AI-ingenjörens dagbok: ”Fler kunder har bättre koll”

Anna Sarbring är från början civilingenjör i bioteknik, men i dag jobbar hon med att se till att AI skapar mer värde i IT-bolaget IFS produkter. Häng med i hennes dagbok från tre dagar på jobbet.

Måndag 24 juni

Jag arbetar som produktdirektör för AI på IFS. Vi utvecklar heltäckande affärssystem och min roll är att se till att AI kan skapa ännu mer värde i våra produkter.

Mina kollegor är spridda från Asien till Nordamerika, så flera aktiviteter är redan igång när jag startar dagen. Det kan vara klurigt med globala team, men jag tycker det är perfekt! Men det blir många möten via Teams.  

Min chef och jag börjar veckan med att gå igenom nuvarande strategi och processer kring Product Management hos oss. Vad fungerar och vad behöver förbättras när det gäller investeringar inom AI? Denna typ av ”själv-assessment” eller reflektioner gör vi inte alltför ofta, men det leder alltid till bra aktiviteter och förbättringar.

En stor utmaning är att det går otroligt fort inom AI. Jag har varit med från att AI var en viktig teknologi till att det nu är IFS hela strategi och en av våra största investeringar någonsin. Vi behöver då ha en stadig kompass, säkerställa att investeringarna bär frukt och att tekniken är säker och levererar förväntat värde. Och förbättringsarbetet behöver vara en naturlig del i processen.

Innan jag började arbeta mer strategiskt så designade jag hur våra lösningar såg ut. Från vad som händer om man trycker på en viss knapp i applikationen till att översätta användarkrav till en teknisk specifikation. Jag har hela tiden bollat med andra, vilket är bland det bästa med mitt jobb: alla underbara kollegor.

Dagen rullar vidare med ett möte om IFS.ai Copilot. Det är en chat i applikationen, liknande ChatGPT. Men förutom publik data använder den data i kundernas IFS-lösning. Det gör att man kan fråga saker som ”hur lagades denna maskinen förra gången ett liknande problem uppstod” och ”hur ser ledtiden ut för varan som är beställd, kan jag påverka den på något sätt?”.

Under eftermiddagen blir jag intervjuad av analytiker på ett företag som gör globala prognoser och analyser om marknadsutveckling och potential inom teknik. Temat är generativ AI. Vi pratar om AI-funktionalitet i vår produkt, men också om ”mjuka” aspekter som hur man bygger tillit till AI-modeller och vad vi kommunicerar kring säkerhet och integritet.

Onsdag 26 juni 2024

Rollen som Product Manager är väldigt bred. Denna morgonen sitter jag med i prissättningsdiskussioner.

Det är inte helt ologiskt utifrån min utbildning och erfarenhet att jag blev Product Manager, men att det blev just AI var aldrig en plan. Jag har alltid varit intresserad av matematik, framför allt statistik och nyttan den kan bidra med i ett företag. På mitt tidigare arbete inom pappers- och massaindustrin fanns otroligt mycket data om till exempel hur fabriken mådde. Där användes systemstöd för att ta reda på grundorsaker på problem, uppskatta tillverkningsvolymer eller göra optimala produktionsscheman. Och jag blev smått förälskad i den potentiella nyttan.

Så när jag bytte till ett IT-bolag och fick chans att omvandla data till värde med hjälp av AI, var jag fast. Att samtidigt ta del av nya rön om vad AI kan (och inte kan), gör att inget blir tråkigt. Det finns massa bra forum och artiklar som sammanfattar och visar på nytta och begräsningar med nyheter inom AI. Men självklart är det ändå utmanande. Jag och mina kollegor har under alla år dock lärt oss att snabbt översätta vad något nytt inom AI betyder för oss.

I nästa samtal coachar jag några kollegor ifrån vår säljavdelning inför ett event om vår AI. Jag är verkligen inte säljare men när hjärnorna från olika håll slås ihop brukar det bli jättebra.

Eftermiddagen skiftar till teknikspåret igen. Jag har möte med Microsoft, en av våra teknikpartners, och pratar om tekniska detaljer. Vi bygger inga egna språkmodeller från grunden utan använder Microsoft/Azure OpenAI (gpt-modeller) men lägger på funktionalitet och logik så att de passar våra ändamål.

Dagen avslutas med PowerPoint! Jag och en kollega ska ha en presentation och demo i Orlando i USA i oktober då IFS har en stor konferens om det senaste om våra produkter. Det kan tyckas magstarkt att förbereda redan nu men det ligger mycket arbete bakom. Inkluderat att det vi producerar ska gå igenom marknadsavdelningen som ytterligare finslipar innehållet. Vi designar även ett demoflöde och förbereder den data som ska användas i visningen.   

Torsdag 27 juni

Dagen börjar med att jag och ett gäng kollegor träffar en kund som berättar vilka användningsområden AI potentiellt har för dem. För några år sedan var det få kunder som hade egna idéer av vad AI kan göra. De ville mest ”ha AI” och såg det som nästintill magi. Många gör det fortfarande, men fler och fler har betydligt bättre koll på vilka processer och var i företaget AI kan vara användbart. Denna kund har en lista på över 50 AI use cases som vi går igenom. Majoriteten har vi redan koll på, men att få input från kunder och marknaden är centralt. Vi bygger inte ny funktionalitet för endast en kund, utan AI bäddas in i vår produkt som samtliga kunder sedan kan dra nytta av.

Jag lunchar med en före detta kollega som nu arbetar med utrullning av AI på ett svenskt globalt företag. Vi pratar om trender inom AI, våra arbeten och vad vi har för utmaningar. Vad för typ av AI efterfrågas internt eller av kunder? För företaget där min tidigare kollega jobbar är AI inte en core-business, som på IFS, men investeringarna (och besparingarna, effektiviteten och de ökade intäkterna som det ger) är fler och större.

Det finns mängder med synergier. Även om mitt fokus är vår produkt, så har IFS även dedikerade team som arbetar med AI för vår egen verksamhet. Det är inget jag ansvarar för, men följer med spänning och vi delar lärdomar med varandra.

IFS har förutom utveckling också flertalet forskningsprojekt (med eller utan inblandning av till exempel universitet). Den här eftermiddagen har vi en uppdatering om ett av dem, om väldigt ny AI-teknik och hur vi ska få in den i vår produkt.

Vi sätter upp KPIer så att vi kan följa om AI-modellen kommer att ge ett bra resultat för funktionaliteten som vi vill släppa.

Själva AI-modellerna är oftast inte så svåra. Majoriteten av tiden går till att arbeta med själva datan som ska träna eller användas för en AI-modell. Att sedan sätta dessa modeller i ”produktion”, distribuera samt skala upp dem är en stor utmaning. Vi har en infrastruktur för det, men det gäller att introducera nya komponenter på ett effektivt och säkert sätt.

Varje arbetsvecka ser olika ut för mig, men AI är hela tiden min röda tråd. För alla som är nyfikna på AI är mitt tips att bara börja. Börja med något litet projekt, titta på videos, lyssna på poddar eller annat som passar för just dig. Det finns otroligt mycket bra material där ute, det viktiga är bara att få inspiration och komma igång 🙂

Anna Sarbring