AI fylder stadig mere i virksomhedernes drift og strategier. Men mange tror, at AI-implementering både kræver store modeller og massive datamængder – samt øger risikoen for at fortrolige data ad omveje lækker til andre brugere og platforme.
Men med de rette AI-værktøjer kan man både høste store fordele uden store investeringer og bevare kontrollen over processer og data.
Små AI-modeller – store gevinster
En af de mere sejlivede myter om AI er, at ekstremt omfattende datamængder er en forudsætning for succes. Men hos AI- og infrastruktur-partneren Neurospace har man gentagne gange bevist, at det modsatte i høj grad er muligt.
"Det handler ikke om at have store mængder data, men om at have de rette data. En veldesignet AI-model kan skabe værdi med langt mindre datamængder, så længe de er repræsentative for den virkelige verden," forklarer Maria Hvid, Chief AI Officer, Neurospace.
Et godt eksempel er, hvordan Neurospace bl.a. har hjulpet Nordic Sugar – Danmarks næststørste, enkeltstående energiforbruger – med at optimere produktionslinjen ved at anvende en skræddersyet AI-model til styring af dampprocesser i sukkerfabrikationen.
”Alene i det meget begrænsede pilotprojekt blev der realiseret en CO2-reduktion på adskillige tons og sparet mere end 3.000 liter diesel – og skaleringspotentialet på tværs af koncernen er signifikant. Det er ganske godt gået med en AI-model, der kunne trænes på mindre end et minut,” siger Maria Hvid.
”AI behøver altså hverken at være stort eller komplekst for at skabe markante resultater,” konstaterer hun.
Open source giver fleksibilitet og sikkerhed
Hos Open Source-leverandøren Red Hat oplever man en øget efterspørgsel på værktøjer, der gør det nemmere at implementere små, målrettede og lokalt driftede AI-modeller.
Derfor tilbyder man i dag en portefølje af AI-værktøjer, der stiller mulighederne til rådighed. Det øger både virksomhedernes fleksibilitet, letter compliance og kan potentielt også øge datasikkerheden. Ifølge Henrik Løvborg, Tech Sales Leader hos Red Hat Denmark, er dette centrale kvaliteter for mange virksomheder.
"Open source øger din transparens og valgfrihed. Med vores platform kan virksomheder implementere AI-løsninger on-premise, så de har fuld kontrol over deres data og undgår at aflevere dem til store cloududbydere. Det giver en meget betydningsfuld fordel i compliance-sammenhænge – navnlig med AI Act in mente," siger Henrik Løvborg
For eksempel stiller AI-løsninger i kritisk infrastruktur – såsom forsyningsinfrastruktur og fødevareproduktion – ekstraordinært høje krav til data- og driftssikkerhed. Det er f.eks. centralt at sikre, at fortrolige informationer ikke forlader organisationen – eller at man etablerer en onlinekobling til kritisk driftsmateriel, som kan misbruges af cyberkriminelle eller fjendtlige magter.
”Her er det ideelt at anvende transparente, lokalt driftede Open Source-baserede AI- eller ML-løsninger, fordi du kan høste fordelene af de teknologiske muligheder uden at gå på kompromis med sikkerheden,” konstaterer Henrik Løvborg.
Styrket compliance og ingen cloud-afhængighed
Hos Neurospace erkender man, at der kan være mange gode grunde til at basere AI-projekter på store, cloudbaserede modeller. Men samtidig konstaterer Maria Hvid, at metodikken langtfra er vejen frem for alle. Tværtimod ser et stigende antal kunder potentialet i at drifte egne AI-modeller som en integreret del af on-premisebaserede løsninger.
"Mange virksomheder har kritiske datasæt, som det er utænkeligt at lægge i en global cloudservice. Og da slet ikke på en AI-service uden sikker viden om, hvor data havner og hvem, der ser dem. Men med on-premise AI bevarer de kontrollen og opnår samtidig ofte betydelige besparelser på drifts- og licensomkostninger," forklarer Maria Hvid.
”Navnlig er muligheden for at drifte AI-løsninger lokalt en central kvalitet for en virksomhed som nu f.eks. Nordic Sugar. Her er man som betydelig aktør i fødevarebranchen omfattet af NIS2-direktivet og vil derfor helst undgå at koble produktionsmateriel sammen med cloud-driftede processer,” tilføjer hun.
Nordic Sugars AI-løsning er ikke baseret på Red Hats AI-værktøjer. Men Maria Hvid opfatter platformen som et godt grundlag for – på lignende vis – at bygge og implementere andre AI-løsninger, der er både transparente, fleksible og omkostningseffektive.
”Vi og vores kunder får også værktøjer på hånden, der gør det muligt at træne, monitorere og måle på modellerne. Dels for hele tiden at øge deres effektivitet og præcision, dels med henblik på at dokumentere den fortløbende indsats for at minimere f.eks. afdrift og bias. Hvilket jo er en central del af compliance-indsatsen,” tilføjer Maria Hvid.
