Fra KI-piloter til KI-portefølje

Jeg har abonnert av og på digitalt på Harvard Business Review (HBR) i ganske mange år. Når jeg har sagt opp har det vært fordi jeg ikke synes jeg fått lest nok, og ikke har fått nok igjen for det et abonnement koster. Men så har jeg kjente at jeg har savnet dette stoffet om strategi, ledelse, organisasjoner og teknologi, og begynt å abonnere igjen.

Og akkurat nå leser jeg HBR mer enn noen gang før fordi jeg synes at jeg i denne KI-transformasjonen vi er inne i trenger mye mer kunnskap om hva organisasjoner gjør med teknologi for å forbedre seg, og hva teknologi gjør med organisasjoner og  deres prosesser og forretningssmodeller. Det er selvfølgelig viktig å lære mer om selve teknologien og dens muligheter, men det kanskje enda viktigere å sette seg inn i hva teknologien gjør med oss og hva slags muligheter og handlingsrom vi har.

I en tid der gapet fortsastt er stort mellom de som mener at KI vil forandre absolutt alt, og de som mener at KI er en stor illusjon, og nesten ikke vil forandre noen ting, eller til og virke negativt, er det viktig å ikke bare synse, men å ha tilgang til erfaringsbasert og forskningsbasert kunnskap om hva ledende virksomheter i privat og offentelig sektor gjør med KI. Hva som lykkes og hva som ikke lykkes. Hvilke etiske regningslinjer de bruker. Hvilke strategier de forfølger, hva de investerer i, hvordan de lærer opp ansatte og ledere, og hvordan de måler effekten av investeringene de gjør.

KI fra piloter til porteføljer

En ganske fersk artikkel i Harverd Business Review med overskriften "Manage your AI investments like a portfolio" har en slik erfaringsbasert tilnærming til hvordan man som virksomhet skal tilnærme seg det som kanskje er blitt flere ulike utprøvinger og små veddemål på bruk av KI. Det er fire kjente forskere og forretningsfolk som som har skrevet artikkelen, blant annet Thomas Davenport ved MITs Centre for Digtial Business og Faisal Hoque som står bak Shadoka og Next Chapter. Begge har skrevet bøker om mennesker, organisasjoner og teknologi. I denne artikkelen beskriver de utfordringen mange virksomheter har med KI-satsinger som halvhjertet og lite sammenhengende:

"The result is often too many pilots with too little coordinated oversight. Without a way to systematically decide where to start, how fast to move, and when to stop, AI efforts quickly become a drain on attention and resources rather than a source of advantage. A familiar pattern recurs across many companies: isolated, piecemeal deployments, limited buy-in by senior executives, and weak linkage to strategic goals."

Artikkelen tar til orde for for at man i stedet for å jobbe fragmentert og i avdelingsvise siloer, må styre og organisere KI-investeringer i bedriften som en portefølje av satsinger på tvers av ulike funksjoner, nedslagsfelt og tidshorisonter, men likevel krave at det er noen felles begrunnelser, prinsipper og prioriteringsprosesser, og noen mekanismer for å regulere hva som kommer inn i porteføljen, hva som skal til for å rykke frem til neste trinn, og hva som må ut: 

"Organizations need to follow a disciplined step-by-step portfolio approach that treats AI innovation as a structured pipeline of projects that is managed by applying coherent, repeatable principles. This approach enables leaders to allocate scarce resources strategically, secure and maintain executive sponsorship across multiple initiatives, and sequence the right projects at the right time rather than chasing disconnected proofs of concept."

Porteføljestyring av KI i Lloyds Bank 

HBR viser til flere eksempler på bedrifter som benytter en slik portefølje-tilnærming til innføring av KI-tverktøy i virksomheten. En av de mest interessante er Lloyds Bankong Group som har utviklet en KI-strategi for virksomheten og bruker en slik porteføljetilnærming når de iverksetter ulike nye tjenester og arbeidsprosesser som tar i bruk KI. Her en en overordnet beskrivelse av Lloyds KI-reise frem til nå og her er en beskrivelse av hvorddan de ser for seg at KI vil forme fremtiden i artikkelen "Reimagining the future: how AI is transforming Lloyds Banking Group".

I denne siste nettartikkelen skriver Lloyds litt om mekanismene i denne porteføljestyringen, og om noen de omtaler som et "KI-kontrolltårn", en funksjon som virker på tvers av organisasjonen og som står for en kvalitetssikring, prioritering og ressursallokering til nye KI-prosjekter. De skriver at:

"To ensure consistency and governance, we’ve implemented a new AI operating model. This includes a centralised playbook for developing AI use cases, guidance on whether to build or buy solutions, and a governance framework that ensures responsible AI deployment. One of our key governance mechanisms is the GenAI Control Tower, a cross-functional forum where we prioritise use cases, allocate resources and ensure alignment with our broader strategy."

Lloyds Banking Group er flike til å dele informasjon om hvordan de tenker og hva de gjør på disse nettsidene sine. De beskriver hvordan de bruker både Copilot Studio og Google Cloud. De beskriver  av investeringer i og samarbeid med ulike som og raske Fintech-selskaper og om betydningen av samarbeid med ledende universiteter som Cambridge, Imperial College, Bristol og Edinburgh, som de både samarbeider med om forskningsprosjekter og om å utvikle kompetansesprogrammer.

Hva vil det si å porteføljestyre KI-satsinger? 

 Hva vil det si at man porteføljestyrer slike teknologisatsinger i stedet for å kjøre dem som enkeltstående piloter? HBR oppsummerer det slik:

• "Elevates AI from a series of departmental experiments to a board-level strategic imperative.
• Allows executives to view all current and planned AI initiatives on a single dashboard, including their interdependencies, resource requirements, and strategic alignments.
• Formalizes a strategic approach to time-horizons across projects, enabling leaders to select a mix of projects across:
• near-term implementations that build confidence and capabilities
• medium-term initiatives that require deeper integration but deliver more substantial transformation
• longer-term projects that offer transformational potential
• Surfaces interdependencies across projects, allowing organizations to sequence initiatives so that earlier projects build foundational capabilities required by later, more sophisticated implementations."

Hvordan man gjør dette må naturligvis tilpasses situasjonen i ulike bransjer og i den enkelte virksomhet, men jeg tenker at alle virksomheter, i hvert fall de som er over en viss størrelse må kunne svare på spørsmål om hvordan KI-porteføljen deres ser ut. Hva gjør de for å finne differensiernde fortrinn på kjerneområdene? Hva gjør de for å øke kompetansen hos ansatte? Og hva gjør de for å rett og slett henge med i den utviklingen vi alle må gå igjennom når det gjelder å ta i bruk KI-verktøy til ulike prosesser der det sparer tid og penger? 

Dette er heller ikke noe som bare gjelder private bedrifter. Også statlige etater, kommuner og organisasoners styrende organer må ta ansvar for å spørre om og bidra til mål og strategier på KI-området, og i den sammenheng kan en helhetllig porteføljetilnærming som beskriver både kortsiktige tiltak og mellomlange og langsiktige satsinger være en god måte å gjøre det på.

Fremtidens digitale kompetansebehov

Hvordan påvirker teknologiutviklingen arbeidslivets behov for kompetanse på kort og på lang sikt? Trenger vi flere eller fære personer med teknologikompetanse og digital kompetanse når teknologiutviklingen går videre og KI tas i bruk til flere oppgaver?

Kompetansebehovsutvalget

Og hadde det ikke vært fint med noen eksperter som kunne svare på dette? Vel, svaret på det siste er at vi allerede har et slikt regjeringsoppnenvt ekspertutvalg, Kompetansebehovsutvalget, som jevnlig får i oppdrag ut utrede ulike kompetansebehov i samfunnet. De har i sin siste rapport "Framtidige kompetansebehov: Hvilken kompetanse trenger Norge for å lykkes med digital omstilling?" sett på hvordan behovet for digital kompetanse vil endre seg fremover.

Den tilsynelatende dårlige nyheten er at utvalget i løpet av en rapport på 130 sider, pluss noen vedlegg, ikke svarer på spørsmålet om hvor mange personer med ulike digitale kompetanser arbeidslivet vil trenge. Utvalget prøver strengt tatt ikke å regne ut eller fremskrive seg til et svar heller. Den gode nyheten er at det ikke gjør noe fordi utvalget gjør et par andre ting som er mye viktigere. Blant annet å slå fast at fremtiden ikke er forutbestemt, men vil påvirkes av flere mange ulike ytre drivere og beslutninger. Noen av disse, som demografiutviklingen eller amerikansk handelspolitikk får vi ikke gjort så mye med. Andre forhold, som regulering av bruk av bestemte teknolgier, eller spilleregler i arbeidslivet, kan påvirkes av politikere og organisasjoner.

Fremtiden er med andre ord usikker. Utvalget har derfor valgt å gjøre en sortering først av kva slags kompetanser som er viktige for å lykkes med digital omstilling i en virksomhet, eller i et land. Og så beskriver de hvordan kompetanseetterspørsel kan ulik i fire forskjellige scenarioer, eller "fortellinger om fremtiden", om man vil. Utvalget forklarer hvordan de teknologiske omgivelsene i og rundt arbeidslivet vil kunne utvikle seg på ulike måter, og påvirke dette kompetansebehovet. Mer om scenarioene litt senere.

To grøfter å falle ned i

Jeg tenker at det er to grøfter slike ekspertutvalg som skal utrede seg fram til hvordan fremtiden blir, kan falle ned i, og som gjør at mange slike rapporter blir ganske uinteressante. Den ene grøften havner man i når man bare spør representanter for dagens arbeidsliv og arbeidslivsorganisasjoner om hva de tenker om sitt  kompetansebehov fremover. Som de optimistene de gjerne er på vegne av egen bransje, så vil konklusjonen fort bli at det er deres egne bransjer som vil vokse mest, og kompetansebehovene vil bli særlig store der. Spesielt på områder der det er underskudd på kompetanse i dag. 

En motsatt grøft man kan falle ned i, og som kompetansebehovsutvlalget tar et lite oppgjør med, er en "teknologideterministisk" tilnærming der man legger til grunn at det i all hovedsak er teknologiutviklingen som vil dimensjonere behovet for arbeidskraft og kompetanse. Utvalget skriver noe veldig fornuftig om dette innledningsvis:

"Formuleringen i mandatet om «betydningen av nye teknologier» kan, med et teknologideterministisk utgangspunkt, tolkes som at nye teknologier kommer «utenfra», at teknologien sprer seg uten at utviklingen kan påvirkes i særlig grad, og at teknologien får forutbestemte virkninger på samfunn, arbeidsplasser og jobber. Satt på spissen ville utvalgets mandat, med et slikt teknologideterministisk utgangspunkt, handle om å forutse eller spå hva virkningene av teknologien blir, hvordan framtidens arbeidsliv vil se ut, hvilke yrker som vil vokse fram eller forsvinne, og hvilke kompetanser den enkelte vil trenge.

Utvalget har ikke et slikt teknologideterministisk perspektiv, men tar i stedet utgangspunkt i hvordan utvikling og implementering av teknologi påvirkes av historiske og samfunnsmessige betingelser, som økonomiske og politiske interesser, markedsstrukturer, reguleringer og en rekke andre forhold (...). Teknologisk innovasjon er preget av forhandlinger, tilpasning og læring mellom ulike grupper som utvikler, regulerer, tilpasser og bruker teknologien, som virksomheter, fagforeninger og myndigheter."

Kompetanser for digital omstilling

Utvalget gjør i rapportens kapittel 2 et nyttig tilbakeblikk på hvilke faser bruk av datamaskiner, kommunikasjonsløsninger og digitale teknologier har vært igjennom fra 1980-tallet og frem til i dag, og hvordan dette har endret arbeidsprosesser og medført nye kompetansebehov i arbeidslivet. Det har skjedd store endringer og flere yrker har forsvunnet og nye yrker har kommet inn i SSBs yrkesstatistikk. Nå på 2020-tallet er kraften i digitaliseringen enda et hakk kraftigere, og det nye nå er at det særlig er maskinlæring og kunstig intelligens som kan bidra til at arbeidsoppgaver, yrker og  virksomheter forsvinner, og noe nytt oppstår.

Hvilken kompetanse må vi ha bedre tilgang til når arbeidslivet skal gjennom enda mer med digital omstilling og ta i bruk kunsig intelligens?. Hva slags kategorier av jobber er det snakk om og hva slags kompetanse trengs for å fylle dem? 

Utvlaget grupperer den digitale omstillingskompetansen i to hovedkategorier: Digital kompetanse, med tre underkategirier, og muliggjørende kompetanse, med tre underkategorier. Den digitale kompetansen handler for det første om spesialisert digital og teknologisk kompetanse på utvikling og drift av digitale løsninger. Software, hardware, nettverk, datahåndtering, digitale tjenester og sånn For det andre handler det om fagspesifikk digital kompetanse, det vil si digitalisering i helse, kommune, samferdsel, varehandel, sjømat, skipsfart, bygg og anlegg, og alt det andre vi holder på med i arbeidslivet. Og for det tredje er digital kompetanse også den generelle digitale kompetansen man trenger som arbeidstaker og som innbygger for å bruke digitale verktøy og fungere i samfunnet, og der en slik høy generell digital kompetanse har vært et konkurransefortrinn for Norge

Den muliggjørende kompetansen består også av tre deler i denne kategoriseringen: Vi trenger fagkompetanse på samhandling mellom mennesker og maskiner. Det er jo ikke maskinene som skal styre menneskene, og KI gir oss noen nye utfordringer her, så derfor blir kunnskapen om menneskers bruk av og kontoll over teknologien særlig viktig. Vi trenger for det andre innovasjonskompetanse, digital forestillingsevne og kompetanse på endringsledelse og organisasjonsdesign som gjør oss i stand til å skape handlingsrom og forstå muligheter teknologien skaper. Og så trenger vi naturligvis juridisk-, sikkerhets- og etisk komeptanse som skal hjelpe oss regulere og beskytte det vi må for å skape trygghet og tillit.

Fire fremtidsscenarioer

Jeg synes noe av det mest spennende kompetansebehovsutvaltet førsøker seg på er å lage fire ulike scenarioer for hvordan fremtidens jobber og kompetansebehov kan bli. De fire scenarioene er basert på noen veldig ulike utviklinger når det gjelder KI og bruk av KI, som slår ut vi temmelig ulike behov for menneskelig digital kompetanse i arbeidslivet.

Utvalget bruker en kjent modell for å lage scenarioer der de plasserer to overodnede variable i et aksekors som leder til fire ulike fortellinger om fremtidens digitale kompetansebehov. Og som med alle slike modeller er det avgjørende hva som er på de to aksene. 

I utvalgets aksjekors handler det om to dimensjoner ved kunstig intelligens i arbeidslivet. På den horisontale aksen er det rett og slett spørsmål om vi får en litt langsom og gradsvis KI-utvikling som bruker tid på å innfri forventningene, eller om få får en KI-utvikling der KI veldig raskt blir en katalysator, muliggjører og bredt tilgjengelig tjenesteinfrastruktur i for hele samfunnet. 

På den vertikale aksen går skillet mellom KI som i stor grad erstatter dagens menneskelig arbeidskraft vs KI som først og fremst er en blir en komplimentær muliggjører for arbeidstakere. Der KI hjelper mennesker og gjør oss i stand til å bli mer produktive og innovative når vi utfører arbeidet vårt. Noen av dagens oppgaver overtas av KI, men først og fremst sørger KI for at vi får brukt kompeansen vår mer effektivt og på områder der KI ikke har sine fortrinn.

I aksekorset får vi da to scenarier på venstre side av streken som heler "begrenset fortrengning" og "delvis interaksjon" som har det felles at KI-bruken øker, men farten er relativt moderat. I det første scenarioet, øverst til venstre til behovet for både generell og fagspesifikk digital kompeatanse være høy, og også andre deler av arbeidslivet til etterspørre mer fagkompetanse. Nede til venstre vil effektene av KI komme gradvis, men vi må regne med at kraftig fallende behov for kompetanse i yrker der oppgavene enklest kan overtas av maskiner.

Rask KI-utvikling

De to scenariene på høyre side av streken gir langt mer radikale utslag, og i temmelig ulik retning når det gjelder kompetansebehov. Nederst til høre er scenarioet "omveltende automatisering", som kjennetegnes av et betydeling fall i arbeidskraftsbehov på tvers av næringer og yrker. Både spesialisert digital konferanse og mer innovasjonskompetanse vil kreves for utføre jobbene som er igjen, og i enda større gra for å ha det som kreves for å skape og utvikle de nye virksomhetene som vil kunne vokse frem i et mye mer automatisert arbeidsliv. 

Siste scenario øverst til høyre heter "integrert samspill" og handler om et arbeisliv der KI-utviklinkgen og omstillingen går vedlig fort, men der det er et økt behov for mennesker som behersker de nye verktøyene og bruker dem til å øke verdiskapingen radikalt. Det blir en vridning mot yrker som utvikler seg i samspill med KI og det gir et økt behov for både spesialisert digital kompetanse, juridisk og regulatorisk kompetanse og innovasjonskompetanse. Kampen om arbeidskraften som har denne kompetansen og mesterer rask omstilling, blir hard. Det blir skapt store muligehter, men det er også noen store utfordringer både for arbeidstakere og for bedrifter dersom vi ikke får frem nok av den kompetansen som blir etterspurt, og flere faller utenfor.

Jeg er veldig tilhenger av at rapporter som dette bruker scenarioer og fremsynsmetodikk til å utvikle forestillingsevnen om hvordan fremtiden kan bli, og at det finnes flere varianter av denne fremtiden. Ideelt sett kunne disse enariene vært noen hakk mer likeverdige når det gjelder fordeler og ulemper ved dem. Jeg tenker at i de beste scenariomodellene er det ordentlig vrient å velge seg en favoritt fordi alle har noe bra ved seg og noe vanskelig ved seg, og man må forholde seg til krevende målkonfliikger og prioriteringer. Akkurat som i virkeligheten.

Fortellingene kan gjøres rikere, og mer utfordrende 

Min største kritikk av disse scenariene er imidletid at de kunne vært gjort enda rikere og mer utbroderende, for å få fram hva de innebærer konkret for mennesker, bedrifter og samfunn. De kunne vært mer fortellende, mer spekulative, mer emosjonelle og spilt på fremtidsomtimisme og fremtidsbekyndring for å virkelig få utfordret forestillingsevnen vår. Man lager jo ikke scenarier for å lage en korrekt fremskriving, men for å få frem kontraster, prioriteringsbehov, målkonflikter og overordnede veivalg, og at det ikke er mulig å få i både pose og sekk. Scenarioer er ikke fremskrivninger eller forskning, men bruker gode beskrivelser av fremtiden til å skape en bedre samtale om mulige retningsvalg. 

Jeg håper derfor Kompetansebehovsutvalget og andre offentlige utvalg som lager lignende analyser av fremtiden, for eksempel om fremtidens helse- og omsorgstjenester, velger å bruke fortellinger og scenarioer når de vil belyse behov for veivalg under stor usikkerhet. Men jeg håper som sagt at de kan berikes med detaljrike fortellinger og eksempler, slik at vi lettere ser hva de vil kunne bety for virksomheter og enkeltpersoner. Jeg vet om flere som kan bidra.

Algoritmiske terapeuter

Mange bruker i dag chatboter som Chat GPT og Claude som samtalepartnere og rådgivere, og deler også sine innerste tanker med en kunstig intelligens. Er det slik at godt trente KI-samtalepartnere kan bidra til å å forebygge og hjelpe til med vår mentale helse? Eller er dette en farlig utvikling?

Hvordan skal vi tenke om bruk av KI som psykoloigsk rådgiver og samtalepartner for personer som sliter med ulike psykiske utfordringer? Og hva med KI brukt til diagnose, behandlig og oppfølging av psykisk sykdom, der det virkelig er snakk om dyp fagkompetanse og terapeutiske samtaler, og der det er alvolige konsekvenser hvis man gjør feil.

Carl Sagans profeti

Idéen om at datamaskiner med en form for "digital intelligens" kan hjelpe mennesker med psykiske utfordringer og plager er ikke en ny visjon. I 1975 skrev astronomen Carl Sagan et essay i tidsskriftet "Natural History" med tittelen "In Praise of Robots" at (oversatt til norsk, og litt språklig modernisert):

«Ingen slike dataprogrammer er i dag gode nok til bruk i psykiatrien – men det samme kan sies om flere menneskelige terapeuter. I en tid der stadig flere mennesker ser ut til å trenge psykisk helsehjelp, og der deling av datakraft allerede er blitt vanlig, kan jeg forestille meg at det utvikles et nettverk av psykoterapeutiske terminaler – omtrent som rekker av telefonkiosker – der vi for noen få dollar per samtale kan snakke med en oppmerksom, kvalitetssikret og i hovedsak ikke-styrende terapeut.»

Et nettverk av telefonkiosker brukt som terapeutiske terminaler og "tidsdeling" av datakraft høres litt gammeldags ut, men vi kan jo i stedet kalle det KI-apper på smarttelefonen som brukes til samtale, rådgivning, og kanskje diagnose og behandling. Og Carl Sagans observasjon om at stadig flere ser ut vil å trenge psykisk helsehjelp, men at det ikke er nok fagfolk tilgjengelig som kan yte denne hjelpen, er i hvert fall minst like presis i dag som den var for 50 år siden.

Chat GPT og Claude som våre nærmeste

Poenget er at det som var en temmelig fjern fremtidsforestilling i 1975 er blitt realiteten i dag. Det er ikke noe som kommer, det er noe som allerede skjer, og som kommer til å øke i omfang. Chat GPT og Claude er blant de foretrukne samtalepartnerne om private og fortrolige ting for veldig mange, særlig unge mennesker, og det finnes også andre og mer spesialiserte KI-boter for psykologisk rådgivning og psykisk helsehjelp. 

Open AI skrev på sin blogg i fjor høst om hvordan de arbeider med å utvikle prinsipper for å håndtere blat annet samtaler om selvskading og selvmord. Om en stund vil det komme flere saker for retten i USA der KI-leverandørene er saksøkt fordi språkmodellenes samtaler og råd er beskyldt for å medvirke til selvmord og selvmordsforsøk, og for å gi svært dårlige råd til folk som trenger hjelp.

Er bygging av fortrolige relasjoner med en KI oppskriften på en katastrofe, der hallusinerende og potensielt farlige chatboter settes til å håndtere noe av det mest private og sårbare som finnes? Eller er det tver imot slik at det i en verden er kanskje en milliard mennesker liter av psykiske helseplager, så gir vår nye digitale samtalepartnere oss noen muligheter til å få gjort mye mer for å forebygge og behandle ulike psykiske helseplager? 

En roman og tre fagbøker

MIT Technology Review har nylig gått inn i denne problematikken i form av an artikkel med bokanmeldelser av fire foreskjellige bøker som går inn i hvordan KI tar rollen som terapeut, behandler eller samtalsepartner på områder som har med psykisk helse å gjøre. Artikkelen heter "The ascent of the AI therapist - Four new books grapple with a global mental-health crisis and the dawn of algorithmic therapy.". Det er en roman og tre fagbøker det er snakk om. Jeg har foreløpig ikke lest noen av dem, men jeg tror at i hvert fall et par av dem må på vårens leseliste. Bakteppet beskrivers slik:

"We’re in the midst of a global mental-­health crisis. More than a billion people worldwide suffer from a mental-health condition, according to the World Health Organization. The prevalence of anxiety and depression is growing in many demographics, particularly young people, and suicide is claiming hundreds of thousands of lives globally each year. Given the clear demand for accessible and affordable mental-health services, it’s no wonder that people have looked to artificial intelligence for possible relief. Millions are already actively seeking therapy from popular chatbots like OpenAI’s ChatGPT and Anthropic’s Claude, or from specialized psychology apps like Wysa and Woebot."

 The Silicon Shrink og Dr. Bot

Artikkelen beskriver det krevende, og kanskje paradoksale, utgangspunktet der to systemer vi ikke har full innsikt i hvordan fungerer skal samhendle med hverandre. De store språkmodellenes virkemåte beskrives noen ganger som "black box" fordi vi ikke vet akkurat hva som frembringer resultatene som kommer ut. Dette kombineres med en menneskehjerne, som også er en form for "black box" der vi  ikke vet akkurat hva som skjer på innsiden. I artikkelen skriver de at:

"These two types of black boxes are now interacting with each other, creating unpredictable feedback loops that may further impede clarity about the origins of people’s mental-­health struggles and the solutions that may be possible."

Jeg har som nevnt ikke lest bøkene enda, og kjenner dem bare fra omtalen i artikkelen, men det som skrives om bøkene er spennende. Det kan virke som den mest tilgjengelige fagboken her er "Dr Bot" av Charlotte Blease, med undertittelen "Why doctors can fail us - and AI could save our lives". Forfatteren skriver både som fagperson og som pårørende til flere familiemedlemmer med dårlige erfaringer med helsevesenet, og gir uttrykk for en positiv, men balansert forventning til hva KI kan bidra med.

"The Silicon Shrink" av Daniel Oberhaus, med undertittelen "How Artificial Intelligence made the world an asylum" er også en sterkt personlig fagbok skrevet av en person med både pårørendeerfaringer og teknologibakgrunn. Jeg tror han balanserer mellom å tenke at vi burde kunne bruke dataene fra alle de digitale tingene vi omgir oss med til å forstå og handle når noe er er galt, men samtidig er han opptatt av at vi med KI risikerer å skape et slags "digitalt aysl" er vi risikerer å bli fanget av våre egne data. I hvert fall hvis det ikke bare er snakk om chatbot-terapi, men noe som går videre og omtales som psykiatrisk kunstig intelligens.

Boken "Chatbot Therapy: A Critical Analysis of AI Mental Health Treatment" av Eoin Fulham blir beskrevet som den mest akademiske av disse bøkene, og er en analyse av automatiserte diagnoser og behandlinger, og de økonomiske økosystemene som også finnes rundt disse. Nå er ikke behovet for å kombinere fagligehet og kvalitet med behovet for å tjene penger noe som er nytt med KI-verktøy i helsetjenestene. Det gjelder også annen helseteknologi, legemiddelutvikling og ulike tjenester. Men med enhver ny teknologi som skaper muligheter kommer det også et sett med problemer

Den siste boken er romanen "Sike" av Fred Lunzer. Det er en fortelling om en ung mann som tar i bruk en anvansert personrettet KI-terapeut integrert i noen smarte briller. Å beskrive hva en roman handler om uten å ha lest den går ikke, så jeg skal nøye meg med å si den ser spennende ut.

Trussel- og risikovurderinger 2026

På fredag i forrige kom de tre åpne trussel- og risikovurderingene fra  Etterretningstjenesten, Politiets sikkerhetstjeneste (PST) og Nasjonal sikkerhetsmyndighet (NSM). De ble som vanlig lagt frem samtidig og tatt imot av forsvarsministereren og justis- og beredskapsministeren. Alle tre er tilgjengelige i lenker her på regjeringens nettsider.

Det er få gode nyheter i disse analysene. Mye går i feil retning og påvirker Norge negativt. Rapportene beskriver en sikkerhetspolitisk situasjon som er den mest krevende siden 2. verdenskrig. Internasjonal stormaktspollitikk og rivalisering slår inn som konkrete sikkerhetstrusler mot Norge, og i Norge. 

Disse åpne rapportene er nødvnedigvis ganske generelle, men de er blitt en god del mer konkrete med årene, og setter navn på hva slags samfunnnskapdelige aktiviteter vi utsetters for, kommer med konkrete eksempler på hendelser og navngir hvilke land og aktører som står bak.

Sikkerhets- og beredskapspensum

De tre rapportene har etter hvert fått en status som et slags sikkerhets- og beredskapspensum for både offentlige og private virksomheter, og spesielt virksomheter som i kraft av det de driver med er særlig utsatte for ulike type trusler og angrep. Rapportene har litt ulik innretning. Mens PST og Etteretningstjenesten er mest opptatt av å beskrive hva si må forvente av trusler, og hvem som står bak, er NSMs rolle å gi råd og hjelpe virksomheter beskytte seg mot disse truslene. NSM formulerer det slik i innledningen til sin rapport Risiko 2026

"I rapporten peker NSM på hvordan myndigheter og virksomheter bør beskytte seg mot truslene som Etterretningstjenesten og PST beskriver i sine årlige trusselvurderinger. Målet med NSMs risikovurdering er å gi virksomheter bedre forutsetninger for å etablere og opprettholde et forsvarlig sikkerhetsnivå i lys av det nasjonale risikobildet. Dette gjelder alle virksomheter, men spesielt for virksomheter omfattet av sikkerhetsloven eller digitalsikkerhetsloven."

I praksis betyr dette at NSMs rapport er mindre analyserende, og mer praktisk rettet, og gir beskrivelser og råd om sikkerhetsstyring, kartlegging av verdier og anvengigheter, personellsikkerhet, fysisk sikring, dronedeteksjon, innsikt i eierskapet ti de man handler med, operasjonell teknologi og cybersikkerhet. Og det er omtale av risiko knyttet til at det på noen områder er lite leverandørmangfold, for eksemåel når det gjelder busser til kollektivtransporten eller internasjonale skytjenester offentlig sektor benytter.

Noen positive nyheter

Mens utfordringsbildet er krevende, er det heldigvis noen positive nyheter fra NSM også. De skriver i rapporten om et nytt verktøy, cybersjekk.no, som virksomheter kan bruke til å undersøke engen digital sikkerhetstilstand. Verktøyet gir et raskt overblikk over egen tilstand og anbefaler tiltak tilpasset virksomheten som vil bedre sikkerhetsnivået. Det tar 30 minutter å gjennomføre undersøkelsen.

En annen nyskaping er et samarbeid mellom Nasjonal sikkherhetsmyndighet og Næringslivets sikkerhetsråd (NSR) om en ordning for varslig av bedrifter om at de er utsatt for digitale angrep. Rett før jul kunne NSR fortelle at 1400 bedrifter er blitt vaslet om slike digitale angrep. Mange av disse bedriftene var ikke selv klar over at de hadde blitt kompromittert, og kunne utgjort en vare for kunder, leverandører og samarbeidpartnere.

Digitale verdikjeder og fragmentering

Så er det også ting som ikke er kommet i orden, og som ikke har fått noen plass i rapporten fra NSM, men som må nevnes. Selv om jeg har skrevet her på bloggen at det er den rapporten som har forbedret seg mest, så er dette også rapporten med størst forbedringspotensiale. Det er særlig to ting jeg gjerne skulle sett en konkret oppfølging av, enten i rapporten eller på annen måte:

• Det ene er å beskrive såkalte digitale leverandørkjeder, det vil si digitale verdikjeder og avhengigheter som gjør oss sårbare, og kanskje ikke har full oversikt over hvem som står bak ulike komponenter og tjenester som inngår i kritiske data- og kommunikasjonstjenester. Dette er noe NSM selv har etterlyst en oppfølging av i tidligere rapporter. Og det er en oppgave der ekspertutvlaget bak rapporten "Nasjonal kontroll med kritisk digital kommunikasjonsinfrastruktur – målbilde og virkemidler" (Lysne 3-utvalget) har anbefalt en konkret fremgangsmåte for å både kartlegge nåsituasjonen og  og for å beskrive et ønsket fremtidig målbilde. Men dessverre ser det ikke ut til at dette er blitt fulgt opp så langt.
  
• Det andre forbedringsområdet handler om å få fortgang i arbeidet med å beskrive hvilke virksomheter, samfunnsfunksjoner og tjenester som er underlagt sikkerhetsloven, og hvordan vi organiserer ansvar, roller og tilsyn for samfunnskristiske infrastrukturer og -tjenester som ikke ligger under sikkerhetsloven, men under en del andre lov- og regelverk, som samfunnssikkerhetsinstruksen, digitalsikkerhetsloven (NIS-1), CER-direktivet, Ekomloven og en rekke sektorlover. Dette er ikke en kritikk jeg har funnet på for å ha noe å kritisere, men en erkjennelse av til dels uklare og til dels overlappende regelverk og anvarsområder som er beskrivet i regjeringens Stortingsmelding om totalberedskap. Den blogget jeg om her.

Senest i helgen kunne Dagens Næringsliv fortelle om store forsinkelser i arbeidet med å finne ut hva som skal beskyttes etter sikkerhetsloven, seks år detter at loven ble vedtatt. NSM svarer at det er sektorene som har ansvaret for å gjøre denne jobben, mens sektorene ser ut til å trenge mer rettledning og hjelp, og kanskje bestillinger, fra NSM. Det er ikke veldig lenge siden det såkalte Gjedrem 2-utvalget anbefalte en oppdeling av NSM slik at de i enda større grad kan konsentrere seg om sitt ansvar for sikkerhetsloven. 

Jobbes det med en slik nyoppdeling der ansvaret etter sikkerhetsloven og rikets sikkerhet skilles klarere fra annen samfunns-, virksomhets- og individsikkerhet, slik Gjedrem 2-utvaltet har foreslått. Det er i hvert fall ikke noe i de tre rapportene som gir noe hint om endringer.

Horisontal og vertikal kunstig intelligens

- Det hjelper ikke å få panikk, skriver The Economist i en av helgens lederartikler. Tiden må i stedet brukes på å gjøre seg bedre forberedt på det som kommer. Og da handler det naturligvis om kunstig intelligens. 

I helgens utgave er det flere artikler om KI og hvordan arbeidsmarkedet kan bli endret. Om at vi fortsatt nesten ikke ser KI i form av produktivitetsgevinster, om det er de unge og nyutdannede som rammes hardest, om det er folk med kontorjobber eller manuelle jobber som er mest utsatt, og om forholdet mellom KI som generelle verktøy og hjelpemidler vs KI som endrer spesialiserte arbeidsprosesser i bransjer og virksomheter. 

Ikke få panikk

Lederartikkelen "Stop panicking about AI. Start preparing" er en slags overordnet statusoppsummering om hvordan KI har påvirket og vil påvirke arbeidsmarkedet. I en tid der tallene så langt ikke viser noen voldsom effektiviseringsgevinst, og noen konkluderer allerede nå med at frykten for KI har vært overdrevet. Samtidig som det er flere prominente ledere og økonomer, og noen av dem er sitert i denne lederartikkelen i The Economist, som er dypt bekymret for at mange rutinepregede "inngangsjobber" i det kunnskapsbaserte arbeidslivet vil oppleve en radikal nedskalering, og frata de unge muligheter.

Sannheten kommer til å ligge et sted i mellom, mener The Economist. Å finne den rette kompetanse- og rekrutteringsstrategien er ikke noe teknologien vil gjøre for deg. Det handler om vanskelige valg virksomhetene selv må ta, men de advarer mot å tro at KI kan erstatte alt de unge og nyutdannede bidrar med, og potensielt kan bidra med, i en virksomhet:

The biggest mistake would be to stop hiring young people altogether. That would not only choke off the pipeline for future talent, it would rob businesses of AI natives. Instead, companies should rethink the type of work they offer young people—less grunt labour, more judgment and analysis; speedier rotations across the business so they gain insight that ai cannot have; piloting new roles and trying new approaches.

Horisontal og vertikal KI 

I tillegg til denne lederartikkelen har The Economist flere artikler om KI og arbeidsmarkedet, som gir noen ytterligere interessante dypdykk og analyer. Den første, i den lengre artikkelen "How to avoid common AI pitfalls in the workplace", går litt dypere inn i hvorfor vi ikke ser den store effekten av KI på produktivitetestallene enda, og hvor vi kanskje ser noen gryende effekter likevel. Mens tre av fire bedrifter i en undersøkelse som omfatter USA, Storbrinannia, Tyskland og Australia sier at de har tatt i bruk KI, rapporterer 86 prosent av lederne i disse bedriftene at de ikke har sett noen effekter på produktiviteten så langt. Men langt flere mener disse effentene vil komme de neste årene.

Hvorfor går det så sakte å oppnå målbare gevinster? En forklaring er at vi ser noe vi har sett før: Det tar litt tid før infrastrukturteknologier som elektrisitet og internett, og nå kunstig intelligens, blir tatt i bruk på en slik måte at det endrer måten vi samhandler på, fordi mange må gjøre det samtidig. Her skiller artikkelen mellom de de kaller "horisontale" og "vertikale" måter å ta i bruk KI i en virksomhet:

"Mike Krieger, who works on new products at Anthropic, the firm behind Claude, makes a distinction between models’ horizontal and vertical capabilities. Horizontal capabilities are the kinds of generic activities that are useful to almost all white-collar workers: writing, conducting research, making a PowerPoint slide without becoming homicidal. Vertical capabilities are harder to get right because they involve specific skills: building a cashflow model in banking, say. The big AI firms are trying to amass more industry expertise by hiring specialists, among other things. But working out what it is that people do all day is hard enough when you sit right next to them, let alone if you’re a software engineer with no experience of the outside world.

Det å utvikle eller forbedre generelle verktøy som brukes i alle slags virksomheter er selvsagt viktig, og gir gevinster når mange tar dem i bruk, men det er gjerne vanskelig å finne unike gevinster hvis alle andre også tar dem i bruk. Det å utvikle spesialiserte tjenster og verktøy for bedrifter og bransjer som virkelig er differensierende, og gir unike konkurransefortrinn, er mye vanskeligere, og krever en helt annet kombinasjon av bransjekompetanse og teknologikunnskap. Her er utviklingen kommet mye kortere, men det kommer.

White collar og blue collar

Og siden dette handler om KI og arbeidsmarkedet, tar The Economist naturligvis tak i problemstillingen om hvordan de nye KI-verktøyene og KI-arbeidsmåtene treffer ulike deler av arbeidslivet. Er det nok en gang de manuelle jobbene som blir automatisert, er det de repetive kontorjobbene, eller er det de mer kunnskapsintensive eller kreaitve jobbene som blir utkonkurrert av teknologi denne gangen? 

I artikkelen "Why AI won’t wipe out white-collar jobs" slår The Economist fast at KIs evne til å overta jobber for folk med høyere utdanning har vært overdrevet til nå. Det har blitt flere ansatte de siste tre årene i mange av disse jobbene som skulle være mest utsatt de siste årene, ikke færre:

"For all the alarm, white-collar workers are still doing well. Since late 2022 America has added roughly 3m white-collar jobs—which include management, professional, sales and office roles—while blue-collar employment has remained flat (see chart 1). Some occupations regularly cast as AI’s early victims are on a tear. America has 7% more software developers, 10% more radiologists and 21% more paralegals than three years ago."

Nå er det som nevnt fortsatt tidlig i "KI-transformasjonen" og mange flere oppgaver vil helt åpenbart blir overlatt til teknologien. I tidligere it- og digitaliseringsbølger har det imidlertid blitt skapt flere nye jobber enn det har blitt automatisert bort eksisterende jobber. Samtidig har mange eksistende jobber fortsatte å eksistere, men med en ny sammensetning av arbeidsoppgaver, der noe gammelt har blitt automatisert bort, noe av det mennesker gjør har vært umulig å erstatte med teknologi, og noen nye arbeidsoppgaver har kommet til.

Mennesker og maskiner sammen

Veldig få jobber er slik at absolutt alt lar seg automatisere bort. Og samtidig er det også slik at hver industrielle teknologirevolusjon har skapt noen nye yrker som ikke fantes tidligere. Det vil også skje med kunstig intelligens. The Economist skriver:

"AI is already generating all-new jobs, too. Companies are hiring “data annotators” to label digital information so that AI can parse it, “forward-deployed engineers” to guide clients through AI implementation and, in the C-suite, “chief AI officers”. Indeed, the fastest-growing white-collar occupations in recent years have been those without settled names. “Other mathematical-science occupations” have seen their ranks swell by around 40% since late 2022."

 

Sannsyligvis er det nok en gang slik at personer i de mest rutinepregede rollene, og unge personer på vei inn i arbeidsmarkedet, og som trenger roller som gjør det mulig å lære og høste erfaring, er mest utsatt. En egen kommentar i The Economist med overskriften "How big a threat is AI to entry-level jobs?" omtaler denne viktige problemstillingen spesielt.

Virksomheter i både offentlig og privat sektor har et ansvar for å gjøre noe for at denne typer jobber fortsatt finnes. I bygg- og industribransjene har man lærlingeordninger, en slags samfunnskontrakt, som sikrer en kombinasjon av utdanning i arbeidslivets inngangsport. Hva er det høyere utdanningsintensive arbeidslivets versjon av en slik samfunnskontakt? Den finnes stort sett ikke i dag, men kan nok dukke opp som en problemstilling i tiden som kommer. Kan man for eksempel ha offentlige ansaffelseskontrakter som stiller krav om bruk av juniorer, på samme måte som det er krav om å bruke lærlinger?

Og mest sannsynlig vil den verdiskapingen mennesker og KI kan få til sammen overgå den KI kan få til alene, i hvert fall i overskuelig fremtid. Det betyr at hovedutfordringen fremover både  for virksomheter, ledere og medarbeidere ikke er å hindre teknologiske fremskritt, eller la være å utnytte mulighetene KI gjør mulig, men å finne enda bedre måter mennesker og maskiner kan jobbe sammen på, både på individnivå, men aller viktigst, i arbeidsprosessene som foregår på virksomhetsnivå.