
Tænk implementering ind fra start, så I ender med en løsning i brug!

- april 3, 2022

Jakob Fredslund
Senior Solution Architect, PhD
Mit råd er i begge tilfælde: Tænk implementering ind fra starten og sørg for at overveje, hvem der skal bruge løsningen. I skal sikre jer, at den viden, brugerne allerede har, bliver tænkt med, så I viser respekt for de mennesker, der har opbygget domæneforståelsen, og systemet ikke foreslår noget dumt.
Det kan være svært at få mennesker fra forskellige verdener til at forstå hinanden, og der kan godt være et stykke vej mellem dem, der har problemet og dem, der kan løse det med teknologi. Derfor er det en vigtig funktion at sætte dem, som har problemet, sammen med de specialister, der kan vælge de rigtige teknologier til at løse problemet.
Og undgå for alt i verden at ende med en løsning, som ingen bruger. Måske kommer løsningen til at løse et problem, der ikke var der, eller måske vil brugerne ikke bruge løsningen, fordi problemet ikke var stort nok, eller systemet er for svært at bruge.
Fast track innovation er en måde at inddrage brugerne og teste jeres ide til færdig it-løsning – der får succes.
Få brugerne med ombord fra start !
Forestil dig en planlægger, hvis job er at lave gode planer og serviceydelser, som selv synes, at vedkommende gør det meget godt. Men måske kunne det alligevel gøres endnu bedre ved at automatisere det. Medmindre brugeren ikke kan finde ud af at bruge det, eller systemet foreslår løsninger, der ikke kan bruges.
Man skal høre brugerne og få dem med ombord. Hjælp med at forme vejen til forståelse, så problemet forstås fra begge sider, og hvordan løsningen skal være. På den måde vil løsningen ikke forstyrre den måde, de tænker på og den måde, det skal passe ind i deres opgave men i stedet støtte op om det og dermed give værdi.
Den digitale planlægningstavle PlanA er blevet til efter grundige forudgående undersøgelser af hjemmeservicesektorens behov:

I skal sikre jer, at den viden, brugerne allerede har, bliver tænkt med, så I viser respekt for de mennesker, der har opbygget domæneforståelsen, og systemet ikke foreslår noget dumt.
Jakob Fredslund Tweet
Løsningen, du laver, behøver ikke nødvendigvis være skræddersyet, men det giver de bedste muligheder. Samtidig bliver kommunikationsopgaven mindre, hvis man ikke helt lavpraktisk skal forklare, hvordan deres hverdag bliver nemmere. Man skal nærmest tænke i økosystemer og ikke ”bare” i løsninger.
Skal vi sammen udvikle en løsning, der får succes i praksis, så tag gerne fat i mig: jakob.fredslund@alexandra.dk
bliv klogere på tech
Relateret viden

Tænk mennesker ind i din løsning – de går aldrig af mode
Der er potentiale i at bruge AI og automatisering – ingen tvivl om det. Men midt i hypen og al begejstringen er der risiko for, at man glemmer de mennesker, som skal bruge teknologien. Den bør være til for at skabe værdi for mennesker og samfund, og når man glemmer det, så har det konsekvenser.

Er talegenkendelse kun noget for unge, hvide mænd? Det synes vi ikke.
De store techselskaber koncentrerer sig om deres kernemålgrupper, når de skal udvikle sprogmodeller, der fungerer fra tekst til tale. Derfor fungerer talegenkendelsen bedre, hvis du er en ung, hvid mand fra København, men ikke hvis du er kvinde, sort, oppe i årene eller taler dialekt.

Skandinaviens tabere inden for sprogteknologi
Danske organisationer er i fuld gang med at implementere kunstig intelligens, der allerede nu skaber monetære resultater – det gælder fra kommercielle chatbots til offentlig dokumentation. Af samme grund er mange naturligvis nysgerrige på at høre, hvad vi kan forvente os af AI i fremtiden. Men når jeg kigger ind i fremtiden inden for kunstig intelligens, rammes jeg både af eufori og bekymring.

Kan man lære at estimere et objekts orientering uden dataannotering?
For at estimere et givent objekts orientering i forhold til et kamera skal man først og fremmest kende, og genkende, objektets form og størrelse. Neurale netværk klarer disse opgaver godt, da de med nok data kan lære abstrakte koncepter. Dog er dataannotering, specielt til at estimere orientering og position, en lang, tidskrævende proces. Derfor har vi udviklet en motor til at generere syntetisk data til netop denne slags opgaver. Resultatet kan ses nedenfor.