Pascal Bornet, forfatter til IRREPLACEABLE og Intelligent Automation – Interview-serie

Pascal Bornet er en pioner inden for Intelligent Automation (IA) og forfatter til bestseller-bogen “Intelligent Automation.” Han er regelmæssigt rangeret som en af de ti bedste globale eksperter i kunstig intelligens og automation. Han er medlem af Forbes Technology Council.

Bornet er også en seniørleder med over 20 års erfaring i at lede digitale transformationer for virksomheder. Han er grundlægger og tidligere leder af “AI og Automation”-praktiserne hos McKinsey og Ernst & Young (EY). 

Han udgiver også en ny bog med titlen: IRREPLACEABLE: Kunsten at stå ud i en verden med kunstig intelligens.

Hvornår opdagede du først AI og indså, hvor omvæltende det ville være?

Min rejse med AI begyndte for over 20 år siden, da jeg startede med at arbejde på AI- og automationsprojekter hos førende konsulentfirmaer. Selv i de tidlige dage kunne jeg fornemme den enorme potentiale i denne teknologi til at transformere virksomheder og samfund.

Men det egentlige vendepunkt for mig var omkring 2015-2016, da AI begyndte at skabe overskrifter med gennembrud som AlphaGo, der besejrede verdensmesteren i det komplekse spil Go. Det var en kraftfuld demonstration af, hvor langt AI var kommet, og hvordan det var begyndt at overgå menneskelige evner i visse områder.

Dette var også det tidspunkt, hvor jeg så en betydelig stigning i interessen fra virksomheder fra forskellige brancher, der ville udforske AI. De indså, at dette ikke længere var bare hype, men at AI var på vej til at blive en rigtig game-changer. Virksomheder, der havde været skeptiske eller på vippen, var nu i færd med at forstå og tilpasse teknologien.

At se denne skift i mindset og den accelererende tempo i AI-fremgangen, gjorde det klart for mig, at vi stod på tærsklen til en stor omvæltning. AI ville ikke kun ændre nogle processer her og der, men ville fundamentalt omforme, hvordan vi arbejder, lever og interagerer med hinanden. Denne indsigt var både spændende og alvorlig, og det drev mig til at fokusere min forskning og arbejde på at hjælpe individer og organisationer med at navigere denne transformation.

Du er kendt for at understrege, hvor stærk AI er, men de fleste mennesker frygter at miste deres job. Hvad er de færdigheder, som mennesker skal styrke for at undgå at blive erstattet af AI?

Det er sandt, at frygten for jobtab er en reel frygt for mange. Men jeg mener bestemt, at AI i sidste ende er styrkende, ikke truende, for menneskers potentiale – hvis vi tilgår det på den rigtige måde.

Nøglen er at fokusere på at dyrke og styrke de evner, der er unikt menneskelige og svære for AI at genskabe. I min bog kalder jeg disse for “Humics” – ægte kreativitet, kritisk tænkning og social autenticitet.

• Ægte kreativitet handler om at generere originale ideer, løsninger og kunstneriske udtryk, der bygger på vores unikt menneskelige subjektive oplevelser, følelser og intuition. Mens AI kan kombinerer eksisterende elementer på nye måder, mangler det den autenticitet af den menneskelige oplevelse og den menneskelige gnist af imagination, der fører til virkelig banebrydende innovationer.
• Kritisk tænkning indebærer at analysere information, at stille spørgsmål ved antagelser og at træffe etiske beslutninger baseret på vores værdier og forståelse af kontekst. AI kan bearbejde data og identificere mønstre, men det har ikke den menneskelige kapacitet til diskussion, skepsis og moralsk begrundelse.
• Social autenticitet omfatter vores evne til at bygge dybe, tillidsbaserede relationer, kommunikere med empati og lede og inspirere andre. Disse interpersonlige færdigheder er rod i vores emotionelle intelligens og selvbevidsthed, som AI ikke fuldt ud kan simulere.

Ved at udvikle disse Humics og lære at skabe synergier med AI, kan individer tilbyde værdi, der er unikt menneskelig og højt værdsat. Det handler om at udnytte AI til at automatisere rutineopgaver, mens vi samtidig styrker vores menneskelighed for højværdi, kreativ og interpersonlig arbejde.

At blive uerstattelig betyder også at være AI-klar, at mestre færdighederne til at arbejde effektivt sammen med AI, og “ændringsklar”, udvikle den robusthed og tilpasningsevne til at trives i en hurtigt foranderlig verden. Ved at udvikle disse tre kompetencer kan individer navigere AI-æraen med sikkerhed og skabe deres egen uerstattelige værdiposition.

Hvordan kan organisationer sikre, at AI-værktøjer supplerer snarere end erstatter menneskelige arbejdere?

For organisationer at sikre, at AI-værktøjer supplerer snarere end erstatter menneskelige arbejdere, skal de tage en menneskecentreret tilgang til AI-implementation. Dette betyder at sætte mennesker i centrum af deres AI-strategier og fokusere på, hvordan teknologien kan styrke og udvikle menneskelige evner.

En vigtig aspekt er jobdesign. Når organisationer introducerer AI, skal de genoverveje roller og ansvar for at fokusere på de unikt menneskelige færdigheder, som AI ikke kan erstatte. Dette kan indebære at redefinere jobbeskrivelser for at understrege opgaver, der kræver kreativitet, kritisk tænkning, emotionel intelligens og kompleks problemløsning.

For eksempel kan en kundeservice-medarbejders rol udvikle sig fra at håndtere rutineanmodninger (som kan automatiseres) til at håndtere mere komplekse, følelsesladede situationer, der kræver empati og dømmekraft. En regnskabsmedarbejder kan bruge mindre tid på dataindtastning og mere på at fortolke indsigt og give strategisk rådgivning.

Organisationer skal også investere i at opkvalificere og omkvalificere deres arbejdskraft for at forberede dem på disse nye roller. Dette inkluderer at give træning ikke kun på, hvordan man bruger AI-værktøjer, men også på, hvordan man udvikler og anvender Humics i en forretningskontekst.

Endnu en kritisk faktor er at inddrage medarbejdere i AI-implementeringsprocessen. I stedet for at påtvinge AI-løsninger fra toppen og ned, skal organisationer inddrage medarbejdere i at identificere områder, hvor AI kan assistere dem, og designe menneske-maskine-samarbejdet. Dette hjælper ikke kun med at sikre, at AI supplerer på en måde, der gavner medarbejderne, men også med at skabe en kultur af kontinuerlig læring og tilpasning.

Lederne spiller også en afgørende rolle. Lederne skal fastlægge en tydelig vision for, hvordan AI skal supplerer og udvikle arbejdskraften, og kommunikere og modelere denne perspektiv konsekvent. De skal også være proaktive i at adresse bekymringer omkring jobssikkerhed og skabe en psykologisk sikker arbejdsmiljø, hvor medarbejdere kan eksperimentere, lære og tilpasse sig.

Ultimativt skal målet være at skabe en symbiotisk relation mellem mennesker og AI, hvor hver især fokuserer på, hvad de er bedst til. Ved at designe job og organisationer omkring dette princip, kan vi udnytte AI’s kraft til at forbedre menneskeligt potentiale og værdi.

Du har tidligere udtalt, at serviceindustrien er den mest sandsynlige til at drage fordel af Generative AI. Kan du give nogle eksempler på dette?

Serviceindustrien, der afhænger stærkt af menneskelig interaktion og kreativ problemløsning, har stor potentiale til at drage fordel af Generative AI. Denne teknologi, der kan skabe ny indhold (tekst, billeder, lyd osv.) baseret på mønstre lært fra eksisterende data, har enormt potentiale til at supplerer og udvikle menneskelige evner i service-roller.

Et primært eksempel er i kundeservice. Generative AI kan bruges til at skabe højt personlige og kontekst-relevante svar på kundeanmodninger, baseret på en stor videnbase. Dette kan enable kundeservicemedarbejdere til at give hurtigere, mere præcise og mere tilpassede support. Samtidig kan AI håndtere rutineanmodninger, frie menneskelige agenter til at fokusere på mere komplekse, følelsesladede situationer, der kræver empati og dømmekraft.

I kreative fag som design og reklame kan Generative AI fungere som et kraftfuldt idegenererings- og brainstorming-værktøj. For eksempel kan en grafisk designer bruge AI til at generere en bred vifte af designelementer eller layouts baseret på en sæt parametre, som de derefter kan afklare og kuratere baseret på deres kreative vision og forståelse af kundens behov. Denne synergien mellem AI-genererede ideer og menneskelig kuratering kan føre til mere innovative og gennemslagskraftige designs.

I uddannelse og træning kan Generative AI bruges til at skabe personliggjort læringsindhold og vurderinger tilpasset hver enkelt elevs behov, mål og fremgang. Lærere kan bruge AI til at generere målrettede øvelsesopgaver, forklaringer og feedback, der tillader dem at give mere individualiseret støtte i stor skala. Samtidig kan AI fri lærere fra rutineopgaver som korrekturlæsning, så de kan fokusere på højværdiaktiviteter som mentoring, coaching og udvikling af kritisk tænkning.

I sundhedssektoren har Generative AI spændende anvendelser inden for patientuddannelse og -engagement. For eksempel kan AI generere personlig sundhedsrådgivning, påmindelser og motivationsindhold baseret på en patients specifikke tilstand, livsstil og præferencer. Dette kan supplerer arbejdet hos sundhedsprofessionelle ved at forstærke vigtige budskaber, besvare almindelige spørgsmål og holde patienter på sporet med deres behandlingsplaner.

Fælles tråden gennem disse eksempler er, at Generative AI ikke erstatter den menneskelige servicemedarbejder, men supplerer deres evner. Det tager sig af de mere rutineprægede, dataintensive aspekter, så mennesker kan fokusere på de højværdi, kreative og interpersonlige aspekter, der kræver kreativitet, kritisk tænkning og emotionel intelligens.

Ved at omfavne denne suppleringsmentalitet kan serviceindustrien udnytte Generative AI til at levere mere personlige, responsive og prædictive tjenester, fra kundesupport til sundhedsydelser. Det vil drive innovation, afsløre nye indsighter og skabe nye former for værdi.

Kunne du dele nogle specifikke eksempler på, hvordan AI forandrer brancher som finans eller sundhed?

AI driver transformative forandringer på tværs af forskellige brancher, og finans og sundhed er to eksempler, hvor impacten er særligt betydelig.

I finans revolutionerer AI, hvordan finansielle institutioner opererer, fra front-end kundeservice til back-end risikostyring. For eksempel bruger mange banker nu AI-drevne chatbots til at håndtere kundeanmodninger, giver 24/7 support og frier menneskelige agenter til at fokusere på mere komplekse problemer. Disse chatbots kan forstå naturligt sprog, få adgang til kontoinformation og endda give personlige anbefalinger, hvilket betydeligt forbedrer kundeoplevelsen.

AI transformerer også svigagtighedsopdækkelse og risikostyring i finans. Maskinelæringsalgoritmer kan analysere store mængder transaktionsdata i realtid, identificere mønstre og afvigelser, der kan indikere svigagtighed. Dette ermögiller banker at opdage og forhindre svigagtighed mere effektivt, reducerer tab og beskytter kunder.

I investering og handel bruges AI til at træffe mere informerede og tidlige beslutninger. Algoritmer kan analysere markeddata, nyhedsstemning og sociale medie-trends for at forudsige aktiepriser og optimere porteføljeallokering. Nogle AI-drevne hedgefonde overstiger endda traditionelle fonde, der styres af menneskelige handlere.

I sundhedssektoren gør AI betydelige fremskridt inden for diagnose, lægemiddelforskning og personlig medicin. For eksempel kan AI-algoritmer analysere medicinske billeder som røntgenbilleder og MR-scans for at opdage tegn på sygdomme som kræft, ofte med en niveau af præcision, der matcher eller overgår menneskelige radiologer. Dette kan føre til tidligere opdækkelse og bedre patientresultater.

AI accelererer også lægemiddelforskning ved at forudsige, hvordan molekyler vil opføre sig og interagere, reducerer tiden og omkostningerne ved at udvikle nye mediciner. I 2020 indgik den første AI-designede lægemiddel kliniske forsøg, hvilket markerede et betydeligt milepæl i dette felt.

Personlig medicin er endnu et spændende område, hvor AI har en betydelig impact. Ved at analysere en patients genetiske data, livsstilsfaktorer og medicinske historie kan AI forudsige deres risiko for bestemte sygdomme og anbefale tilpassede forebyggende foranstaltninger eller behandlinger. Denne skift mod proaktiv, individualiseret pleje har potentialet til at betydeligt forbedre patientresultater og reducere sundhedsomkostninger.

AI bruges også til at forbedre fjernovervågning og telemedicin. Bærbare enheder og smartphone-apps kan indsamle sundhedsdata i realtid, som AI derefter kan analysere for at opdage tidlige tegn på sundhedsproblemer og advare sundhedsprofessionelle. Under COVID-19-pandemien spillede AI-drevne chatbots og virtuelle assistenter en afgørende rolle i at triage patienter, give information og reducere byrden på overbelastede sundhedssystemer.

Disse eksempler viser, hvordan AI transformerer finans og sundhed. Det vigtigste er, at AI ikke erstatter menneskelige fagfolk, men supplerer deres evner. Det tager sig af de mere rutineprægede, dataintensive opgaver, så mennesker kan fokusere på de komplekse, dømmekraftskrævende aspekter af deres roller.

Da disse brancher fortsætter med at adoptere og integrere AI, kan vi forvente at se endnu mere innovative anvendelser, der forbedrer effektivitet, præcision og personliggørelse, hvilket ultimativt fører til bedre resultater for både virksomheder og forbrugere. Nøglen vil være at styre denne transformation på en måde, der styrker menneskelige arbejdere, ikke erstatter dem, og udnytter kraften i menneske-maskine-samarbejdet.

Med den øgede brug af AI i forretning, er datasikkerhed, privatliv og styring blevet kritiske emner. Hvordan skal virksomheder adressere disse bekymringer for at opretholde tillid hos kunderne?

Da virksomheder i stigende grad afhænger af AI og data-drevne beslutninger, er spørgsmålene om datasikkerhed, privatliv og styring kommet til forkanten. Disse er ikke kun tekniske udfordringer, men grundlæggende spørgsmål om tillid mellem virksomheder og deres kunder. Som jeg diskuterede i et nyligt webinar afholdt af dataprotektionsfirmaet Clumio, med opkomsten af deepfakes, voksende bekymringer omkring AI-forvrængning og selvfølgelig det enorme problem med dataleaks, skal virksomheder fokusere på tillid nu mere end nogensinde.

For at adressere disse bekymringer og opretholde tillid skal virksomheder tage en proaktiv, transparent og etisk tilgang til datastyring og AI-styring. Her er nogle nøgleforanstaltninger, de skal overveje:

Først og fremmest skal virksomheder prioritere datasikkerhed på alle stadier af data-livscyklussen. Dette indebærer implementering af robuste cybersecurity-foranstaltninger for at beskytte mod dataleaks, hacking og ukontrolleret adgang. Det inkluderer teknikker som datakryptering, sikre autentificeringsprotokoller og regelmæssige sikkerhedsauditter. Virksomheder skal også have klare politikker og procedurer for at håndtere og rapportere om sikkerhedsincidenser.

Anden, virksomheder må være transparente omkring deres dataindsamling og -brug. De skal give klare, letforståelige privatlivspolitikker, der informerer kunder om, hvilke data der indsamles, hvordan det vil blive brugt, og med hvem det måske vil blive delt. Kunder skal have kontrol over deres data, med mulighed for at få adgang til, opdatere eller slette deres informationer efter behov.

I konteksten af AI specifikt skal virksomheder være transparente om, hvor og hvordan AI bruges, og hvilken impact det kan have på kundernes oplevelser eller beslutninger. Hvis et AI-system tager væsentlige beslutninger, der påvirker kunder, som for eksempel at godkende et lån eller bestemme forsikringspræmier, skal virksomheder kunne forklare, hvordan disse beslutninger tages, og give kunder mulighed for at anke eller bede om menneskelig gennemgang.

Tredje, virksomheder skal etablere stærke datastyringsrammer. Dette indebærer at definere klare politikker og procedurer for, hvordan data indsamles, gemmes, adgang og bruges inden for organisationen. Det skal inkludere retningslinjer for datakvalitet, dataintegration og datasikkerhed, samt definition af roller og ansvar for datastyring.

I konteksten af AI udvider datastyring også til modelstyring. Virksomheder skal have mekanismer på plads for at sikre, at deres AI-modeller er retfærdige, upartiske og i overensstemmelse med etiske principper. Dette kan indebære teknikker som “model-forklarbarhed” og fairness-test, samt menneskelig oversigt og ansvar for AI-drevne beslutninger.

Fjerde, virksomheder skal give kunderne mere kontrol over deres data. Dette inkluderer at give let adgang til, at kunder kan fravælge dataindsamling eller specificere, hvordan deres data kan bruges. Nogle virksomheder udforsker også koncepter som “data-trusts” eller “data-cooperativer”, hvor kunder kan frivilligt samle deres data for bestemte formål på en sikker og transparent måde.

Sidst, bygning af tillid i AI-æraen kræver en grundlæggende skift i virksomhedskultur og ledelse. Virksomheder skal indbygge principperne for ansvarlig AI og dataetik i deres kerneværdier og beslutningsprocesser. De skal uddanne og træne alle medarbejdere i disse principper og holde ledelse ansvarlig for at opretholde dem.

Ved at følge disse skridt – prioritere sikkerhed, være transparent, styre data ansvarligt, give kunder kontrol, og fremme en etisk kultur – kan virksomheder bygge og opretholde tillid i AI-æraen. Det handler ikke kun om overholdelse, men om aktivt at demonstrere for kunderne, at deres data og tillid værdsættes og beskyttes.

I en æra, hvor data er den nye olie og AI er den nye vækstmotor, er tillid den ultimative valuta. Som jeg observerede under Clumio webinaret, vil vinderne i en AI-dreven verden ikke være de virksomheder med de mest komplekse datasæt eller de største datasæt, men de, der kan bygge en urokkelig grund af tillid under deres digitale økosystemer.

Forvrængning i AI-modeller er en betydelig bekymring. Hvad er de bedste praksisser, du anbefaler for organisationer til at identificere og mindske forvrængning i deres AI-systemer?

Forvrængning i AI er en kritisk sag. AI-systemer lærer af de data, de trænes på, og hvis disse data reflekterer historiske forvrængninger eller skæve repræsentationer, kan disse forvrængninger forstærkes og videreføres i AI’s beslutninger og output. Dette kan føre til uretfærdige, diskriminerende eller endda skadelige resultater, som undergraver tillid til AI og forårsager reel skade på individer og samfund.

For at identificere og mindske disse forvrængninger anbefaler jeg følgende bedste praksisser:

Først og fremmest, være bekendt med de forskellige typer forvrængninger, der kan snige sig ind i AI-systemer. Alle bør læse om de 188 kognitive forvrængninger, som enhver menneske besidder. Gå til Wikipedia og søg efter “kognitive forvrængninger”. Som du vil bemærke, er nogle almindelige:

• Udvalgsforvrængning: når dataene, der bruges til at træne AI, ikke er repræsentative for den virkelige verden, det vil blive anvendt på.
• Historisk forvrængning: når dataene reflekterer historiske samfundsforvrængninger, såsom raciale eller kønsdiskrimination.
• Målingsforvrængning: når måden, data indsamles eller mærkes, introducerer forvrængning, såsom brug af subjektive eller inkonsistente kriterier.
• Algoritme-forvrængning: når AI-modellen selv introducerer forvrængning, såsom overtilpasning til bestemte funktioner eller forstærkning af små forskelle.

Ved at forstå disse forskellige typer forvrængninger kan organisationer være mere proaktive i at opdage og adressere dem.

Anden, etablere diverse og inklusive hold til at arbejde på AI-projekter. At have medarbejdere med forskellige baggrunde, perspektiver og erfaringer kan hjælpe med at identificere forvrængninger, der ellers ville være gået ubemærket hen.

Tredje, gennemfør omfattende data-audit. Før træning af en AI-model, skal dataene grundigt undersøges for potentielle forvrængninger eller skævheder. Tjek for repræsentativitet, nøjagtighed og fuldstændighed. Overvej teknikker som stratificeret sampling for at sikre fair repræsentation af forskellige grupper.

Fjerde, brug teknikker som adversarial debiasing under modeltræningsprocessen. Dette indebærer at forsøge at “narre” modellen med forvrængede data og derefter justere modellen for at gøre den mere robust over for disse forvrængninger. Der er også forskellige algoritme-teknikker for at reducere forvrængning, såsom regularisering, begrænsningsoptimering og justering efter proces.

Femte, test omfattende for retfærdighed og forvrængning. Dette skal indebære test af modellen på diverse, virkelige datasæt og scenarier, ikke kun træningsdata. Brug kvantitative mål til at vurderere retfærdighed, såsom demografisk lighed (sørge for, at modelens beslutninger er uafhængige af følsomme attributter som race eller køn) og lige mulighed (sørge for, at modellen performer lige godt for forskellige grupper).

Sjette, give transparens og forklarbarhed for AI-beslutninger. Brug teknikker som SHAP-værdier eller LIME til at forklare, hvordan modellen tager beslutninger, og gør disse forklaringer tilgængelige for brugere eller interessenter. Denne transparens kan hjælpe med at identificere forvrængninger og bygge tillid.

Syvende, etablere klare ansvars- og styringsstrukturer. Definer roller og ansvar for at styre forvrængning og retfærdighed i AI, og etablere processer for regelmæssig audit, rapportering og mindske forvrængning. Sørge for, at der er kanaler for brugere eller interessenter til at rejse bekymringer eller søge genvalg, hvis de mener, de er blevet uretfærdigt påvirket af et AI-system.

Og sidst, fremme en organisatorisk kultur af ansvarlig og etisk AI. Træn og uddan alle medarbejdere i AI-etik og forvrængningsreduktion. Opfordre til åben diskussion og rapportering af forvrængningsbekymringer. Gør etisk AI til en kerneværdi og en nøglepræstationsindikator for organisationen.

Ved at adoptere disse bedste praksisser kan organisationer proaktivt identificere og mindske forvrængninger i deres AI-systemer. Men det er vigtigt at erkende, at eliminering af forvrængning er en kontinuerlig proces, ikke en engangs-løsning. Da AI-systemer udvikler sig og anvendes i nye kontekster, kan nye forvrængninger opstå. Organisationer må forpligte sig til kontinuerlig overvågning, læring og forbedring.

Ultimativt handler adressering af AI-forvrængning ikke kun om en teknisk udfordring, men om en social og etisk imperative. Det handler om at sikre, at da vi i stigende grad afhænger af AI til at træffe beslutninger, der påvirker menneskers liv, gør vi det på en måde, der er retfærdig og transparent.

I fremtiden, hvad ser du som den fremtidige rolle for AI på arbejdspladsen?

I fremtiden ser jeg AI som en fundamentalt transformerende kraft for arbejdspladsen, ikke erstattende mennesker, men supplerende og udviklende menneskelige evner.

Rutineprægede og repetitive opgaver vil i stigende grad blive automatiseret, frier mennesker til at fokusere på højværdiaktiviteter, der kræver kreativitet, kritisk tænkning, emotionel intelligens og kompleks problemløsning. AI vil fungere som et kraftfuldt værktøj for idegenerering, analyse og beslutningsstøtte, forbedrer menneskelig dømmekraft og ekspertise.

Vi vil se mere menneske-AI-samarbejde, hvor AI håndterer dataintensive aspekter, mens mennesker bidrager med nuanceret forståelse og etisk oversigt. Job vil blive redesignet omkring denne synergien, med fokus på unikt menneskelige færdigheder.

AI vil også enable mere personlige, responsive og prædictive tjenester, fra kundesupport til sundhedsydelser. Det vil drive innovation, afsløre nye indsighter og skabe nye former for værdi.

Men denne transformation kræver betydelig omkvalificering og opkvalificering af arbejdskraften. Rollen af uddannelse og træning vil være afgørende for at forberede mennesker på at arbejde effektivt sammen med AI.

Ultimativt er fremtiden for AI på arbejdspladsen om supplerende, ikke erstattende, menneskelige evner. Det handler om at skabe en symbiotisk relation mellem mennesker og maskiner, hvor hver især fokuserer på, hvad de er bedst til. De organisationer, der mestrer denne balance, vil være dem, der vil trives.

Hvordan kan forretninger forberede sig nu på de forandringer, AI sandsynligvis vil bringe i de næste 5-10 år?

For at forberede sig på de AI-drevne forandringer i de næste 10 år, skal forretninger:

• Udvikle en AI-strategi, der er aligneret med forretningsmål, og identificere nøgleområder for AI-anvendelse og -investering.
• Bygge AI-litteratur på tværs af hele organisationen, så alle medarbejdere forstår AI’s grundlæggende principper og implikationer for deres roller.
• Investere i data-infrastruktur og -styring, sikre datakvalitet, -sikkerhed og -etik.
• Eksperimentere med AI i kontrollerede miljøer, start småt og skaler succes.
• Redesigne job og processer omkring menneske-AI-samarbejde, fokus på at supplerer menneskelige evner.
• Investere massivt i medarbejder-omkvalificering og -opkvalificering, fokus på udvikling af “Humics” – kreativitet, kritisk tænkning og emotionel intelligens.
• Etablere tværfaglige AI-styringsstrukturer til at styre forvrængning, retfærdighed, transparens og ansvar.
• Deltage i scenarieplanlægning for at forudse og tilpasse sig AI’s disruptiver effekter på markeder, forretningsmodeller og arbejdskraft.
• Samarbejde med branchekolleger, akademikere og politikere for at forme den ansvarlige udvikling og implementering af AI.
• Fremme en agil, læringsorienteret kultur, der omfavner forandring og eksperimentering.

Nøglen er at tilgå AI ikke som et engangs-projekt, men som en kontinuerlig rejse af læring, tilpasning og transformation. Forretninger, der starter nu, investerer i både teknologiske og menneskelige evner, vil være bedst placeret til at udnytte AI’s potentiale og navigere dets udfordringer i årene, der kommer.

I september 2024, udgiver du din anden bog, IRREPLACEABLE: Kunsten at stå ud i en verden med kunstig intelligens, kan du fortælle os mere om denne kommende bog og hvad vi kan forvente af den?

I min kommende bog, IRREPLACEABLE: Kunsten at stå ud i en verden med kunstig intelligens, dykker jeg dybt ned i, hvad det betyder at trives i en æra, der i stigende grad formas af AI.

I en verden, der i stigende grad drives af AI, hvordan sikrer vi, at vi forbliver uerstattelige? Hvordan beskytter du dit job, din forretning og dine børn mod udfordringerne, som denne transformative teknologi stiller? Og kollektivt, hvordan beskytter vi vores menneskelighed?

I IRREPLACEABLE tilbyder jeg en ramme for ikke kun at overleve, men at trives i AI-æraen.

Med mere end 20 års pionerarbejde inden for AI-forskning og praktisk erfaring, afslører jeg hemmelighederne om at leve i harmoni med AI og udvikle de unikt menneskelige kvaliteter, som ingen maskine kan genskabe. Jeg guider læseren på en rejse til at mestre de tre kompetencer for fremtiden: blive AI-klar, menneske-klar og forandringsklar.

Gennem engagerende historier, praktiske strategier og tankevækkende indsighter udstyrer IRREPLACEABLE dig til:

• At udnytte AI’s kraft til at forbedre dit liv, arbejde og forretning
• At beskytte dig selv og din familie mod AI’s potentielle faldgruber
• At udvikle de færdigheder, der gør dig uerstattelig i en AI-dreven verden
• At transformere din virksomhed til en uerstattelig forretning
• At opdrage børn, der kan trives sammen med AI
• At opdage din unikke formål i en verden, der erdefineret af teknologi

Uanset om du er en individ, der søger at sikre din karriere, en forælder, der søger at opdrage AI-klare børn, eller en forretningsleder, der søger at navigere teknologisk forandring, er IRREPLACEABLE din essentielle guide. Det handler ikke kun om at tilpasse sig forandring, men om at udnytte AI’s kraft til at blive den bedste version af dig selv.

AI er ikke destinationen; det er køretøjet, der bringer os til en mere menneskelig fremtid. Denne bog er din GPS. Embark på rejsen til at blive uerstattelig og opdag, hvordan AI-revolutionen ikke kun handler om teknologi, men om at genskabe essensen af, hvad det vil sige at være menneske.

Tak for det gode interview, jeg ser frem til at læse IRREPLACEABLE, som er tilgængelig for forudbestilling, læsere kan også ønske at læse Intelligent Automation, som er tilgængelig i dag.

Læsere kan også besøge Pascal Bornets hjemmeside for at lære mere.