Innan vi tränar AI måste vi träna organisationen

Kunskapshantering är viktigare än någonsin, men få organisationer verkar vilja inse det och än färre agerar på det. Vi bör alla ställa oss frågan: Vad innebär "Pre-trained" i Generative Pretrained Transformer? GPT alltså. Och varför kostar det så otroligt mycket att träna en ny version av en språkmodell? Vad är det som avgör hur bra den blir?

“Pre-trained” betyder att modellen har "förtränats" på enorma mängder textdata innan den används (eller finjusteras) för specifika uppgifter. I GPT står det för att modellen först har lärt sig språkliga mönster, samband och sannolikheter (alltså hur språk fungerar generellt) innan den används i praktiken. Man kan säga att modellen först går i en väldigt lång och dyr “grundskola” innan den börjar “jobba”.

En GPT-modell blir bättre ju mer kvalitativ, relevant och strukturerad data den får. Och precis samma sak gäller för organisationer.

"Väldigt få organisationer inser att konkurrenskraften i AI-eran ligger i att tillgängliggöra organisationens kollektiva kunskap"

Om den interna kunskapen ligger utspridda i mejl, dokument, möten och ostrukturerade chattar så kan varken människor eller AI få ut värde. Dessutom är informationen ofta inaktuell, redundant och inkomplett.

Att “träna” en organisation handlar alltså om att tillgängliggöra organisationens kollektiva kunskap på ett sätt som AI och människor kan förstå och använda. Just nu är det dock väldigt få organisationer som inser att det är där konkurrenskraften i AI-eran ligger. Och de som inser det omsätter det sällan i handling.

Det kostar att stanna upp. Att pausa maskinen. Som organisation vill man kunna springa snabbare i ett evighetslopp utan att behöva stanna upp eller dra ner på farten. Det gör att man nu försöker “springa snabbare” genom fler verktyg, nya AI-lösningar och initiativ. Men man glömmer att förmågan att springa bättre kräver återhämtning, träning och reflektion.

Nästa gång du klagar på dåliga svar från Copilot eller en agent, ställ dig frågan varför. Vad har ni egentligen gjort för att hantera er kollektiva kunskap? Vem ansvarar ytterst för det? Har ni processer och arbetssätt som gör att kunskapen hanteras och tillgängliggörs? Har varje medarbetare de förutsättningar som krävs? Finns det tid allokerad? Står det i deras rollbeskrivningar? Är det något som de utvärderas på? Organisationer som lär sig hantera sin egen kunskap kommer inte bara förstå AI bättre, de kommer också lära känna sig själva på djupet.