Lars har vært med på å lage Norges beste forsikring med kunstig intelligens

AI OVERALT: – Du merker ikke AI. Men det er kunstig intelligens i kamera i mobilen din. AI fullfører setningene dine når du chatter. AI tolker det du sier og får Siri til å gjøre ditt og datt. AI tar utrolig mange beslutninger for deg uten at du merker det. Hvilke annonser du ser på internett, hvilken vei du får råd om å kjøre i navigasjonsutstyret ditt, om du får ja eller nei når du søker om kredittkort. Hvilke filmer Netflix tror du vil like. Hvilke spillelister Spotify foreslår, forteller AI-direktøren. Foto: Sofi Lundin

Lars Leganger har doktorgrad i teoretisk fysikk, løper to maraton på to dager, og har vært med på å utvikle den beste forsikringsalgoritmen. Hva er det med den legendariske PwC-rådgiveren? Vi fulgte etter ham en dag for å dra ut de beste tipsene for å lykkes med AI.

– Det er ikke noe hokus pokus det der med AI. Det er bare et verktøy for å ta datadrevne beslutninger, sier Lars som er direktør for AI i PwC. Han får roboter som tenker ut flere tusen ulike scenarioer til å høres «easy-peasy» ut. Det er det neppe.

Fredag 6. desember kl. 07.30: Lars følger sønnen Hogne til barnehagen.

– Da han var nyfødt tenkte jeg at nå ligger han langt bak de robotene jeg lager på de fleste områder. Nå er han 1,5 år, og det har blitt omvendt. Utviklinga hans er som å se en maskinlæringsalgoritme i slow motion, forteller han med fascinasjon i øynene.

Hogne bytter mellom å utforske hva som skjer når han gjør nye ting, og å utnytte tidligere strategier han har lært fungerer – akkurat som i reinforcement learning (en type maskinlæring). Kona hans kan bli litt bekymret når han lar sønnen ramle ned sofaen med hodet først fordi han prøver å få tak i noe på bordet. Lars vil se om han lærer det neste gang. Det gjør han, og snur seg rundt med bena først i stedet. Robot-Hogne.

MARATON: Mange oppgaver kan maskiner løse på lik linje som høyt utdannede voksne mennesker. – Ennå kan ikke maskinene matche oss mennesker på å se helheten. Og selv om det finnes roboter som kan sånt som å løpe på to bein som mennesker, går dem tomme for batteri lenge før menneskene er utslitt, sier Lars som i år har løpt 3 maraton. To av dem var to dager på rad.

Steg 1 for å lykkes med AI: Støtte fra lederne

Kl. 10.00: Team-møte.

– Det er fint om du kan bygge dette i jula, Martin?, sier han til kollega Martin Alexander Toresen som er med på møtet fra hjemmekontor. Han snakker ikke om Lego, men koding av program.

Er han en tøff leder?

– Sånn passe, ler Martin.

Lars hater å detaljstyre.

– Så lenge de leverer når noe skal løses, så kan de jobbe som de vil. Det er en kulturforskjell mellom oss teknologer og andre. Boka Talking to strangers av Malcolm Gladwell, beskriver litt av det, ler han. Det er lett å forstå hva han mener når teamet hans spøker om R og Python.

– Har du noen gang prøvd å lage en shiny-applikasjon i R?, sier en og de andre ler. Haha.

Må inn i DNA-et til organisasjonen

Det viktigste for å lykkes med AI er å ha støtte fra ledere som skjønner AI. Det handler ikke bare om å kjøpe et verktøy, men å endre hvordan hele organisasjonen jobber.

– En leder som sier: «Vi må ha noe AI som kan automatisere», er et dårlig tegn – men snakker de om verdien av data, beslutninger basert på data og kontinuerlig læring fra data for å forbedre seg, så har de skjønt noe, sier AI-direktøren.

2 av 10 ledere i verden sa at de ville rulle ut AI i sin bedrift i løpet av 2019. Mens tallet for 2020 er kun 4 av 100, viser PwC-rapport. (Åpnes i nytt vindu)

– Det er nok mange som har fått seg en realitetssjekk. Det er ikke bare å rulle ut AI på samme måte som ny software. Det må inn i DNA-et til hele organisasjonen, og det er ikke alltid lett, sier Lars.

– DÆVEN STEIKE! Det hadde vært noe å lage kunstig intelligens som løser julegavene. Det er en hodepine hvert år: Hva skal jeg kjøpe til kona. Jeg har jo mye info: klær, bøker, mat, fritidsinteresser, alder osv. Med tilstrekkelig data om hvem som kjøper hva kunne du ha bygget en modell der du beskriver hvem du skal ha presang til, tar bilde av favorittklærne, skriver inn hobbyer og interesser osv., og fått presangtips. På den andre siden er kanskje litt av poenget med presanger at det skal ligge en personlig tanke bak? Vanligvis ringer jeg bestevenninna hennes for å få råd. Hun gjør egentlig det samme som en AI, forteller Lars ivrig til teamet sitt. Inga Strümke til venstre.

Steg 2: Gjør de ansatte nysgjerrige

Kl. 13.00: Kundemøte. Kunden ville ha hjelp med algoritmene og ansvarlig AI.

– De er en av de få som tar ansvarlig AI på alvor. Det vi gjør i dag på ansvarlig AI vil bety mye for fremtiden, men kanskje er vi 2 år for tidlig ute til å ta dette skikkelig på alvor, funderer Lars.

Steg to er å skape nysgjerrighet for AI i organisasjonen, og få støtte hos ansatte. Det kan høres skummelt ut at roboter vil ta over jobbene våre.

– Det vil endre jobber. Men jeg tror endringen vil skje så gradvis at vi kan rekke å tilpasse oss den. Mange av de repetitive arbeidsoppgavene forsvinner gradvis hver dag. En oppgave forsvinner her og en der. Det å jobbe i fremtiden vil stille enda høyere krav til komplekse problemstillinger, til å jobbe sammen med andre og til å beherske data. En fisker vil kanskje ikke jobbe på båt, men styre alt fra land. Dette skjer ikke over natta altså, forsikrer Lars.

Da Lars jobbet i forsikringsselskapet Fremtind gikk han og Øyvind Indrebø (leder for ML/AI i Fremtind) fra ledergruppe til ledergruppe for å skape jubel rundt det at roboten skulle hjelpe dem med oppgaver. Hvordan få til det? Lars snakker om boka fra 1936 av Dale Carnegie: How to win friends and influence people.

– Ikke begynn med at AI er kult og det må vi gjøre. Start med å spørre de andre: Hva er viktig for dere?, sier han.

Lakmustesten for om AI vil funke

Dette er testen på om AI kan funke for en virksomhet: Det må være en stabil prosess, noe som gjøres på samme måte hver gang. En enkel, relativt snever vurdering. Eller noe komplekst som kan deles opp i flere små enkle beslutninger.

– Da kan elefanten spises. Bit for bit, sier Lars. Prosessen må ha store mengder relevante data tilgjengelig for AI-en å lære fra, som for eksempel digitale spor fra tidligere kundebehandlinger. Også må det være et fasitsvar. Før eller siden må du kunne se om avgjørelsen var god eller dårlig for å lære av det. Og sist men ikke minst, det må være en måte å omsette AI-ens innsikt til verdiskapende handling, enten indirekte ved å gi menneskelige eksperter innsikten gjennom rapporter og dashboard, eller direkte ved å agere på innsikten gjennom integrasjoner med bedriftens fagsystemer.

Steg 3: Skap en morsom AI!

Det tredje steget er å bygge og produksjonssette den første AI-løsningen for å bevise for bedriften at dette er noe som faktisk fungerer. Gjerne noe gøy. Bunnlinja er ikke så viktig for den første løsningen, det viktigste er at du vet du kan komme i mål. I Fremtind skapte han og teamet roboten Tellef som hjelper til med å behandle bilglasskader ved å se på bilder fra verkstedene. Tellef fikser deler av saksbehandlingen på egen hånd og er godt likt blant de ansatte.

Ansvarlig AI: Roboter som ikke diskriminerer eller gjør helt feil

Hvis man skal være med i forsikringsgamet fremover, så er man nødt til å bruke kunstig intelligens. Når det er kompliserte samspill mellom mange variabler, er robotene suverent bedre enn oss mennesker. En robot klarer å holde styr på flere tusen ting samtidig. Det fine med tradisjonell avansert analyse er at du har full oversikt over alle steg i prosessen, du vet hvilke valg du tar og hvorfor du velger de variablene du velger i modellen du bygger. Når du bruker maskinlæring kan noe av oversikten forsvinne. Da er det desto viktigere å ha tiltak på plass for å sikre at AI-en gjør det du tror den gjør, og at det den gjør er etisk forsvarlig og lovlig. At den for eksempel ikke diskriminerer urettferdig. En utfordring er at det ikke er noe fasitsvar på hva som er rettferdig:

– Du har ikke lov til å bruke kjønn i prisen i forsikring. Men AI-en klarer lett å finne grupper der for eksempel unge menn er overrepresentert og prise deretter. Mannlige rånere får høyere forsikringspremie enn unge kvinner som bare skal kjøre til jobb. Er det rettferdig? AI-en bryter ikke loven. Forskjellsbehandles den mannsdominerte gruppen som liker rånerbiler på pris? Ja. Men har gruppen beviselig høyere risiko mener jeg at det er rettferdig forskjellsbehandling. AI er et utrolig kraftig verktøy, og har et kjempepotensiale. Men det er mange kompliserte spørsmål knyttet til ansvarlig utvikling og bruk av verktøyet, sier fysikeren.

Kan man skylde på AI-en når noe går galt?

– Det er litt som å skylde på motorsagen når noen blir skadet av den. AI er et verktøy du kan bruke til å bygge både ansvarlige og uansvarlige ting. Første bud er å tenke gjennom om det du vil gjøre med AI-verktøyet er ansvarlig i seg selv. Og så handler det om å bruke verktøyet riktig. Hver dag bygger mennesker ting hvor liv kan gå tapt hvis en ikke gjør ting riktig: for eksempel broer, fly, og medisinsk utstyr. Menneskelige feil kan også gjøre robotene ko-ko, hvis du bare sånn halvveis skjønner hvordan algoritmene fungerer, hva de kan og ikke kan brukes til, og de fulle konsekvensene av det du har bedt roboten om å gjøre. På samme måte som brobygging og flykonstruksjon er det mulig å utforme beste praksis og rammeverk for ansvarlig utvikling og bruk av AI-løsninger, forteller Lars.

Steg 4: Du må løse et reelt problem for bedriften

For det fjerde: AI må vises på bunnlinja.

– Du må ha laserfokus på å løse reelle forretningsproblemer. Ofte er det ikke AI som er rett verktøy for jobben. Mange lager prototyper som blir liggende i en skuff. Jeg bygde en maskinlæringmodell som skulle beregne kredittrisiko for en bank en gang. Det var en fungerende modell som hadde bedre treffsikkerhet enn de tradisjonelle metodene, men den ble aldri satt ut i live fordi det ville kreve store endringer i måten en tenker på rundt beregning av kredittrisiko, forteller Lars. For å finne ut av om det løser et reelt problem, så må du kunne måle det. Hvordan suksess ser ut, er et viktig spørsmål å stille her, fortsetter AI-Lars. De robotene Lars er mest fornøyd med å ha vært med på å bygge er ikke nødvendigvis de som var mest avanserte, men de som ga størst effekt på bunnlinja.

LIKER PYTHON BEST. UTEN MONTY: Det finnes ca. 700 ulike programmeringsspråk i verden. Lars bruker R og Python, men liker Python best.

Steg 5: Skaler opp! Gjør du det riktig kan du spare millioner

Kl. 14.00: Lars finner seg et sted å sitte i det åpne landskapet i PwC. Han skal hjelpe en finansinstitusjon med avviksdeteksjon med kunstig intelligens for å bekjempe hvitvasking. Det siste kvantespranget. Hvis du forresten nevner kvantesprang foran Lars, så sett av et par timer.

– Kvantemekanikk er helt utrolige greier. Det er partikler som faktisk kan være på to steder samtidig, fortsetter han og sier masse som er litt vanskelig å forstå, men som høres veldig gøy ut. Som i en science fiction-film om verdensrommet. Bare at dette er fysikk og ikke fjas.

Altså. Steg 5. Skalere opp! Teknisk så må du bygge en dataplattform som lar deg rulle ut stabile og trygge mikrotjenester med maskinlæringsalgoritmer. Menneskelig så må du gradvis spre AI/ML-kompetanse og utvikling-og-drift-ansvar ut i produktteamene, som er tettest på der forretningsverdien skapes.

Lenge til Terminator blir virkelighet

Kl. 18.00: Julebord.

– Jeg tror ikke roboter vil ta over i min levetid, men det er ikke utenkelig at det skjer på et tidspunkt i menneskehetens fremtid. Enkelte steder i USA lar man datamaskinen bestemme hvem som skal holdes i fengsel fram til saker kommer for retten. Objektivt og analytisk. Da har du gitt litt makt til AI. Hva med å bestemme hvem som skal følges opp litt ekstra av politiet med preventive tiltak? Kanskje skal datamaskinen bestemme hvem som skal stanses og sjekkes litt grundigere når de krysser grensa? Gradvis koker du frosken uten at den merker temperaturforskjellen, sant? Du gir mer og mer makt til datamaskinene. Så kan du se for deg en fjern, fjern fremtid hvor datamaskinene tar taktiske og strategiske militære avgjørelser. Og har vi slurva med ansvarlig AI fram til da, kan vi være i trøbbel, avslutter AI-direktøren med glimt i øyet.

En typisk dag i Lars' liv:

Kl. 08.00: Levere Hogne i barnehagen

Kl. 09.00: Jobbe med presentasjon (til møte i Canada neste uke)

Kl. 10.00: Møte med AI/ML(maskinlæring)-teamet

Kl. 12.00: Møte med Digital Trust-teamet i PwC – kollegaer som er eksperter på alt fra GDPR til revisorroboter

Kl. 13.00: Møte med kunde som vil ha noen som kan bygge sky-dataplattform som støtter ansvarlig utvikling og bruk av AI.

Kl. 14.00: Jobbe med AI for kunde (finansinstitusjon)

Kl. 18.00: Julebord

AI i PwC

20 mennesker jobber med kunstig intelligens i PwC
Noe av det PwC-teamet gjør for kunder: Utforming og gjennomføring av målbilde for data/analyse-plattform; finner ut hvordan AI/ML kan skape reell forretningsverdi; støtte for etablering av egne kompetansesentre for avansert analyse og AI; og rammeverk og støtte for å sikre ansvarlig AI.
Kunstig intelligens (AI) er et system som kan ta til seg info fra omgivelsene og agere på den informasjonen på en intelligent måte med verdiskapende handlinger.
Maskinlæring (ML) er algoritmer – oppskrifter som lar maskiner finne sammenhenger fra data på en systematisk måte.
Ansvarlig AI er en fellesbetegnelse på rammeverk, metodikk og verktøy som sikrer at AI brukes riktig. Det omfatter etiske og juridiske vurderinger (er det vi ønsker å gjøre moralsk forsvarlig? Er det lovlig?) og tekniske støtteverktøy som avdekker og forhindrer utilsiktet diskriminering, skjørhet, og uforklarbarhet i AI-løsningene.

Hold deg faglig oppdatert!

Meld deg på PwCs nyhetsbrev