Sådan får du mest ud af AI i hverdagen
AI kan meget mere end at skrive tekster – men hvordan får du reelt værdi ud af teknologien i din hverdag? Få tips til at kommunikere bedre med AI og se konkrete eksempler på, hvordan AI kan effektivisere arbejdsopgaver i den farmaceutiske industri.
Af: Jonathan Løw, serie-iværksætter, bestsellerforfatter og foredragsholder om AI
AI kort fortalt
Kunstig intelligens (AI) er bygget ud fra menneskelige funktioner og evner, især vores kapacitet til at genkende mønstre. Som mennesker lærer vi fra helt små at skelne ting fra hinanden. Det gør vi først med vores sanser og siden med vores sprog.
Vi lærer, at et træ ikke er det samme som et hav, og vi lærer, at hvis der er tilpas mange træer samlet på et areal, skal vi kalde det en skov.
Denne form for mønstergenkendelse baserer AI sig også på. AI kan identificere og genskabe komplekse mønstre ved hjælp af store datamængder, og desto flere data desto bedre kan den trænes. På den måde kan man betegne data som AI’s livserfaring.
Selvom AI er yderst kraftfuld – jeg plejer at kalde det mønstergenkendelse på steroider – og selvom den kan analysere data med langt større hastighed og tålmodighed end mennesker, så har den også klare begrænsninger.
AI er sårbar over for bias, der kan opstå på grund af ufuldstændige eller fejlbehæftede data. Derfor er det vigtigt, at vi som mennesker forstår, hvornår vi skal/kan bruge AI’s styrker til vores fordel, og hvornår vi skal være forsigtige med dens anvendelse, især i beslutningsprocesser, der kræver etik, empati og kritisk tænkning.
Sådan kommunikerer du bedst med AI
Sproget imellem mennesker og maskiner kalder vi for at ’prompte’. Prompts er de instruktioner, vi giver maskinen, når vi beder den om at løse en opgave eller et problem for os.
For at forstå, hvordan vi bedst muligt kommunikerer med de førende AI-værktøjer i fremtiden, så lad mig stille dig nogle korte spørgsmål:
Hvis du har en assistent, der skal hjælpe dig med en konkret opgave, vil du så beskrive opgaven virkelig abstrakt, eller forklare mere detaljeret, hvad den går ud på? Mit gæt er sidstnævnte!
Hvis du har en copywriter, der skal skrive en værdifuld tekst til jeres hjemmeside, vil du så fortælle vedkommende en lille smule om jer og tilbageholde det meste, eller vil du forklare præcis, hvad du har af ønsker til resultatet? Mit gæt er sidstnævnte!
Hvis du kommunikerer med mennesker i det hele taget, og du eksempelvis skal få dem til at forstå et problem, du søger en løsning på, bruger du så en god problemformulering eller blot et par stikord? Ja, du kender nok mit gæt efterhånden!
Ovenstående er god kommunikation og dialog iblandt mennesker, og det samme gælder for AI-værktøjer som fx ChatGPT og CoPilot. Det handler altså ikke om avancerede prompter, men om at kunne beskrive problemer og opgaver præcist og så ellers gå i dialog med AI-værktøjerne, indtil du har opnået det ønskede resultat.
AI’s værdi i den farmaceutiske industri
AI har et kæmpe potentiale i den farmaceutiske industri, ligesom det har i mange andre brancher. Det kunne eksempelvis være at effektivisere forskning, udvikling, produktion og markedsføring af lægemidler, ligesom det gælder helt dagligdagsarbejdsopgaver såsom at skrive mødereferater, dokumentere opgaver, automatisere kommunikation m.m.
For at gøre det så konkret og jordnært som muligt, har jeg lavet 6 eksempler på AI i praksis. Nogle er mere innovative og visionære, mens andre tager afsæt i hverdagsopgaver og områder, der med fordel kan gøres simplere og mere effektive igennem kunstig intelligens.
I de første tre og mere komplekse eksempler har jeg beskrevet en fiktiv case, som kunne vise, hvordan man netop flytter idéer (og hype) til hverdag.
1. Forskning og udvikling af nye lægemidler
AI kan analysere store mængder biologiske og kemiske data for at identificere potentielle nye molekyler og lægemidler hurtigere end traditionelle metoder. For eksempel kan AI hjælpe med at finde mønstre i data fra tidligere kliniske forsøg, hvilket kan føre til hurtigere opdagelse af lægemidler til sjældne sygdomme.
En biotekvirksomhed vil kunne bruge AI til at accelerere opdagelsen af nye molekyler i kampen mod sjældne sygdomme. Ved hjælp af AI vil virksomheden kunne analysere store datasæt fra tidligere forskningsstudier og kliniske forsøg og identificerede mønstre og mulige sammenhænge, som ikke er blevet opdaget tidligere. På denne måde vil virksomheden takket være AI hurtigere kunne bringe nye behandlinger til markedet, hvilket i sidste ende giver patienter en bedre livskvalitet.
2. Optimering af kliniske forsøg
En virksomhed vil kunne bruge AI til at forbedre udvælgelsen af patienter til kliniske forsøg med et nyt lægemiddel mod en sygdom - eksempelvis kronisk migræne. AI vil kunne analysere genetiske data og tidligere patienthistorik for at identificere de mest passende kandidater, hvilket vil gøre det muligt for virksomheden at gennemføre forsøgene hurtigere og med mere præcise resultater. AI vil desuden kunne overvåge forsøgene i realtid, hvilket kan give forskerne mulighed for at foretage justeringer af dosis og behandlingsprotokoller undervejs og forbedre sikkerhed og effektivitet. Dette kan medføre en betydelig reduktion i både omkostninger og tid for virksomheden.
3. Forudsigelse af lægemiddelreaktioner og bivirkninger
En virksomhed, der fx udvikler en ny behandling for diabetes, vil kunne anvende AI til at forudsige og vurdere potentielle bivirkninger tidligt i lægemiddeludviklingsprocessen. AI-systemet kan nemlig analysere data fra tusindvis af patienter med lignende medicinsk historik og genetik for at vurdere, hvordan forskellige populationer må forventes at reagere på lægemidlet. Denne tilgang vil gøre det muligt for virksomheden at identificere og afbøde potentielle bivirkninger, før lægemidlet går videre til større kliniske forsøg. Det kan altså reducere risikoen for tilbagekaldelse, forbedre patienternes sikkerhed og føre til mere personaliserede behandlinger.
4. Effektiv rapportskrivning og dokumentation
I den farmaceutiske industri, hvor nøjagtig dokumentation er kritisk, kan AI-baserede værktøjer assistere med at udarbejde udkast til rapporter, mails og præsentationer baseret på tidligere dokumenter eller skabeloner, hvilket reducerer den tid, der bruges på manuelt skrivearbejde. For eksempel kan en klinisk forsker bruge ChatGPT til at oprette den første version af en sikkerhedsrapport, hvor AI trækker på relevante data og statistikker fra tidligere forsøg.
5. Automatisering af rutineopgaver
Inden for farmaceutisk produktion og kvalitetssikring kan man drage fordel af AI som CoPilot til at automatisere rutinemæssige opgaver. For eksempel kan en kvalitetskontrolmedarbejder bruge CoPilot til automatisk at generere rapporter om produkttests, oprette kontrolplaner eller sende automatiske opdateringer til teamet om ændringer i produktionsprocesser. Dette sikrer ikke kun nøjagtighed, men frigør også tid til mere komplekse opgaver.
6. Optimering af interne møder og samarbejde
Farmaceutiske medarbejdere kan bruge AI-værktøjer som ChatGPT og CoPilot til at optimere samarbejde og holde styr på beslutninger, deadlines og ændringer i realtid. Under møder kan AI-genererede notater og opfølgningspunkter hurtigt distribueres, og AI kan også hjælpe med at generere mødeagendaer baseret på tidligere diskussioner og mål. Dette er særligt nyttigt i projektledelse, hvor komplekse forskningsprojekter involverer mange interessenter.
Jonathan Løw
Jonathan Løw har startet fem internationale vækstvirksomheder indenfor digital kommunikation, kunstig intelligens og produktinnovation. Han er tidligere kåret til ét af Danmarks 100 største ledertalenter af Berlingske samt udnævnt som ’iværksætterguru’ i Børsen. Derudover modtog hans tidligere tech-virksomhed prisen som Årets IT-virksomhed. Løw har skrevet syv bøger om innovation, AI og lydhør ledelse. Han lever bl.a. af at holde foredrag og workshops for større, etablerede virksomheder, hvor han hjælper dem med at øge den entreprenante tænkning og kultur samt ikke mindst at gøre AI til en mere naturlig og værdifuld del af hverdagen.