TEKNOLOGI
– Fremover må vi også skaffe oss «machine skills» slik at vi faktisk lærer oss å snakke til dataene våre på en god måte
Uten god nok kvalitet på egne data, vil det bli vanskelig å stole på ChatGPT, mener Karianne Sundahl, Storebrand-konsernets KI-ansvarlige.

– Når vi nå skal begynne å «snakke» med våre data, vil vi se en tydelig forskjell på hvem som har hatt orden i sysakene, og hvem som ikke har det.
– Du mener at det gamle prinsippet «søppel inn, søppel ut» ikke har gått ut på dato med kunstig intelligens?
– Absolutt ikke. Dårlig datakvalitet er fortsatt et kjempeproblem, og det er ikke noe som kan løses med generativ KI.
– Men forhåpentligvis kan generativ KI fungere som en pisk for å rydde opp i egne data, sier Karianne Sundahl da BankShift møter henne et par uker før jul for å snakke om hvordan kunstig intelligens blir brukt i Storebrand.
Vi har kommet til bokstaven R i akronymet F-O-R-T, da Sundahl slår et slag for viktigheten av gode data.
Akronymet er Storebrands måte på å peke ut fire suksessfaktorer for at satsingen på kunstig intelligens skal lykkes. Hva R-en og de andre bokstavene står skal vi komme tilbake til.
Data og AI hører sammen
Men synet på datakvalitet sier likevel en god del om hvordan Sundahl mener man må gripe seg an jobben med å føre det store Storebrand-konsernet inn i KI-alderen og finne løsninger som fungerer for på tvers av bank, forsikring og pensjon.
Da hun i sommer vendte tilbake til Storebrand, var det for å bli leder for data & analyse, og selv om jobben med å ta i bruk kunstig intelligens er høyt prioritet, sier hun selv at jobben hennes i like stor grad handler om å sikre datakvalitet og sikkerhet.
– Data er helt essensielt i en KI-satsing. Derfor mener jeg at det er veldig viktig å ha data og AI i samme avdeling, sier Sundahl.
Da ChatGPT dukket opp på radaren for ett år siden, var Storebrand raskt ute med å opprette en task force som skulle se på mulighetene med nyheten. Den er en sentral del i KI-arbeidet, og har blant annet jobbet med å samle inn forslag fra alle forretningsområdene om hva KI skulle kunne brukes til.
– Å drive innovasjon handler oftest om å løse et problem for kunden, men når det kommer ny teknologi, må man også bruke tid på å se hva den kan brukes til.
Tre hovedspor til AI-bruk
– I dag har vi fått inn mer enn 50 «use cases», og har funnet ut at vi kan dele inn den i tre hovedkategorier, sier Sundahl.

Den første handler om å tolke og forstå filer. Det gjelder alt fra e-postmeldinger til kundeservice, til PDF-er og bilder. Den andre handler om output, altså svarene som genereres av den kunstige intelligensen og den tredje handler om å gjøre KI «ufarlig» i den egne organisasjonen.
I tillegg til at mange av de konkrete forslagene har vist seg å ha et bra potensial, har jobben med å få samlet seg rundt en ny teknologi hatt en annen positiv effekt.
– Storebrand har jo mange forskjellige forretningsområder det ting har vært løst internt. Denne jobben har bidratt til å bryte ned siloene og spre ideer på tvers av organisasjon, sier Sundahl.
«Kan Kai hjelpe meg?»
Et godt eksempel er Kai, som Karianne Sundahl viser frem på bildet over.
Et godt eksempel er Kai, som Karianne Sundahl viser frem på bildet over. Kai er avataren til et av teamene i Storebrand.
– Kai ble laget av et team for å sette et bilde av hvordan de ønsket å tenke rundt generativ AI. Kan Kai hjelpe meg med dette? Han skal være som en ekstra medarbeider, som blir invitert med på møter, ikke noen som prøver å stjele jobben fra deg, AI Andreas er en annen «ansatt» som har samme funksjon i et annet team, sier Sundahl.
Hun mener at det er enklere å se for seg forenklinger om man tenker i termer av hva Kai og Andreas kan gjøre. I stedet for at man skal se for seg hva ChatGPT, Bing AI, Dall-E eller Midjourney kan gjøre.
– Vi tror også at det vil gjøre det enklere for oss å se hva Kai og Andreas ikke skal gjøre. At vi faktisk klarer å la være bruke tid på løsninger som ikke fører noe sted, sier hun.
Flere pilotprosjekter
Storebrand er også i gang med testing og pilotprosjekter på flere områder. I arbeidet med å avsløre svindelforsøk brukes mer tradisjonelle maskinlæringsmodeller, sammen med OCR og tekstanalyse.
Et annet er å finjustere en klassifiseringsmodell for norsk språk som kombinert med en regelmotor skal kunne forstå og klassifisere kundeforespørsler. Et tredje handler om å erstatte kode med naturlig språk når man spørrer mot data, mens et fjerde går på å kombinere egne data med språkmodeller, slik at en kunde etter hvert kan spørre «dekker min reiseforsikring at jeg tar dykkersertifikat på ferien?» og få et garantert korrekt svar.
Må lære seg «machine skills»
– En interessant ting vi har vi sett når vi jobber med disse prosjektene er at folk må tilegne seg en ny form for kunnskap. Vi har i mange år snakket om at folk har «people skills» og kan være flinke til å snakke med ledelsen eller medarbeiderne. Fremover må vi også skaffe oss «machine skills» slik at vi faktisk lærer oss å snakke til dataene våre på en god måte, sier Sundahl og legger til:
– Akkurat som dataene vi spør må ha kvalitet, må faktisk også spørsmålet vi stiller holde et visst nivå for at svaret skal bli bra.
Fortsatt i eksperimentfase
– Det høres fortsatt ut som om Storebrand har en bit igjen til at generativ KI er implementert ut mot kundene?
– I strategien vår står det at vi har 1-2 år på å eksperimentere med generativ AI, og få på plass interne løsninger
og backoffice-løsninger. For eksempel at en ansatt kan spørre om hvor mange feriedager som er igjen. Men å slippe løs generative språkmodeller ut mot kundene er vi ikke aktuelt enda.
– Vi lever av tillit. Det kompromisser vi ikke med.
Både DNB og SR-Bank har tidligere fortalt om de har etablert interne lukkede ChatGPT-miljøer i Microsoft Azure. Det har ikke Storebrand. Foreløpige har de forsøkt å sette tydelige retningslinjer for bruk av ChatGPT, og ellers brukes Bing Enterprise, men Sundahl forteller at man er i ferd med å ta i bruk Office Co-Pilot.
– Jeg tror at veldig mye av det vi snakker om i dag blir out-of-the-box-løsninger, i løpet av den tiden vi har gitt oss selv på å eksperimentere. Da må man ta noen «bets» på hva man skal utvikle selv og ikke. Vi tror også at partnerskap blir en viktig brikke fremover, og samarbeider for eksempel med Simplifai om en del automatiseringsprosesser, sier Sundahl.
Dette er F-O-R-T
Så var det der med hvordan Storebrand skal komme F-O-R-T til målet og hva som må til for å lykkes. Det er følgende:
Forklarbarhet. Svaret fra en KI må kunne forklares og være til å stole på, ellers blir det ikke brukt.
Operasjonalisering.
Å rigge en hel organisasjon for en verden der man må kunne stå som juridisk ansvarlig for et svar som er generert av en maskin. Compliance, sikkerhet, juss, ytelse, skalerbarhet, brukeropplevelser, kompatibilitet med eksisterende organisasjoner, alt må være på plass.
– Å ignorere denne delen av arbeidet er som å bygge en skyskraper uten et solid fundament – hele AI-prosjektet kommer etter hvert til å kollapse, sier Sundahl.

Ressurser. Selv om det er blitt skrevet enormt mye om hvor mange jobber som kan forsvinne på grunn av KI, hvordan ting kan effektiviseres og penger spares, er det ting som ligger frem i tid. Her og nå trenger KI ressurser både i form av penger og mennesker.
– Å finne folk med riktig kompetanse er avgjørende. Det er noe mange sliter med, sier Sundahl.
Og det er her omsorgen om datakvalitet på en måte kommer inn i bildet. Dette er den tredje nøkkelressursen Sundahl trekker frem, og ifølge henne har data scientists historisk vært en av de yrkesgrupper som har byttet jobb oftest selv om de har relevante jobber.
Ifølge et debattinnlegg fra en kollega til Sundahl henger det sammen med at spesialistene blir nødt til å rette opp i dårlige data i stedet for å analysere dem. Når de slutter, går det ut over både kunnskapsoverføring og utviklingshastighet.
Teknologivalg. Bare fordi KI er så «hot» at KI-generert endte opp med å bli årets ord, betyr det ikke at KI skal brukes til alt.
– Det er dyrt, risikofylt, det er komplisert og det er ressurskrevende. Til syvende og sist så handler innovasjon om å gi en bedre opplevelse til kunden, da gjelder det å bruke riktig teknologi til riktig problem. Der er svaret ikke alltid KI, sier Sundahl.
Liker å lage bilder
– Til sist, hvordan bruker du selv kunstig intelligens i hverdagen?
– Jeg bruker det mye til å forbedre tekster og oversettelser, skrive med løse tanker og få noe strukturert tilbake, og så kan jeg plutselig bruke veldig mye tid på å lage en illustrasjon i Dall-E, sier Sundahl og fortsetter:
– Jeg hadde garantert spart tid på å velge noe fra bildebanken vår, men det er jo veldig gøy … og lærerikt.