknisk nivå utan mer i användandet men jag tror man behöver förstå det på en viss teknisk nivå för att också förstå begränsningar och möjligheter.

Talare 1: [00:11:13]: Och hur får man den här kunskapen? Är det ens eget ansvar eller hur gör man det rent konkret?

Talare 3: [00:11:18]: Jag tror det är både och men jag tror också man behöver ställa krav på sin organisation att ta till sig den kunskapen. Så det ligger väl både på individen men kanske också framförallt på ledare att se till att alla får förutsättningar att ta till sig den kunskapen tycker jag.

Talare 1: [00:11:33]: Joakim, vad är ditt råd till den här chefen som står inför, ska jag ta fram den här AI-strategin, hur börjar man?

Talare 5: [00:11:39]: Det första är ju som vi är inne på här, det är ju ut på golvet, alltså fötterna i myllan, skit under naglarna, spaden i marken. Jag tror inte att en chef på allvar kan skaffa sig någon slags AI-acumen eller någon slags förståelse för vad organisationen behöver göra utan att själv ha fått det här under skinnet. Och där är ju utmaningen att väldigt många av våra ledare idag, de är ju ganska... Som man säger på engelska, far removed från hur verksamheten faktiskt ser ut. De ser aldrig vilka tekniska utmaningar som deras medarbetare sitter med i vardagen. De ser inte vilken nytta en AI skulle kunna göra för en normal kontorsarbetare. För det finns så många lager som hjälper till att kratta för dem så de får det aldrig under skinnet. Och utan den förståelsen så tror jag det är oerhört svårt att se det konkreta värdet, utan då ska allting liksom aggregeras upp till någon slags centrala use cases och så ska man sätta ett affärsvärde på det. Och det kommer säkert att komma en dag där den modellen funkar men jag tycker inte att vi är där idag utan det måste börja på en annan nivå. Ska vi ha en strategi så tror jag det handlar om tre saker egentligen. Det ena är att den ska vara någon slags kompass snarare än en karta som pekar ut vilken riktning vi vill i och var vi vill vara när vi betraktar oss som framme. Det andra är att den ska se till att undanröja hinder, alltså möjliggöra den här kraften ute i organisationen och låta dem blomma på något vis. Och det tredje är väl insikten någonstans om att stor förändring sker när vi gör många små saker, så att man vågar luta sig lite grann mot att organisationen vill företagets bästa eller vill min myndighets bästa, vill göra gott. Och om de då bara får redskapen i händerna och friheten att utveckla i den riktningen så kommer man att välja att göra det. Så lite grann att komma [ur vägen? 00:13:58]. Och sen naturligtvis örat mot marken hela tiden och lyssna på vad organisationen säger och försöka lyfta fram de områden där man ser att man har framgång. Men jag tror att på många sätt är det för tidigt att låsa sig vid en AI-strategi nu utan den måste i så fall vara väldigt iterativ och väldigt snabbrörlig. Ungefär så.

Talare 1: [00:14:16]: Och du som gör AI-strategier, hur implementerar man dem i organisationen? Hur presenterar man dem bäst på organisationen? Är de bara ett papper som finns någonstans för ledningen eller vad är de idag för att faktiskt också göra nytta?

Talare 5: [00:14:30]: Jag önskar ju att svaret hade varit naturligtvis att man jobbade på allvar med en ordentlig implementeringsprocess och så. Det som kanske räddar oss på Volvo är väl att vi än så länge inte har en definierad AI-strategi på gruppnivå utan vi får liksom kliva ner lite grann längre ner i de olika organisatoriska benen. Och där känner jag att man jobbar väldigt actionorienterat med det här. Där går liksom verkligen verksamheten både i vardagen och den innovationsdrivna delen av verksamheten, den går verkligen i takt med att man skapar och omdefinierar sin strategi efterhand som man rör sig framåt. Det är lite grann som att lägga rälsen framför tåget efterhand som man rör sig och det är så det måste fungera.

Talare 1: [00:15:19]: Har ni några konkreta exempel på aktörer som verkligen har lyckats integrera AI i sin verksamhet och vad har varit framgångsfaktorn här? Jag vet Johanna, ni till exempel har jobbat med ett sjukhus i Kanada som var väldigt spännande. Vad var framgångsfaktorn här?

Talare 3: [00:15:36]: Jag tycker det är väldigt spännande med det här sjukhuset i Kanada. Det är Unity Health i Toronto och det är ett offentligt finansierat sjukhus i Toronto som jag jobbade en del med förra hösten. Och det sitter en person med ansvar för AI-frågan i ledningsgruppen på sjukhuset. Det har vi inte sett på någon annanstans tror jag. Men de jobbar också otroligt nära, precis som Joakim trycker på, med sjuksköterskorna, läkarna, de som faktiskt ska använda verktygen. Det är därifrån behoven kommer. Sen finns det en AI-funktion på det här sjukhuset som löser de utmaningar som finns. Ibland tänker vi bara generativ AI just nu för det är där hypen är. Men många av de lösningar som vi implementerar där de har över 50 AI-modeller i produktion på sjukhuset. Det är enklare statistiska AI-modeller som kanske är så som vi pratade om AI för några år sedan innan den generativa AI-hypen kom. Så man ska ju inte heller glömma bort det och låsa fast sig i en typ av verktyg utan det är ju mycket bredare än så. Men jag tror det här commitmentet, de har ju också jobbat väldigt aktivt med juridiken. Det är ju svårt inom vården, inte minst när det gäller juridiska frågor. Det har de haft med sig också från början. Men också ha den här funktionen integrerat på sjukhuset och jobba väldigt nära verksamheten har varit en framgångsfaktor. Så det tycker jag är ett jättespännande exempel.

Talare 1: [00:17:04]: Och där har man också lyckats sprida det goda resultatet eller?

Talare 3: [00:17:08]: Vi jobbar ju med att sprida det i Sverige och sätter upp ett samarbete nu med tre svenska universitetssjukhus tillsammans med sjukhuset i Toronto för att se hur kan vi undvika att uppfinna hjulet igen. För det är väl en annan sån här lärdom, att lära av de som har kommit långt. Och de behöver inte vara i samma bransch, det är väl det som är så fantastiskt med en generell teknologi som AI, ett sjukhus kan lära av bilindustrin eller någon i en helt annan bransch. Det finns ju ett tvärsektoriellt lärande som är jättespännande också, som jag tror gör att organisationer kan komma mycket snabbare framåt. Sen tror jag det är väldigt viktigt att inte... Vi ser ju vissa organisationer där man kanske inte lyckas fullt ut och då tror jag ofta att frågan hamnar på en IT-avdelning eller på en liten egen innovationssatellit som får i uppdrag att utforska den här frågan egentligen ganska separat från resten av verksamheten. Och det tror jag gör att man inte lyckas få den [överföringen? 00:18:15] för det är ju faktiskt de som sitter med utmaningarna eller med behoven som behöver vara med och ta fram hur tekniken implementeras och hur den kan användas. Så det där tror jag är en sån fallgrop som många går i, att det hamnar på en liten separat enhet liksom.

Talare 1: [00:18:32]: Jag tänker att det är ju lätt att tänka att varför ska jag lägga tid på att skriva en text eller läsa en hel rapport eller göra spel, video, musik etcetera när AI kan göra det åt mig på ett kick. Hur gör man för att AI ska bidra till en kultur av lärande och kreativitet i organisationen istället för att ta död på lusten att lära och skapa?

Talare 3: [00:18:55]: Jag tror Joakim var inne på det innan, att det i högsta grad är ett kreativt verktyg. Det handlar ju om att man plötsligt har verktygen att kunna utveckla sin yrkesroll eller sina arbetssätt. Jag tror att alla som sitter och jobbar har massa idéer på hur skulle man kunna göra det här bättre eller hur skulle det här kunna fungera smidigare eller hur skulle jag kunna jobba mycket mer effektivt med den här uppgiften eller få högre kvalitet här. Och nu plötsligt så sitter alla med verktygen att kunna genomföra det. Man behöver liksom inte ta in massa externa personer eller få igenom några beslut utan man kan faktiskt själv förbättra sina egna processer. Och det är ju i högsta grad kreativt skulle jag säga.

Talare 1: [00:19:39]: Har du någon tanke Joakim?

Talare 5: [00:19:41]: Ja, alltså kreativitet är ju generellt sett kul, så låt oss ha lite kul. Om det nu är så att du kan ta dig igenom den där rapporten på 30 minuter istället för 30 timmar för att AI hjälper dig att komprimera den eller du kan ha en diskussion med den istället, då ska du ju ta den tiden som du sparar till att fundera på vad det faktiskt står i rapporten. Du kan lägga mycket mindre tid på the grind, alltså det tråkiga, tunga arbetet att lägga mycket mer tid på att fundera eller tycka tillbaka eller resonera med en AI om vad står det i den här rapporten egentligen och inkludera fler källor och så vidare. Så att det finns så mycket i det där. Och därför försöker jag driva den här tesen att varje minut som du sparar på att arbeta med ett AI-verktyg ska du åtminstone nu stoppa tillbaka in i att lära dig någonting nytt under den minuten eller prova någonting nytt eller så. Så att du liksom har lite grann en slags intern växelkurs där mellan den tiden du sparar och vad du gör av den tiden. Kommer säkert att förändras så småningom när vi blir hypereffektiva med hjälp av AI. Då kommer vi kanske behöva hitta andra saker att göra med vår tid. Men för just nu så tror jag den bästa investeringen är att stoppa tillbaka den tiden in i lärandet.

Talare 1: [00:21:02]: AI handlar ju mycket om att använda och dela data. Hur gör man för att våga testa nya verktyg och arbetssätt men samtidigt inte riskera att göra allvarliga fel vad gäller till exempel personlig säkerhet och integritet?

Talare 3: [00:21:15]: Här tänker jag igen att det handlar om att ge alla rätt förutsättningar också. Och det här är ju beslut som behöver fattas på en hög nivå i organisationen tror jag kring hur man väljer att sätta upp den här typen av lösningar och vilken typ av data ska vara tillgänglig och sådär. Då gäller ju att ha koll på sin data som organisation i ett förstaläge. Men sen går det ju att göra ganska mycket som inte är känsligt också. Det ska man ju inte glömma, att man kan börja i änden med det som kanske inte innebär så mycket känslig data. Man måste ju inte börja med det allra svåraste. Ibland har man en tendens, tycker jag, i organisationer att man börjar med den allra mest komplexa eller den allra mest svåra datan eller känsliga datan. Och det är klart för att det kanske ligger väldigt nära de huvudutmaningar man vill lösa eller sådär. Men har man då inte rätt förutsättningar från början så tenderar den typen av initiativ att ta stopp. Så där tycker jag att man parallellt behöver jobba med det som inte är så känsligt. Och sen gäller det ju att förstå var hamnar datan, vilka typer av verktyg använder vi och sådär och det tror jag att det handlar om att skapa förutsättningar för medarbetarna för att göra det tydligt och klart.

Talare 1: [00:22:27]: Vad har du för erfarenhet och tankar om det Joakim?

Talare 5: [00:22:30]: Just det här att man gärna väljer de allra svåraste och känsligaste fallen och så, och så använder man det för att skjuta ner och säga att det här kan vi inte arbeta med, ibland känns det lite grann som att det är en ursäkt nästan för att man ska slippa göra någonting alls. Så det måste man ju bryta loss på. I de organisationer där jag jobbar så gör man en ganska tydlig distinktion mellan de interna arbetsredskapen. Man ser till att vi har en Volvo GPT till exempel som rullar i vår egen miljö där vi kan garantera 100% att ingenting läcker någon annanstans och så vidare. Och så har vi exempel på vad du kan göra där men vi driver också hela tiden tesen om att vi måste använda de publika verktygen också för de kommer alltid att ligga längre fram. Vi måste använda dem både för att lära oss men också för att liksom få en aning om vart är vi på väg någonstans och vad kommer vi ha för verktyg på insidan om ett halvår, så att man liksom har de spåren parallellt och då är väldigt, väldigt tydlig med vad vi kan göra på respektive sida här. Vad kan vi göra med de publika verktygen och vad kan vi göra med de interna verktygen och när använder vi vad och så vidare. Så det där är egentligen inte raketforskning utan det gäller bara att man är tydlig och tar sina medarbetare i handen där och gör det lätt för dem att göra rätt. För det ska vi ju aldrig glömma. De vill göra rätt, det är jag helt övertygad om, alla medarbetare vill vara duktiga och goda medarbetare. Så att om vi bara hjälper dem att göra rätt så kommer de att göra det. Det är tesen.

Talare 1: [00:24:05]: Kina och USA och då framförallt Silicon Valley lyfts ofta fram som regioner som klev på AI-tåget tidigt om man jämför med Sverige. Jag frågade min kollega Joakim Skog, områdesledare för framtidsområdet på Vinnova och som nyligen rest i de regionerna, om AI-samhället har kommit märkbart längre där.

Talare 6: [00:24:32]: Ja, det korta och enkla svaret är att AI är inte så närvarande i samhället. Jag skulle säga att AI återspeglar sig kanske i testmiljöer för autonoma bilar eller i testmiljöer för humanoida robotar och liknande. Men ute på gatan, oavsett om man är i Peking eller i San Francisco, där ser man inte mycket spår av artificiell intelligens.

Talare 1: [00:24:58]: Har du några exempel?

Talare 6: [00:25:00]: Ja, alltså i San Francisco till exempel när jag var där så signade jag upp mig för att få tillgång till Waymo, Googles självkörande bilar. Vilket jag fick någon månad efter att jag hade kommit hem. Men det testas ju för fullt där, men i San Francisco i en skyddad sektor så att säga. Likväl finns det Didi, den kinesiska motsvarigheten till Uber. De kör också självkörande taxis i Peking men i en förort väl avgränsat i testsyfte. Så det är inte utrullat men de ligger ganska lika varandra i utveckling på området skulle jag säga.

Talare 1: [00:25:44]: Vet du någonting om hur organisationer, företag tänker kring hur man ska få med AI i sin verksamhetsplanering, sina strategier? Och om det finns någonting som vi i Sverige kan lära av de regionerna?

Talare 6: [00:25:59]: I Kina till exempel jobbar man ju huvudsakligen med policies och regelstyrning för att genomföra förändring oavsett vilket område det handlar om. Och där ser jag ju att kinesiska myndigheter arbetar med den typen av regulatoriska instrument för att driva på förändring. De släpper rapporter om AI och etik och liknande. Och tittar man sedan på näringslivet så är ju AI, det används ju i verksamheter precis som vi börjar lära oss överlag i världen att utnyttja den här nya generationens AI för att effektivisera våra processer och bli bättre på allt vi gör.

Talare 1: [00:26:44]: Vad skulle du säga att Sverige har för usp när det kommer till AI?

Talare 6: [00:26:47]: Det är en intressant fråga. En sak som man påminns om när man är ute och får se andra delar av världen är att man får frågan, hur kommer det sig att ett så litet land som i princip skulle kunna vara en förort till en megastad i Kina eller i USA ligger så bra till på innovationsindex och liknande? Och då skulle man ju kunna titta på, på vilka sätt står Sverige ut ur ett internationellt perspektiv? Och Sverige är ju rätt extremt enligt World Value Index till exempel. Vi har ju ett ganska särskilt sätt att se på många sätt som inte riktigt är legio om man ser över hela världen. Och där kan nog en del av svaret finnas på vad som också våra styrkor ligger i framgent. Våra styrkor ligger sannolikt inte i att tävla på att skapa enorma datacenter eller utveckla halvledare som utmanar Nvidia i branschen. Men däremot andra typer av mjukare värden som AI och etik till exempel som ett område. Eller AI och diplomati som en annan klassisk svensk styrkegren. Kanske kan man hitta spännande komparativa fördelar i de områdena.

Talare 4: [00:28:21]: Nej men Digg, myndigheten för digital förvaltning, har flera uppdrag egentligen från regeringen i sin instruktion. Och det viktigaste är väl att stödja den offentliga förvaltningens digitalisering. Och digitalisering idag omfattar ju AI.

Talare 7: [00:28:40]: Det här är Mats Snell, seniorrådgivare på Digg, myndigheten för digital förvaltning, som har i uppdrag att stödja den offentliga förvaltningens digitalisering.

Talare 4: [00:28:49]: Och där kan man ju också då tänka sig att det finns digital infrastruktur för AI.

Talare 7: [00:28:57]: Tillsammans med Integritetsmyndigheten har man ett regeringsuppdrag att ta fram nationella riktlinjer för hur offentlig sektor ska hantera AI. Om du skulle belysa de två viktigaste frågorna, aspekterna som riktlinjerna kommer att bidra med, vad är det?

Talare 4: [00:29:14]: Ja, nu har vi ett uppdrag för regeringen att ta fram riktlinjer för offentlig förvaltningsanvändning av AI. Och två saker som de kommer bidra till är att ge trygghet, tror vi, att börja använda AI för att utveckla verksamheter, för att ta stöd, för att kanske göra saker och ting effektivare och mer kvalitetsmässigt bra, kanske också. Och vi tror ju på effekterna av AI, för vi har ju själva beräknat att det ska kunna ge väldigt goda effekter i offentlig verksamhet. Så att den här tryggheten är en jätteviktig aspekt. En annan sak är ju att vi tror också att vi kommer kunna öka kunskapen hos många inom offentlig förvaltning idag om vad AI innebär och vilken nytta det kan medge. Och även då att man kan undvika de risker eller de utmaningar som finns där med AI. Så att det tror vi kommer vara de största positiva effekterna av de här riktlinjerna.

Talare 1: [00:30:20]: Fick ni några tankar när ni hörde på reportaget där vi dels fick höra om de riktlinjer för offentlig förvaltning som är på väg och dels om huruvida andra länder har kommit längre i sin AI-resa än Sverige har gjort, var det något av det här som väckte tankar hos er?

Talare 3: [00:30:36]: Flera tankar. Om man börjar i änden jämförelse med andra länder det är ju alltid svårt. Det finns ju ett antal sådana här olika index och det är ju intressant att Sverige alltid toppar innovationsindexlistor men när det gäller AI-index så hamnar vi ofta ganska långt ner. Sen kan man ifrågasätta data och metod i många av de här också. Men vi verkar ändå ligga lite efter jämförbara länder också. Och det tror jag kopplar också till när man pratar om vilka styrkor Sverige har. Kan vi bli riktigt duktiga att använda AI som ett verktyg in i det vi är bra på, det vill säga innovation? Vi har ett antal globalt ledande företag, men ska de fortsätta vara det så behöver de ju ta till sig den här tekniken också. Så det tror jag är jätteviktigt och där tror jag vi verkligen kan ha en usp i Sverige att bli väldigt duktiga på användningen. Vi ligger ju absolut inte i topp när det handlar om den här utvecklingen av AI-verktyg. Men det tror jag inte heller vi behöver konkurrera kring utan jag tror att användningsfokuset är den riktning vi skulle ha. Och sen när det gäller riktlinjer för offentlig sektor, väldigt positivt, det efterfrågas ju att få stöd i vad man kan göra och inte göra. Det tycker jag så fort man pratar med kommuner, regioner, sjukhus, myndigheter så är det det stödet man vill ha för att känna sig trygg i att våga ta steg. Så jag tror att det har ju potential att accelerera utvecklingen faktiskt.

Talare 1: [00:32:13]: Fick du några tankar, Joakim?

Talare 5: [00:32:15]: Alltså företag och näringslivet har ju en ganska tydlig drivkraft att innovera och utvecklas framåt och effektivisera och så vidare. Och från mina turer in i offentlig sektor så ser jag samma sak ute bland medarbetarna. Där finns också en tydlig drivkraft. Men skalar man upp det till organisatoriska nivåer så finns det ingen drivkraft att utvecklas och innovera. Det finns definitivt ingen, det finns en stor riskrädsla som gör att jag inte är säker på att riktlinjer räcker. Utan jag skulle nog säga, ursäkta språket här, men att det fanimej är dags att vi börjar ställa lite krav också. Att vi har liksom kvantifierbara krav som vi ställer ut på våra myndigheter och organisationer. Att SKR till exempel tuffar till sig lite grann och inte bara liksom mjäkar med i någon slags EU-riskaversion här utan trycker på våra 290 kommuner och säger att så långt vi kan bestämma någonting så tycker vi att det är det här ni måste göra. Så att vi får lite umf, att vi får lite tryck i det där för det går alldeles förfärligt långsamt. Jag är 58 idag, jag är ju snart gammal på riktigt och kommer behöva allt stöd av samhället runt omkring mig och jag är jätteorolig för hur det ser ut just nu. Jag tror att AI behövs för att vi ska kunna trygga välfärden.

Talare 1: [00:33:46]: Vad härligt att du tar till lite styrkeord. Och då blir jag nyfiken, har du några mer tankar på hur politiken kan stödja utvecklingen på det här området? Om ni var ministrar för en dag och fick driva igenom en lag eller omfattande nationell satsning för att stärka svenska aktörer på den här AI-resan, vad skulle det vara?

Talare 5: [00:34:07]: Får jag lova att vara skolutbildningsminister då?

Talare 1: [00:34:08]: Mycket gärna.

Talare 5: [00:34:11]: Då hade vi strukit hela den här vansinniga från skärm till pärm-idén och vänt på den kuttingen fullständigt. Då hade jag bestämt att från och med nästa termin så ska varenda skolelev ha en alldeles egen AI-tutor, en liten AI-lärare eller en AI-coach eller en AI-kompis som är med dem från första skoldagen, från första timmen de vaknar på morgonen, som kan stötta dem i deras utmaningar, som kan knuffa dem i deras lärande, som kan finnas där när de behöver stöd och tröst och som kan hjälpa dem att interagera med vuxenvärlden runt omkring dem så de kan ställa de krav som de faktiskt har rätt att ställa på det omgivande systemet runt om och så vidare. Så att alla verktygen finns i verktygslådan idag och det behöver inte ens kosta speciellt mycket för att liksom få det här på plats. Så i januari så hade alla elever haft en alldeles egen AI-kompis.

Talare 1: [00:35:12]: Johanna, vad är du för minister och vad får vi se i din politiska utrullning?

Talare 3: [00:35:18]: Jag tänker väl på två spår egentligen. Där det ena är konkurrenskraft och det andra är hur vi ser till att offentlig sektor verkligen tar kliv här. Om vi tar konkurrenskraftsperspektivet så tror jag väldigt mycket handlar om att vi behöver beslut för att undanröja hinder. Det kan vara allt från talangattraktion. Hur får vi de bästa AI-talangerna till Sverige? Det här kan ju också röra sig i lite motsatt riktning mot hur vi tittar på migration just nu till exempel. Jag tror inte att vi har all den kompetensen vi behöver i Sverige idag. Andra länder har tagit väldigt mycket actions åt det hållet för att kunna få in rätt kompetens. Men också legala hinder såklart. Och verkligen se till att industrin använder det här för att behålla sin konkurrenskraft och i sin kärnverksamhet. Om man tittar på offentlig sektor så tycker jag att skapa större initiativ där det finns incitament att dela med sig och skapa lösningar gemensamt. Vi kan inte ha 250 kommuner som löser samma fråga på ungefär samma sätt och lägger resurser på det. Utan hur skapar vi gemensamma lösningar som faktiskt är delbara över offentlig sektor? Det tror jag blir en nyckel. Och man kanske till och med också kan dela på resurser. Alla kanske inte kan anställa någon som är expert på att bygga de här lösningarna men kan man dela på den typen av resurser till exempel. Så jag tror samarbeten och incitament för att samarbeta och att röja undan hinder för att se till att vår industri fortsätter vara konkurrenskraftig.

Talare 1: [00:37:03]: Men om ni tänker er att ni på ålderns höst sitter och pratar med era barnbarn om hur AI påverkade samhället under 2020 och 2030-talet, vilken berättelse om hur AI påverkade våra liv är det ni berättar?

Talare 3: [00:37:19]: Jag hoppas att de tycker att det är helt konstigt att vi hade en reaktiv sjukvård. Att vi inte hade en preventiv sjukvård. Att man agerade först när symptom upptäcktes. Att vi hade en skola som inte var individanpassad. Jag hoppas att det här är självklarheter för dem och att man tycker att det är jättekonstigt att det inte fanns. Och sen såklart att vi fortsatt har en stark industri i Sverige och att vi fortsätter vara konkurrenskraftiga helt enkelt där vi är starka. Men väldigt mycket kring våra stora samhällsutmaningar, att vi faktiskt har tagit vårt ansvar och använt tekniken för att komma framåt.

Talare 1: [00:38:04]: Och hur låter din berättelse Joakim?

Talare 5: [00:38:06]: Jag tror att jag kommer att behöva börja med att be om ursäkt för att vi gjorde för lite för sent, att vi missade en massa möjligheter att lösa, precis som de stora samhällsutmaningarna. Allt ifrån tillgång till energi till hur vi hanterar sjukvården. Jag älskar idén om preventiv sjukvård och jag försöker själv engagera mig i det så mycket jag kan och så vidare. Men vi är väldigt långsamma och vi är väldigt tröga och jag tror att vi under tiden som vi håller på och diskuterar vad som ska göras så är det människor som far illa och möjligheter som går förlorade. Sen hoppas jag väl kanske att när jag sitter där med barnbarnen, det är ju inte så där förfärligt långt bort, att vi kanske också kan diskutera hur det här ledde till en samhällsomställning på riktigt. Nu ska vi inte gräva ner oss i saker som medborgarlön eller negativ skatt. Men på något vis så måste vi komma och knäcka det där också. För att jag har jättesvårt att se en framtid där vi fortfarande behöver en 40 timmars arbetsvecka. Där vi liksom ska litegrann på konstgjord andning uppfinna en massa arbetsuppgifter för att hålla våra människor sysselsatta när vi egentligen skulle kunna ägna oss åt att maskinerna stod för mycket av produktiviteten och vi fick vara kreativa och ha roligt och vara lekande människor som kunde ägna oss åt att skapa värde med det som vi faktiskt brinner för och känner för på riktigt. Jag hoppas att vi kanske kan titta tillbaka på en lyckad sån omställning också. Att vi inte har tagit omvägen över krig och ofred för att komma dit utan att vi faktiskt har lärt oss något under vår långa historia av tidigare omställningar.

Talare 1: [00:40:04]: Är det någonting som vi inte har pratat om som ni vill ta upp i det här sammanhanget eller någonting som ni vill trycka lite extra på?

Talare 5: [00:40:13]: Det är väl så här gammal visdom igen, Aristoteles han sa att, what we have to learn to do, we learn by doing. Och jag är nog av uppfattningen att det har aldrig varit så sant förr som det är idag. Jag skulle bara vilja att var och en som lyssnar på detta, om ni inte redan har gjort det så skapa er ett personligt åtagande. Hitta en study buddy eller en lärandekompis där ute, en människa som du kan ta en walk and talk med och prata allvar med när det skaver eller när du behöver en knuff. Och så se till att börja använda AI på riktigt i din vardag också. För på många sätt är det en safe space för utforskande och lärande. Lyssna på Aristoteles, han visste vad han sa.

Talare 1: [00:40:56]: Och vad är det för verktyg som du använder till exempel för det här med en study buddy?

Talare 5: [00:41:02]: Jag tycker att chat-GPT på många sätt fortfarande är en gold standard när det gäller att bygga ett gränssnitt och en möjlighet till interaktion. Så det är den jag använder allra oftast. Men verktygslådan är ju jättestor. Men chat-GPT.

Talare 1: [00:41:20]: Johanna, har du några slutord?

Talare 3: [00:41:22]: Det är väl det här att det går inte att tänka och prata hur länge som helst utan vi måste göra. Så jag håller helt med om att nu är det hög tid att göra om man inte har börjat.

Talare 1: [00:41:35]: Allt har ett slut, så också det här spännande samtalet om AI i organisationer. Men det lär fortsätta, det är inte slut här, den här utvecklingen. Men det har blivit dags att runda av och stort tack som kom, Joakim Jardenberg och Johanna Bergman.

Talare 3: [00:41:52]: Tack!

Talare 5: [00:41:55]: Tack!

Talare 1: [00:41:55]: Håll utkik efter de riktlinjer för användning av generativ AI inom offentlig förvaltning som kommer i januari 2025. Och hör gärna av er till oss med era reflektioner till podcast@vinnova.se eller direkt till mig, Liselotte Bergman. På spaning innovation spelas in på Swartling Studios för Vinnova, Sveriges innovationsmyndighet. Stort tack för att du har lyssnat.