AI er her, der og alle vegne, og i e-commerce branchen træder mange forsigtigt ind i den udforskende fase, hvor diverse redskaber, plugins og prompts testes af.
Men lige så vel som, at der er et kæmpe potentiale i at bruge AI som del af dine arbejdsgange, er der også nogle gængse fejl, du bør undgå allerede fra starten, så du kan opnå mere succes med din AI-brug. Læs med her og få et dybere indblik!
1. Du sætter dig ikke ordentligt ind i dine tools
Som i fortiden, hvor opdagelsesrejsende sprang i deres både med blikket rettet mod nyt land, er vi alle hoppet med på AI-skibet og er begyndt at udforske de mange muligheder, den nye teknologi tilbyder os.
Der er dog én fejl, vi ser mange begå, som de kaster sig ud i arbejdet med AI. De glemmer nemlig det, der kommer før – altså forarbejdet. Og med det manglende forarbejde følger også ofte en manglende forståelse for den valgte AI, dens brug og det optimeringspotentiale, den tilbyder. Det manglende forarbejde betyder, at du potentielt ikke får det fulde ud af AI-teknologien, når du benytter den. Af samme grund er det vigtigt at sætte dig godt ind i dine tools, før du tager dem i brug.
2. Du forholder dig ikke kritisk til din AI
Selvom det er nemt at komme til, skal man ikke altid tage det en AI siger, for gode varer. AI opbygget efter sprogmodeller – som for eksempel ChatGPT - er tvunget til at give et svar, når du efterspørger input. Og det betyder, at der er en reel risiko for, at AI’en fabrikerer et svar, såfremt den ikke kan finde en reel tilbagemelding iblandt sin data.
Her er det altså vigtigt, at du forholder dig kildekritisk til de indsigter og responser, som AI’en giver dig.
3. Du overvurderer din AI
Nu har vi været omkring kildekritik, når du arbejder med AI.
Der er dog også en mere generel huskeregel, du bør have top of mind, når du benytter dig af AI i dit arbejde. Nemlig huskereglen om ikke at overvurdere din AI. AI er lige nu i manges optik et magisk redskab, og vi forstår begejstringen.
Når du arbejder med AI, skal du dog huske på, at en AI opererer på baggrund af den data, den er bygget på. Det betyder, at den kan levere forudindtagede resultater, hvis den givne data dikterer dette. Det betyder også, at du er nødt til at huske på AI’ens begrænsninger, og tolke den output ud fra en forståelse for den data, den er bygget og trænet på.
4. Du træner og tester ikke din AI grundigt nok
Har du fået bygget eller bygger du selv din egen AI model? Så skal du regne med, at den - ligesom en ny medarbejder - skal gennem både test og træning, før den for alvor kan skabe værdi.
Du skal med andre ord sørge for at have et stort og velfunderet datagrundlag at bygge din AI på, og herefter skal du sætte tid af til at teste den grundigt.
Det store og rensede datagrundlag er med til at sikre, at din AI ikke træffer beslutninger eller giver bias svar, og med hjælp fra indgående træning og test kan du identificere og eliminere eventuelle bias, skulle de alligevel opstå.
Nedprioriterer du denne del, risikerer du at din AI ikke bidrager med brugbare resultater.
5. Dine AI-modeller bliver for komplekse
Hos Vertica forstår vi godt, at man let kan blive grebet af en forestilling om, at AI kan løse alle ens forretningsmæssige udfordringer. Men faktum er, at ikke alle udfordringer kan løses ved hjælp af AI og et knips med fingrene.
Der er nemlig en potentiel faldgrube, hvis dine AI-modeller bliver for komplekse.
Forventer du, at din AI-model kan handle på baggrund af utallige parametre, risikerer du, at der opstår det, vi kalder overfitting.
Kort fortalt, en situation hvor din AI bliver for nært afstemt med- og afhængig af dens eksisterende datafundament, og derfor ikke er i stand til at håndtere ny data og input korrekt. Derfor skal du passe på med at overkomplicere dine AI-modeller.
6. Du finder ikke balancen mellem compliance og engagement
Hvad har compliance og medarbejderengagement med AI at gøre?
Helt praktisk det faktum, at de to skal balanceres på en hårfin grænse for at sikre, at du får succes med AI i din virksomhed.
For jo, du skal være yderst opmærksom på compliance, når du implementerer AI i din virksomheds processer. Samtidigt oplever du dog sikkert også, at dine medarbejdere sidder med masser af gode forslag til, hvordan I kan bruge AI til at optimere jeres arbejdsgange.
Her er det vigtigt fra et forretningsmæssigt perspektiv, at du ikke slukker begejstringen og lærevilligheden omkring AI hos dine medarbejdere, men samtidigt sikrer, at I benytter AI i overensstemmelse med compliance og andre relevante etiske overvejelser. På den måde kan du sikre, at I får gode resultater vha. AI og fjerne bekymringen om lovmæssige eftervirkninger.
7. Du sætter dig ikke ind i den kontekst, din AI skal operere inden for
I vores hverdag hos Vertica samarbejder vi med en lang række forskellige e-commerce virksomheder. Og selvom de indimellem står med lignende udfordringer, hvor det kunne være fristende at tro, at den samme AI kan benyttes til at adressere dem, er det sjældent tilfældet.
Når du bruger AI, er det nemlig meget vigtigt ikke at glemme den kontekst, du forventer din AI skal arbejde inden for. Der er med andre ord en domæneekspertise, som skal etableres i arbejdet med AI.
Forestil dig for eksempel, at du er leverandør af hårprodukter, og du har bygget en AI-model, der skal generere produkttekster.
Her er det afgørende, at din AI er trænet til at vide:
- At der er tale om produkter til håret
- Hvad din henvendelsesstil og tone of voice er
- Om den skal generere tekster henvendt B2B eller B2C-kunder?
- Hvad er den generelle demografi på dine kunder?
Kort fortalt: Hvis du vil se brugbare output, er det altså afgørende, at du træner eller prompter din AI således, at den forstår den konkrete kontekst, den forventes at operere ud fra.
Skal vi hjælpe dig i gang med AI?
Nu har du lært at styre udenom de mest gængse faldgruber i arbejdet med AI – så er du måske klar til at kaste dig ud i faktisk at implementere AI i din virksomhed?
Hvis du stadig er lidt i tvivl om, hvor du skal starte, har vi etableret en workshop, der hjælper virksomheders beslutningstagere med at vurdere og rammesætte, hvor og hvordan de som organisation skal sætte ind overfor AI. Find den her.