Skip to content
Starta er AI resa

Starta er AI-resa med Modulai

Vad behöver ni för att starta er AI resa?

Även fast AI (Artificiell Intelligens) och maskininlärning som begrepp och koncept kan kännas komplext och svårförståeligt så behöver ni inte mer än nyfikenhet och viljan att förstå hur er organisation kan gynnas av AI för att börja utforska det. Alla industrier kan nämligen hitta sätt att både nyttja och finna värde i AI.

Det som underlättar vårt samarbete är om ni har:

Ett väldefinierat problem

Ett “väldefinierat problem” inom organisationen innebär en tydligt definierad utmaning eller fråga som behöver lösas. Problemet kan identifieras, beskrivas och analyseras på ett objektivt sätt, samtidigt som det har en tydlig inverkan på organisationens prestation och effektivitet. 

Ett exempel på detta är en ökning av personalomsättningen på en arbetsplats. Det är ett problem som kan både mätas och kvantifieras och som kan ha en påverkan på organisationens produktivitet, arbetsmiljö och kundtjänst. Att kartlägga och prioritera problemet är viktigt eftersom det hjälper till att identifiera vad som behöver lösas för att förbättra organisationens prestation. Genom att definiera problemen tydligt kan organisationer sedan använda sig utav data och fakta för att ta mer informerade beslut om vägen framåt.

Data

För att en AI ska kunna läras upp, identifiera mönster och ta beslut, behöver den matas med data inom valt område. Ju mer och bättre data du har, desto bättre resultat få du ut av den. Data finns i form av organisationens interna data, offentliga datakällor och data som samlas in från externa källor. Själva insamlingen av data sker genom olika tekniker så som datautvinning, webbskrapning, IoT-sensorer, men också från befintliga datakällor så som databaser och applikationer. När datakällorna är valda och datainsamlingen är klar måste den sedan organiseras, rensas och lagras i en form som kan användas utav AI.  

För att göra data tillgänglig, säker och lätt att söka i, är det viktigt att ha en strategi för datalagring och hantering, ofta i form av databaser och molntjänster. 

Kunskap inom området

När vi påbörjar resan mot att lösa valt problem behöver vi jobba nära med en eller flera nyckelpersoner från er organisation som är insatta i området. Deras inblick och kunskap rörande problemet är otroligt värdefull för projektets framfart. Nyckelpersonerna kan också vara behjälpliga med att samla in och analysera data som är specifikt relaterat till målet. Vilket kan inkludera att identifiera mönster och trender som bidrar till att förklara varför problemet uppstått och hur det kan lösas. 

Utöver att ha personer som jobbar inom området kan det också vara fördelaktigt att involvera andra intressenter i organisationen, till exempel; ledare, tekniska experter och kunder. Genom att samarbeta med en interdiciplinär grupp av personer som alla har sina egna perspektiv får vi en mer komplett förståelse för problemet och dess olika lösningar.

Ladda ner vår guide “Starta er AI-resa”och kom igång ni med!

Ladda ner

Hur går ett projekt till?

1. Identifiera

Tillsammans med kunden identifierar vi affärsmöjligheter genom interaktiva workshops.

Varje projekt inleds med interaktiva workshops under vilka vi, tillsammans med er, identifierar potentiella möjligheter. Syftet med dessa workshops är att få förståelse för er allmänna mognadsnivå för implementation av maskininlärning och AI inom flera verksamhetsområden. Därför håller vi i workshops tillsammans med utvalda nyckelpersoner inom verksamheten så som: affärsrepresentanter – för att förstå företagsbehoven och strategin, och med tekniska experter – för att förstå teknisk mognad, datakällor och utförandemiljö. Tillsammans förbättrar vi och bedömer vi de idéer som ska utvecklas vidare. 

Tidsåtgång: 1-2 veckor

2. Definiera

Genom att titta på datan definierar vi möjligheterna och bedömer genomförbarheten.

När vi identifierat vilket område som skulle bidra till störst positiv förändring för verksamheten, tittar vi på den data vi har tillgång till, definierar möjligheterna och bedömer genomförbarheten. Varpå vi sedan sätter projektmål gällande modellprestanda, utförandetid och andra begränsningar. I detta steg beaktas även användarresan, önskade utdataformat och utförandemiljö. Vi producerar en detaljerad plan för pilotfasen samt en övergripande plan för de följande utvecklingsfaserna. Med hjälp av workshops med intressenter, intern planering och avgränsning bestämmer vi allt från metodik, tekniska och vetenskapliga tillvägagångssätt, ned till specifika initiala algoritmer.

3. Pilot

Vi bevisar värdet genom att analysera data och utveckla modeller.

För att ni ska känna er trygga med att er investering i AI kommer avlöna sig, bedömer vi, i denna fas, projektets genomförbarhet, både när det kommer till teknisk komplexitet och hur värdeskapande det är. I denna fas strävar vi efter att testa metodiken, bygga en initial pipeline, träna modeller och bedöma prestanda.  Vi sätter upp verktyg och tjänster för projektplanering, kodversionering och projektrelaterad kommunikation. Slutleveransen innehåller; kodbas, presentation av resultatet och rekommendationer för ytterligare utveckling.

Varje projekt inleds med interaktiva workshops under vilka vi, tillsammans med er, identifierar potentiella möjligheter. Syftet med dessa workshops är att få förståelse för er allmänna mognadsnivå för implementation av maskininlärning och AI inom flera verksamhetsområden. Därför håller vi i workshops tillsammans med utvalda nyckelpersoner inom verksamheten så som: affärsrepresentanter – för att förstå företagsbehoven och strategin, och med tekniska experter – för att förstå teknisk mognad, datakällor och utförandemiljö. Tillsammans förbättrar vi och bedömer vi de idéer som ska utvecklas vidare. 

Tidsåtgång: 1-2 veckor

När vi identifierat vilket område som skulle bidra till störst positiv förändring för verksamheten, tittar vi på den data vi har tillgång till, definierar möjligheterna och bedömer genomförbarheten. Varpå vi sedan sätter projektmål gällande modellprestanda, utförandetid och andra begränsningar. I detta steg beaktas även användarresan, önskade utdataformat och utförandemiljö. Vi producerar en detaljerad plan för pilotfasen samt en övergripande plan för de följande utvecklingsfaserna. Med hjälp av workshops med intressenter, intern planering och avgränsning bestämmer vi allt från metodik, tekniska och vetenskapliga tillvägagångssätt, ned till specifika initiala algoritmer.

För att ni ska känna er trygga med att er investering i AI kommer avlöna sig, bedömer vi, i denna fas, projektets genomförbarhet, både när det kommer till teknisk komplexitet och hur värdeskapande det är. I denna fas strävar vi efter att testa metodiken, bygga en initial pipeline, träna modeller och bedöma prestanda.  Vi sätter upp verktyg och tjänster för projektplanering, kodversionering och projektrelaterad kommunikation. Slutleveransen innehåller; kodbas, presentation av resultatet och rekommendationer för ytterligare utveckling.

4. Utveckla

Vi tar ett helhetsansvar för planering, utveckling och implementering av lösningen

Under denna fas, som är en fortsättning på pilotfasen, har vi nu tillgång till produktionsmiljön. Med målet att skapa värde gör vi diverse avvägningar när det kommer till; prestanda mot körhastighet mot komplexitet. Det är under denna fas som vi utvecklar större delen av koden, bygger dataflöden, tränar och validerar det slutgiltiga systemet.

5. Implementera

Hosting av lösning, testning av kod och integration med system

Spänningen stiger i denna fas då vi sammanför alla olika delar och ser till att allt fungerar sömlöst. Parallellt med detta utvecklar vi mikrotjänster som behövs för hantering av modeller, utför affärslogik och integration med er backend, datakällor och frontend-tjänster. I slutet av denna fast blir den nyutvecklade AI-komponenten tillgänglig för er!

6. Underhålla

Vi underhåller och uppdaterar modeller kontinuerligt åt våra kunder

Grundvärderingen för oss i vårt arbete är att skapa värde för de bolag vi kommer i kontakt med och det innefattar modeller som fungerar fläckfritt. Komplex teknik kräver underhåll och uppdateringar, därför övervakar vi modeller för eventuella förändringar och problem. Samtidigt som vi håller ett öga öppet för förbättringsmöjligheter och genom för dessa. Vid behov tränas modeller om och förbehandlings- och efterbehandlingsstegen justeras. Denna åtgärd kan utföras av oss på Modulai, antingen genom ett långsiktigt underhållsavtal eller genom specifika förfrågningar från kunden. Allt som oftast överlämnas dock de utvecklade tjänsterna till klienten och de utför själva underhåll med våra sporadiska råd och övervakning.

Under denna fas, som är en fortsättning på pilotfasen, har vi nu tillgång till produktionsmiljön. Med målet att skapa värde gör vi diverse avvägningar när det kommer till; prestanda mot körhastighet mot komplexitet. Det är under denna fas som vi utvecklar större delen av koden, bygger dataflöden, tränar och validerar det slutgiltiga systemet.

Spänningen stiger i denna fas då vi sammanför alla olika delar och ser till att allt fungerar sömlöst. Parallellt med detta utvecklar vi mikrotjänster som behövs för hantering av modeller, utför affärslogik och integration med er backend, datakällor och frontend-tjänster. I slutet av denna fast blir den nyutvecklade AI-komponenten tillgänglig för er!

Grundvärderingen för oss i vårt arbete är att skapa värde för de bolag vi kommer i kontakt med och det innefattar modeller som fungerar fläckfritt. Komplex teknik kräver underhåll och uppdateringar, därför övervakar vi modeller för eventuella förändringar och problem. Samtidigt som vi håller ett öga öppet för förbättringsmöjligheter och genom för dessa. Vid behov tränas modeller om och förbehandlings- och efterbehandlingsstegen justeras. Denna åtgärd kan utföras av oss på Modulai, antingen genom ett långsiktigt underhållsavtal eller genom specifika förfrågningar från kunden. Allt som oftast överlämnas dock de utvecklade tjänsterna till klienten och de utför själva underhåll med våra sporadiska råd och övervakning.

Sök Finansiering Från Vinnovas Kraftsamling

Vinnova har utlysningar för att stödja er AI-resa. Med Vinnovas finansiering kan ni få den nödvändiga hjälpen för att utveckla AI-baserade lösningar och ta er organisation till nästa nivå.

Ansök nu och dra nytta av möjligheterna som finns för att öka era chanser att lyckas på den konkurrenskraftiga marknaden. Vinnovas erfarna team finns där för att ge er support och hjälpa er att navigera i finansieringsprocessen.

Ansök idag och ta det första steget på er spännande resa in i AI-världen!

Läs mer på Vinnovas hemsida:

https://www.vinnova.se/e/larande-och-motesplatser/starta-er-ai-resa-for-organisatoriskt-2022-00880/

Starta er AI-resa

Kontakta oss

Exempel på användningsområden

Ruttoptimering för återvinning

Genom att optimera transportrutten kan organisationer som hanterar sophämtning minska sin miljöpåverkan genom att minska antalet körningar. Vilket bidrar till en minskning av driftskostnader tack vare minskade bränsle- och underhållskostnader för fordonen. En sådan lösning kan genom att använda data kopplad till sophantering, såsom antalet kunder, mängden avfall och avståndet mellan kunder, avgöra optimal rutt för att utföra rutten kostnadseffektivt och miljövänligt. AI-algoritmer kan också anpassa ruttplanen dynamiskt baserat på trafikförhållanden. Något som bidrar till en annan önskvärd effekt; ökad effektivitet och minskad risk för förseningar.

Transkribering för omsorgskontoret

Genom att använda sig utav AI-transkribering kan vårdpersonal spara tid och resurser som annars skulle ha använts för att manuellt transkribera samtal mellan vårdgivare, patienter och anhöriga. AI-transkribering kan förbättra kvaliteten på dokumentationen genom att minska risken för misstag och missade detaljer samt säkerställa att all viktig information dokumenteras noggrant och korrekt. Det är också möjligt att nyttja AI-transkribering för läkemedelsordinationer och instruktioner från läkare för att möjliggöra ökad noggrannhet och säkerhet inom patientvården. Ytterligare en positiv effekt är det faktum att vårdpersonal kan få tillgång till en sökbar och lättåtkomlig databas med information, vilket underlättar informationshantering samtidigt som det ökar effektiviteten.

Orosanmälan

Tillämpning av AI på orosanmälan gör det möjligt att identifiera potentiella fall av misshandel eller vanvård inom omsorgsverksamhet. Genom att låta AI analysera stora mängder data, som tidigare orosanmälningar och andra datakällor, går det att arbeta proaktivt och identifiera potentiella riskfaktorer. Ytterligare ett användningsområde är att tillämpa AI för att analysera ljud- och videofiler från samtal med vårdgivare, patienter och anhöriga. Genom användning av röstigenkänning och naturlig språkbehandling (NLP) kan AI identifiera språkliga ledtrådar som kan indikera missbruk eller vanvård. Detta är två exempel på hur vårdpersonal kan spara tid och resurser genom att automatisera standardiserade processer. I sin helhet kan det leda till mer tidseffektiv hantering av dessa fall vilket i sin tur ökar säkerheten och välbefinnandet hos de som är involverade.

Identifiera bedrägerier

För att upptäcka och förhindra bedrägerier i samband med utbetalningar av statliga sociala förmåner går det att applicera AI på bedrägeribekämpning inom Socialstyrelsen och Försäkringskassan. Med hjälp av maskininlärningstekniker analyserar AI stora mängder data (transaktioner, kontoinformation, identitetsinformation, etc.) för att identifiera mönster och anomalier som kan indikera bedrägerier. Proaktivt arbete av detta slag hjälper Socialstyrelsen att förhindra förluster av statliga resurser samtidigt som det skyddar medborgarna mot bedrägerier.

Medicinsk bildanalys

Lungcancer är en av de vanligaste cancerformerna men genom att upptäcka tumörer tidigt går det att förbättra prognosen för överlevnad. Inom medicinsk bildanalys kan AI hjälpa till att diagnosticera lungcancer genom att analysera röntgenbilder. AI kan lära sig att både identifiera specifika tumörer och annan patologi på röntgenbilder men också klassificera tumörer baserat på storlek, form och andra faktorer. Möjligheten att analysera röntgenbilder snabbare och samtidigt diagnosticera lungcancer med mer precision kan förbättra prognosen och patienternas chans för överlevnad.

Chatbottar

AI-drivna chattbotar inom sjukvården kan hjälpa patienter med sin tillfrisknad efter avklarad operation. Chattbotar kan ge patienter råd och stöd för att hantera eventuella postoperativa komplikationer, ge råd om eftervård och svara på potentiella frågor som patienterna har om rehabiliteringsprocessen. För patienternas del minskar det risken för komplikationer och förbättrar återhämtningen efter operationen samtidigt som implementering av chattbotar kan minska sjukvårdens kostnader tack vare minskat behov av återbesök och inläggningar.

Vill ni starta er AI resa eller bara veta mer?

Kontakta oss