Sverige
Befintliga företag kan inte själva bli AI-drivna i grunden. Dock måste de vara vaksamma när de nya uppstickarna inom AI-innovation tillvaratar nya marknadsmöjligheter. Genom att aktivt studera hur AI-innovativa företag använder AI i kärnan av sin teknik och verksamhet, så kan etablerade företag dra nytta av fördelarna genom att tänka och agera som sina nyaste konkurrenter.
Minns du Monster.com? I slutet av 1990-talet var framväxten av jobbsajter på nätet en skänk från ovan för alla arbetssökande, som gladeligen gav upp sina prenumerationer på tidningarnas platsannonser för den nya webbplattformen.
Inom några år tillkom dock en ny uppsättning aktörer - från Indeed till LinkedIn vidare till Glassdoor - som alla erbjöd allt mer innovativa funktioner.
Snart kan vi dock komma att ställa en annan fråga: Kommer du ihåg jobbsajterna på nätet?
Genom framväxten av generativ AI kan vi snart få uppleva ett helt nytt sätt att hitta ett jobb - eller att få en dejt, kartlägga en rutt eller boka ett hotell. Det känns som om det bara var igår som dessa aktiviteter övergick till att bli en ny normalitet. Nu är de återigen föremål för digitala omvälvningar.
Tänk dig till exempel en AI-driven karriärcoach. I stället för att söka ett jobb skulle kandidaterna berätta om sina färdigheter och mål, till och med om sin ideala företagskultur. I gengäld skulle man, utöver att erbjuda matchningar, analysera dolda mönster i jobbannonser, nyhetsartiklar och sociala data för att upptäcka jobbmöjligheter hos företag som inte ens har annonserat ännu. Ännu bättre skulle det vara att generera skräddarsydda personliga brev, genomföra övningsintervjuer och till och med föreslå förhandlingstaktik baserat på den potentiella arbetsgivaren. Vem skulle få detta att hända? Troligen ett AI-integrerat företag.
Även om AI-integrerade företag enligt vår definition inte existerar ännu, så kommer de snart att göra det. Dessa s.k. "AI-first upstarts" (uppstickare) kommer att införa AI (och i allt högre grad generativ AI) i allt de gör. Och eftersom hela deras tankesätt är inriktat på AI-drivna funktioner kommer tekniken att styra hur de tänker och gör saker.
Företag som inte är tyngda av äldre system och inarbetade metoder kommer inte att se AI som ett verktyg som kan kompletteras, utan som en grundläggande byggsten i verksamheten.
Detta renodlade AI-tankesätt gör det möjligt för dem att dra nytta av generativ AI:s styrkor - allt från de skräddarsydda upplevelser som kunderna vill ha till blixtsnabba interna processer och affärsmodeller, som för ett traditionellt företag framstår som helt uppochnedvänd.
Precis som de digitalt inriktade företagen före dem (Uber, Netflix, Venmo) kommer AI-integrerade företag också att förändra hur konsumenterna beter sig. Konsumenterna kommer att börja välja produkter, söka information och bedöma alternativ på helt andra sätt, vilket i slutändan kommer att förändra deras sätt att interagera med den digitala världen.
Och det är därför traditionella företag måste vara uppmärksamma. I takt med att konsumenterna ändrar sitt beteende måste företagen anpassa sig till dessa nya sätt att välja, engagera sig och genomföra transaktioner. Dessa förändringar kommer också att öppna möjligheter för AI-baserade företag att infiltrera företagsfunktioner, både när det gäller samarbete och konkurrens:
För att kunna genomföra de nya affärsmodellerna kommer verksamheterna att behöva nya styrningsdokument, organisationsstrukturer och driftsprocesser för att hantera en kraftigt accelererad, dynamisk och autonom verksamhet. De kommer också att behöva ompröva sin tekniska infrastruktur för att kunna driva de nya AI-drivna funktionerna som de erbjuder.
Det är här man måste tänka som ett AI-integrerat företag. Befintliga företag kan inte bli AI-anpassade företag - det är logiskt omöjligt. Men de kan och bör lära sig av hur AI-integrerade företag fungerar. Genom att aktivt studera dessa nykomlingars innovativa tillvägagångssätt, förstå deras teknikstack och anpassa sina egna AI-strategier, kan etablerade företag börja tänka - och till och med agera - som de disruptiva företag som kommer att sätta AI i fokus för allt de gör.
Snabbt genomslag under det kommande decenniet
Införandet av generativ AI kan gå snabbt under det kommande decenniet.
Figur 1: Diagrammen
Diagrammet visar den högsta möjliga implementeringsgraden, vilket återspeglas i vårt scenario med hög implementeringsgrad.
*För att säkerställa att vi fångar upp den fullständiga implementeringsgraden fram till 2032, så inkluderade vi data från 2033 i beräkningen av denna siffra.
Källa: Oxford Economics och Cognizant
Det är mellan åren 2026-2030, eran av "självsäkert införande", som vi tror att den verkliga förändringen av generativ AI kommer att ske. Då 31 % av företagen kommer att implementera generativ AI, enligt vårt mest optimistiska scenario. Även om det inträffar inom de närmaste 2 åren, så innebär det en rejäl buffertzon för företag att förbereda sig, om de börjar nu.
Vid denna tidpunkt kommer regelverket för AI - som för närvarande är ett lapptäcke - sannolikt att hamna i fokus, och tekniken kommer att gå från automatisering av arbetsuppgifter till att bli en central komponent i strategier för förändring av verksamheten. Föreställ dig till exempel en värld där rutinmässiga kundförfrågningar hanteras nästan helt av AI-agenter: autonoma system som utför specifika uppgifter i samspel med varandra för att uppfylla ett större mål. Dessa AI-agenter skulle ge personlig support dygnet runt. Istället för att förlita sig på generella säljargument skulle säljteamen använda generativa AI-drivna verktyg för leadgenerering och kundprofilering, vilket möjliggör exakt riktade strategier. Även backoffice-funktioner som schemaläggning, rapportering och datainmatning kommer i allt högre grad att automatiseras.
Förutom att föreställa sig denna nya värld, så klarlägger vår studie många av dessa förändringar. Som en del av vår analys tilldelade vi "exponeringspoäng" till 1.000 jobb som för närvarande utförs av den amerikanska arbetskraften.
Poängen speglar inte hur många procent av arbetstagarna som kommer att bli arbetslösa eller hur stor risken är att förlora jobbet. Det är snarare den maximala andelen arbetsuppgifter som teoretiskt sett skulle kunna automatiseras eller assisteras av generativ AI fram till år 2032, viktat efter arbetsuppgifternas relativa betydelse.
En titt på våra exponeringspoäng avslöjar yrkesgrupper som står inför de största förändringarna i och med framväxten av generativ AI - och som utgör de främsta områdena för AI-integrerade att både komma in på nya marknader och utvecklas som slimmade företag. När man tittar på områdena ovan kommer till exempel kundtjänstmedarbetare att få exponeringsvärden på 63,7 %, försäljningsrepresentanter 65,6 % och kontors- och administrationspersonal 85,9 % - allt detta fram till 2032.
Det är därför som framåtblickande företag - med start under de kommande 2 åren när generativ AI börjar användas med tillförsikt - måste ha en stabil teknisk infrastruktur, en strategi för att omdefiniera affärsmodellen och en kultur som uppmuntrar till kontinuerlig innovation. För detta kan vi vända oss till AI-integrerade företag, som kan ge oss lärdomar om hur och var vi ska göra dessa viktiga förändringar.
Exakta problemlösare
Arkitekter för grundstrukturen
Digitala omvälvningar
För att kunna leverera dessa nya funktioner kommer AI-integrerade företag att bygga en teknikstack som på många sätt är oigenkännlig för företag som verkar idag. Till skillnad från traditionella företag, som vanligtvis ser ny teknik som ett sätt att göra befintliga saker bättre, ser AI-nativa företag teknik, särskilt generativ AI, som ett sätt att utföra saker som aldrig har gjorts förut.
Ur ett AI-inriktat affärsperspektiv är teknikstacken inte något statiskt som ibland justeras eller uppdateras. Det är en levande enhet som ständigt utvecklas och som är byggd för en värld där flexibilitet och kontinuerlig innovation är nyckeln till ett företags överlevnad.
Genom att synliggöra hur en AI-anpassad teknikstack kan se ut, så kan traditionella företag börja fundera på vilka förändringar de behöver göra för att få in generativa AI-funktioner på sin egen arbetsplats och slutligen i sina affärs- och driftmodeller.
För AI-integrerade företag är användargränssnittet (UI) en grundläggande omvärdering av hur användare (både kunder och anställda) interagerar med de tjänster som AI-integrerade företaget tillhandahåller. Utöver knapparnas placering och skärmdesignen kommer ett AI-anpassat användargränssnitt att drivas av väl utformade promptar, som initierar komplexa åtgärder i flera system eller genererar omfattande, mångfacetterade resultat. Användargränssnittsdesignen kommer att underlätta en ny interaktionsstil mellan människa och AI, vilket säkerställer att användarna effektivt kan vägleda AI-agenter och behålla insyn och kontroll över resultaten.
Etablerade företag bör börja experimentera med detta paradigmskifte inom användargränssnittsdesign. Det handlar mindre om att klicka sig igenom menyer och mer om konversationsbaserad interaktion för att uppnå mål. För att förändra sitt tankesätt kan företagen börja med att fråga sig själva:
AI-integrerade företag kommer inte att tänka i termer av en enda, monolitisk AI-modell. Istället kommer de att strategiskt använda sig av en rad olika modeller som var och en är specialiserad på olika uppgifter. Sådana uppgifter kan omfatta text-, bild- och processgenerering, samt modellering av strukturerade data, prediktions- och beslutsoptimering, osäkerhetsmodellering, förklarbarhet och kodoptimering.
En diffusionsmodell kan t.ex. skapa fantastiska produktbilder, medan en stor språkmodell (LLM - large language model) kan generera skräddarsydda marknadsföringsmeddelanden. Dessutom kommer traditionella modeller för maskininlärning (ML) att integreras på ett intelligent sätt för att lösa specifika problem och utnyttja de unika fördelarna med olika AI-metoder.
På samma sätt bör etablerade företag undvika att betrakta en AI-modell som en lösning som passar alla. Det kommer att vara avgörande att förstå styrkorna hos varje modelltyp och välja rätt verktyg för jobbet. Företagen bör investera i den expertis som behövs för att avgöra vilket syfte dessa modeller verkligen tjänar och hur de bäst kan användas.
Företag som träder in till en värld med flera modeller bör beakta följande:
AI-integrerade företag kommer att dra nytta av information - ju bredare deras datainsamling är, desto mäktigare kommer de att bli. Därför kommer AI-integrerade företag att prioritera tillgång till både strukturerade och ostrukturerade data framför att bekymra sig om datans renhet. När de väl har etablerat ett tydligt samtycke och transparens kring hur data kommer att användas kan de utnyttja stora offentliga datamängder, resurser från tredje part och kunddata.
Dessutom använder de kunskapsgrafer (ett sätt att visa upp data, enheter och hur de hänger ihop) och vektordatabaser (som är optimerade för att fungera med stora språkmodeller (LLM - large language models)) för snabba, enkla sökningar och datainhämtning) för att förstå komplexa relationer mellan datapunkter.
För etablerade företag kommer det att vara avgörande att kunna utnyttja stora mängder information, både strukturerad och ostrukturerad. Oavsett hur de gör detta kommer det att vara avgörande att säkerställa transparens i datainsamlingen.
Det kan dock vara svårt att få tag på stora datamängder. Det är här som företagen kan vara kreativa. De kan använda tekniker som generering av syntetiska data, där realistiska men artificiella datamängder skapas, ofta med hjälp av generativ AI. De kan också använda semiövervakad inlärning, där modeller lär sig från en kombination av märkta och omärkta data. Genom att prioritera tillgången till mångsidig information och använda dessa tekniker kan företagen få sina generativa modeller att prestera på topp.
För att förbättra sin data-IQ bör etablerade företag beakta:
Generativa AI-modeller kan vara oerhört krävande ur ett beräkningskraftsperspektiv, särskilt under träning och finjustering. AI-integrerade företag kommer att inse att deras infrastruktur måste vara både skalbar och kostnadseffektiv, och väljer därför ofta en hybridmolnstrategi. Detta gör att de kan öka resurserna för intensiva uppgifter och minska dem när användningen avtar, vilket ger en optimal balans mellan kostnadskontroll och prestanda. Hårdvaruacceleration, med hjälp av specialiserade grafikprocessorer (GPU - graphics processing unit) eller tensorprocessorer (TPU - tensor processing unit), kommer att vara nödvändig.
Etablerade företag kommer att behöva lägga upp proaktiva strategier för denna nivå av flexibilitet och snabbrörlighet. Genom att beakta konsekvenserna för infrastrukturen i god tid innan AI-projekten skalas upp kan företagen förhindra kostnadsöverskridanden och säkerställa en smidig drift.
För att genomföra denna infrastrukturförändring bör företagen fråga sig själva:
För AI-integrerade företag är MLOps (tillämpning av DevOps på system för maskininlärning) själva grundstenen för att upprätthålla en konkurrensfördel. Detta är ingen extravagans, utan snarare det ramverk som gör det möjligt för dessa företag att vara flexibla och responsiva. Stabila MLOps-pipelines möjliggör experiment, snabb implementering av nya och förbättrade modeller, samt omfattande produktionsövervakning. Dessa pipelines kommer att säkerställa att AI-driven arbetskraft ständigt lär sig, automatiskt omskolas när nya data blir tillgängliga och sömlöst uppdateras för att optimera prestandan.
Etablerade företag måste ändra sitt tankesätt och betrakta AI som ett dynamiskt system snarare än ett engångsprojekt. Genom att investera i MLOps kan de automatisera processer och förkorta den kritiska återkopplingsslingan mellan verkliga resultat och modellförbättringar. På så sätt säkerställs att deras AI-system kontinuerligt utvecklas för att matcha det dynamiska marknadslandskapet.
För att genomföra MLOps-skiftet bör företagen beakta:
I slutändan kommer AI-integrerade företag att instinktivt förstå ett helt nytt sätt att utveckla, utvärdera, förstå och använda AI-system. De kommer inte att närma sig AI-lösningar med inställningen att bygga stela, deterministiska maskiner som är utformade för perfekt replikerbara resultat. Istället kommer de att se sina AI-agenter som utvecklande samarbetspartner med potential att vara mycket mer än bara verktyg. (För mer information om detta ämne, se Cognizants VP of AI Research Risto Miikkulainens nyligen publicerade artikel "Generative AI: an AI paradigm shift in the making?")
Detta synsätt kommer att påverka deras strategier på ett grundläggande sätt. AI-företag kommer att prioritera att utveckla system som kan lära sig kontinuerligt och förstå att "utbildning" aldrig riktigt tar slut. Och de kommer att utforma interaktioner som utnyttjar kraften i promptar och iterativ återkoppling, och vägleda sina AI-agenter med samma finess som man kan använda när man arbetar med en mycket skicklig mänsklig specialist.
På samma sätt bör etablerade företag se till att verkligen utnyttja kraften i generativ AI, istället för att tvinga in AI i befintliga processer eller utvärdera den med hjälp av gamla mätmetoder. För att lyckas med detta krävs att teknikteamen anammar ett helt nytt tankesätt: en obeveklig vilja att experimentera, frångå behovet av total förklarbarhet och acceptera att förtroendet för AI-agenten skapas genom noggranna observationer snarare än genom programmering i förväg.
Förutom att tänka som - och i slutändan agera som - ett AI-integrerat företag, kommer etablerade verksamheter att vilja samarbeta med AI-integrerade företag. Medan ett relativt mindre antal traditionella företag kan välja att bli disruptiva genom att bygga ut sina AI-funktioner på egen hand - eller genom att knoppa av en AI-integrerad division inom den egna verksamheten - kommer ett större antal att söka partnersamarbeten för att införa det nya AI-anpassade synsättet internt.
De allra flesta kommer sannolikt att välja en hybridstrategi: samarbeta med AI-integrerade företag, använda API:er (programmeringsgränssnitt) för att få in nya AI-tjänster i sin egen miljö och avgöra var de absolut måste utveckla AI-funktioner själva.
I samtliga fall kan etablerade företag utnyttja AI för att transformera befintliga processer och utveckla nytt innovativt utbud - och hitta sätt att integrera styrkorna i både traditionella och AI-integrerade modeller för att säkra sin framgång.
Duncan Roberts
Associate Director, Cognizant Research
Duncan Roberts jobbar som Associate Director inom Cognizant Research. Han tillträdde sin första tjänst 2019 som Digital Strategy and Transformation Consultant för olika branscher - allt från satellitkommunikation till bedömning av utbildning. Han har konsulterat kunder om att använda teknik för att uppfylla strategiska mål och upptäcka konsten av det möjliga genom innovation.
Innan Cognizant arbetade Duncan på ett av de största förlagen i Europa, där hade han en ledande roll för genomslaget av digitala publicering. Vidare bidrog han till att transformera verksamheten och lansera nya innovativa produkter. Han har en Masters inom klassisk filosofi från University of St. Andrews.
Författaren vill tacka följande personer för deras bidrag till denna rapport:
