Gå til innhold
Kom i gang
  • Det finnes ingen forslag fordi søkefeltet er tomt.

Hva vil det si å være KI-klar?

Å være KI-klar betyr å ha data som kan brukes som et pålitelig grunnlag for kunstig intelligens (KI). I denne artikkelen forklarer vi hva det å være KI-klar betyr i praksis, og hva som bør være på plass før du bruker KI på egne data.

  • KI-klar betyr at virksomheten har et datagrunnlag som er samlet, forståelig, oppdatert og til å stole på, slik at kunstig intelligens (KI) kan brukes på egne data på en trygg og meningsfull måte. Dataene må kunne ses i sammenheng, slik at KI ikke bare vurderer enkeltstående tall eller opplysinger, men kan bruke informasjonen som et samlet grunnlag. Da blir KI bedre egnet til å oppsummere informasjon, finne mønstre og analysere 
  • Samme type informasjon bør være registrert på en lik måte på tvers av systemene virksomheten bruker. En kunde, et prosjekt eller et produkt bør for eksempel kunne gjenkjennes både i regnskapssystemet, CRM-systemet og prosjektverktøyet. Ellers kan KI oppfatte samme kunde eller prosjekt som flere ulike ting.

  • Når dataene er forståelig og er renset for feil og duplikater, får KI et bedre grunnlag for analyse. Dataene trenger ikke være perfekte, men dårlig eller mangelfull informasjon kan gi mindre pålitelige, eller til og med feil svar. 

I denne artikkelen

 

KI er avhengig av dataene den får tilgang til

  • KI kan ikke alltid vite om et tall er feil, om samme kunde er registrert flere ganger eller om informasjon er utdatert. En KI-løsning vurderer informasjonen den får tilgang til, og har ikke automatisk oversikt over mangler, kontekst og data som er feil eller ufullstendig.

  • Om man eksempelvis har duplikater i et datasett i form av en kunde som er ført opp flere ganger med ulike navn, kan dette bli oppfattet av KI som ulike kunder, og dersom gamle tall brukes som om de fortsatt er oppdaterte, kan svarene gi et feil bilde av situasjonen.
  • Dette betyr ikke at KI aldri kan brukes før dataene er helt ryddige. Det betyr at virksomheten bør kjenne til de viktigste svakhetene i datagrunnlaget og være forsiktig med hvordan resultater tolkes.
  • En enkel huskeregel er at dårlige eller mangelfulle data ofte gir mindre pålitelige svar. KI kan være et nyttig hjelpemiddel, men resultatene bør fortsatt vurderes av mennesker som kjenner virksomheten og dataene.

Hva kjennetegner KI-klare data?

Det er en rekke ting man kan se etter når man skal bedømme om data er KI-klare. Noen viktige punkter å se etter kan være følgende:

  • God og dokumentert datakvalitet: Datene bør være så korrekte, komplette og oppdaterte som mulig. Virksomheten bør også kjenne til eventuelle feil, mangler og duplikater.

  • Strukturert og standardisert informasjon: Samme type informasjon bør registreres på en lik måte. Det gjør det enklere å kontrollere grunnlaget for analyser og etterprøve resultatene.
  • Tydelige beskrivelser av dataene: Det bør være mulig å forstå hva ulike tall, felt og kategorier betyr. Slike beskrivelser kalles ofte metadata, og kan beskrives som informasjonen om selve dataene. 
  • Tydelig oversikt over opprinnelse, oppdatering og brukervilkår: Virksomheten bør vite hvor dataene kommer fra, når de sist ble oppdatert og hvem som har ansvar for dem.
  • Dataene kan brukes og deles på tvers av systemer og virksomheter: Informasjon som hører sammen bør kunne gjenkjennes og sammenlignes, også når den kommer fra ulike systemer. 
  • Ansvarlig forvaltning av data: Dataene må behandles på en måte som ivaretar personvern, sikkerhet og tilgangsstyring. Ikke alle skal nødvendigvis ha tilgang til de samme opplysningene. 

Seks steg mot et mer KI-klart datagrunnlag

Å bli KI-klar er ikke noe man gjør én gang og deretter er ferdig med. Det er et løpende arbeid med å få bedre kontroll på hvilke data virksomheten har, hvordan de brukes og hvor pålitelige de er. 

  1. Avklar hva dataene skal brukes til. Før virksomheten rydder eller samler data, bør den vite hva dataene skal brukes til i analyser, rapporter eller KI-verktøy. Da blir det lettere å vurdere hvilke opplysninger som må være riktige, oppdaterte og tilgjengelige.
  2. Samle relevante data i et felles analysegrunnlag. Når data ligger spredt i ulike systemer, blir det vanskelig å se helheten, og det blir vanskeligere å oppdage feil. 

  3. Rens, standardiser og normaliser dataene. Rensing handler om å finne og rette feil, mangler og duplikater. Standardisering betyr at samme type informasjon registreres på samme måte. Normalisering handler om å organisere dataene slik at den samme informasjonen ikke unødvendig ligger flere steder eller i flere varianter. Dette gjør dataene lettere å forstå, kontrollere og bruke i analyser.

  4. Forklar hva tall, felt og kategorier betyr. Det bør være tydelig hva ulike tall og begreper viser. For eksempel bør virksomheten vite hva som regnes som inntekt, kostnad, prosjekt, kunde, avdeling eller status i de ulike systemene. Da blir det lettere for både mennesker og KI-verktøy å tolke dataene riktig.
  5. Styr tilgang og forbedre over tid. Riktige personer må ha tilgang til riktige data, samtidig som personvern og sikkerhet ivaretas. Datakvalitet må også følges opp jevnlig ettersom data endrer seg over tid.
  6. Gjør arbeid med data til en del av virksomhetens kultur. Datakvalitet bør ikke være noe man rydder opp i ved behov, men noe man tar hensyn til i det daglige når informasjon registreres, brukes og oppdateres. Slik blir arbeidet videreført over tid, og blir tatt opp i den organisatoriske læringen i en virksomhet.

Dette bør du huske

  • Jo bedre oversikt virksomheten har over dataenes kvalitet, opprinnelse og begrensninger, desto bedre grunnlag får den for analyser, automatisering og eventuell bruk av KI senere.

  • KI kan ikke alltid oppdage at data mangler, er utdaterte eller inneholder feil. Selv om virksomheten har kommet langt i arbeidet med å bli KI-klar, bør svar og analyser fra KI fortsatt vurderes kritisk. Mennesker som kjenner virksomheten og  dataene, må bruke faglig skjønn før resultatene brukes som grunnlag for beslutninger.

  • KI-klarhet er et kontinuerlig arbeid. Data endrer seg over tid, og derfor må datakvalitet, dokumentasjon og oppdateringer følges opp jevnlig.

Videre lesing

Vil du lære mer om hva som skal til for å gjøre data KI-klare? KI Norge har en veiledning om hvordan virksomheter kan jobbe systematisk med datakvalitet, struktur, dokumentasjon og ansvarlig bruk av data.

Les veiledningen "Gjør dataene KI-klare» hos KI Norge