Har du tenkt på hvorfor konsulenthus ofte er de som står i bresjen for å hype opp ny teknologi?
Konsulentbransjens relevans øker under teknologiske omveltninger, og nå står vi i starten av kanskje den største i vår tid. AI skal ifølge optimistene snart fikse det meste for oss - fra klimakrise til koding. Så hvor relevant er egentlig utviklere og IT-konsulentbransjen fremover?
Rett før jul takket jeg ja til et spennende tilbud i Computas om å ta på meg rollen som avdelingsleder for en nyetablert AI-avdeling. Computas har siden etableringen i 1985 hatt et sterkt fagmiljø på AI - som har fått skinne i varierende grad, avhengig av trender og behov. Nå har vi opplevd et betydelig skifte i markedet. Derfor besluttet vi å samle dem med tydelig spisskompetanse og sterkt engasjement for fagfeltet i en egen avdeling, bestående av hele 40 konsulenter og rådgivere.
Mener barn ikke lenger trenger å lære koding
“In my lifetime, I’ve seen two demonstrations of technology that struck me as revolutionary… the GUI and ChatGPT”.
Dette sa Bill Gates for ganske nøyaktig et år siden. De fleste i IT-bransjen vil nikke anerkjennende. Men som leder for AI-avdelingen måtte jeg virkelig ta meg tid til å stille meg selv det åpenbare spørsmålet: Hva betyr AI egentlig for oss som jobber med digitalisering?
Jeg fulgte utviklingen nokså tett fra før, men fant liksom aldri tiden til å gjøre et ordentlig dypdykk. Det har jeg nå gjort. Etter godt over 100 timer med samtaler, seminarer, YouTube, podcaster, X-tråder og en hel del grubling og skriving, har jeg formet en slags arbeidshypotese:
AI er stort. Digitaliseringen fortsetter som før. Og utviklerkompetanse og IT-konsulentbransjen er mer relevant enn noen gang!
Her er mine topp 3 grunner til at AI-bølgen vil kreve mye av det samme av oss som før:
#1.AI handler om interaksjon
Som Bill Gates sikter til når han sammenligner ChatGPT med GUI så handler AI om en ny måte å interagere med maskiner på. Vi kan nå bruke naturlig språk når vi kommuniserer med datamaskinene.
Når det handler om interaksjon, da treffer det bredt. Vi kan begynne å tenke nytt på omtrent alle oppgaver vi i dag løser på skjermen. Er ti blå linker den beste måten å finne svar på? Er statiske dashboards beste måten å få innsikt på? Hvilke oppgaver kan du nå få hjelp til å løse når hendene er opptatt med andre ting?
GUI og skjermer vil fortsatt ha en plass i fremtiden, men naturlig språk og genererte bilder/videoer vil utgjøre en større og større del av interaksjonen. Samspillet mellom GUI og generert innhold vil føles sømløst, og det kan fort komme i form av nye typer enheter, som Rabbit, Humane AI Pin og Meta Wayfarer er tidlige tegn på.
«Hvordan sortere i Python?» «Jeg hater deg!»
Konsekvensene er uansett det samme. Dagens løsninger vil bli utdatert, litt på samme måte som desktop-applikasjoner ble utdaterte da smarttelefonen og skyteknologi kom på markedet.
En ny runde med modernisering er altså på vei, lenge før den foregående er ferdig. Og konsulentbransjen er selvfølgelig klar til å hjelpe kunder på denne reisen, da med noen nye rammeverk i verktøykassen og relevante erfaringer fra andre kunder.
#2.AI blir stadig enklere å implementere
Det kuleste med de store multimodale modellene er at når de blir bedre, så blir de bedre på stort sett alle dimensjoner. Bedre på å se, lytte, skrive, tenke, regne osv.
Dette er også en indikasjon på at AI treffer bredt. De fleste løsningene vi utvikler i dag støtter jo nettopp denne typen arbeid hos brukerne.
Fremover vil en stadig økende intelligens bli dypere integrert i løsningene vi utvikler, som gjør at løsninger kan gjøre mer av jobben - ikke bare støtte den. “Business caset” er åpenbart.
Og det fine er at jo mer generelle modellene blir, desto enklere blir AI-en å implementere. Det er enklere å bruke én modell til “alt” enn å bruke (og trene opp) flere spisse modeller. På toppen av det hele har toolingen rundt AI (f.eks. gjennom skytjenester) blitt ekstremt mye bedre.
Satt GPT til å svare på meldinger: «Går det bra med deg?»
Men nøkkelen til verdiskapning vil ikke ligge i selve språkmodellen (det fikser de store), men heller i hvordan AIen settes i system for å løse oppgaver. Hvordan ser prosessen ut? Hvilke data må tilgjengeliggjøres på gitte tidspunkt? Hvordan bruker du AIen sitt svar fra ett steg inn i neste steg av prosessen? Og hvordan sørger du for at mennesker og systemet evner å fange opp når AIen gjør feil?
Her tror jeg konsulenthusene med spisskompetanse på AI vil spille en avgjørende rolle. Vi bygger raskt opp erfaring gjennom faktisk anvendelse av AI hos våre kunder, og vi er rå på kunnskapsdeling. Vi lever av å vite mer enn kundene våre om hvordan teknologi kan utnyttes i praksis - og inspirere og guide til riktig implementering basert på praktisk erfaring.
– Hvis Devin kan erstatte deg, er du ikke utvikler
#3.AI er ikke hele svaret
Til slutt er det viktig å presisere at AI ikke er løsningen på alt. AI som baserer seg på statistikk vil aldri kunne være 100% korrekt. Dersom man har mulighet til å fullautomatisere med regelstyrte modeller (AIen vi startet med i 1985) er det bedre. Og dersom regelverket og etikken tilsier at menneskene skal være sterkt involvert i visse avgjørelser, tar man hensyn til det.
Virksomheter klarer heller ikke å utnytte potensialet som ligger i AI uten at dataen er på plass. Det verste utgangspunkt (som er mer en regel enn et unntak for de fleste) er når dataen ligger spredt i mange forskjellige systemer, ustrukturert og med ymse kvalitet.
Da kreves en stor engangsinvestering i å bygge opp en ny dataplattform, i tillegg til at man må bygge opp kompetanse, metodikk og rutiner for å sikre datakvaliteten og tilgjengeligheten fremover. En jobb som er viktigere enn noen gang, og noe mange virksomheter typisk vil velge å bruke spisskompetente konsulenter til.
Det finnes også en hel del greier rundt å produksjonssette sikre løsninger av høy kvalitet. Du har i praksis fått en ny svart boks å forholde deg til, med noe data som skal inn og noe data du får ut. Infrastruktur, tilgangsstyring, testing, logging, overvåkning osv. vil fortsatt ha sin plass i utviklingsløpet.
Mener ChatGPT har gjort studenter dårligere
Med AI i verktøykassa
Fremtiden er altså blandet. AI gir helt nye muligheter og krever at vi lærer oss en mye nytt. Samtidig er AI blitt lett å implementere og kjernen av det vi gjør er fortsatt den samme. Derfor beskriver vi folka i AI-avdelingen vår det på denne måten:
“Vi er først og fremst teknologer, og AI er en del av verktøykassen vår.”
Og det gjelder både når vi skal skape verdi sammen med våre kunder, men også i vår egen utviklerhverdag. Vi har lite eksistensiell frykt i møte med AI-hjelpere som Github Copilot.
Selv minner jeg meg stadig på noe som er sant med så å si all teknologiutvikling: De første 90 prosentene er enkle. De neste 9 prosentene er 10 ganger vanskeligere. Og den siste prosenten er 10 ganger vanskeligere enn det igjen.
Verktøyene er allerede her, nå gjelder det å finne gode måter å ta dem i bruk på!
