Hvad betyder Gen3 af GenAI for organisationerne og deres implementering af GenAI? MEGET!

 Ethan Mollick har substack'en på Reddit, der hedder "One Useful Thing", og det er den også!

Han skrev en længere ting om de nye Generation 3-AI'ere (o3 fra OpenAI, Grok3 fra xAI og Claude 3.7 Sonnet fra Anthropic), og et afsnit handlede om, hvordan man nu skal tænke AI ind i organisationer og hos medarbejdere, og det fandt jeg ret interessant. Så I får det først i den danske oversættelse og så den originale på engelsk:

DANSK:

Denne udvikling har dybtgående konsekvenser for, hvordan organisationer bør tilgå AI-integration.

For det første skal fokus flyttes fra automatisering af opgaver til forstærkning af kapaciteter. I stedet for at spørge: “Hvilke opgaver kan vi automatisere?” bør ledere spørge: “Hvilke nye kapaciteter kan vi låse op?” De skal også opbygge kapacitet i deres egne organisationer for at kunne udforske og udvikle disse ændringer.

For det andet betyder den hurtige forbedring af både kapaciteter og omkostningseffektivitet, at enhver statisk strategi for AI-implementering hurtigt vil blive forældet. Organisationer skal udvikle dynamiske tilgange, der kan tilpasses i takt med, at disse modeller fortsætter med at udvikle sig. At satse alt på en bestemt model i dag er ikke en god strategi i en verden, hvor begge Scaling Laws er i spil.

Endelig – og måske vigtigst af alt – skal vi gentænke, hvordan vi måler og værdisætter AI’s bidrag. De traditionelle mål, såsom tid sparet eller omkostninger reduceret, kan overse de mere transformative effekter af disse systemer – deres evne til at generere nye indsigter, syntetisere kompleks information og muliggøre nye former for problemløsning. Hvis virksomheder for hurtigt fokuserer på konkrete KPI’er og forsømmer udforskning, vil de overse, hvad der er muligt. Endnu værre er det, at de risikerer at betragte AI som en erstatning for menneskelig arbejdskraft i stedet for at undersøge, hvordan AI kan forstærke menneskeligt arbejde.

ENGELSK:

This shift has profound implications for how organizations should approach AI integration. First, the focus needs to move from task automation to capability augmentation. Instead of asking "what tasks can we automate?" leaders should ask "what new capabilities can we unlock?" And they will need to build the capacity in their own organizations to help explore, and develop these changes.

Second, the rapid improvement in both capabilities and cost efficiency means that any static strategy for AI implementation will quickly become outdated. Organizations need to develop dynamic approaches that can evolve as these models continue to advance. Going all-in on a particular model today is not a good plan in a world where both Scaling Laws are operating.

Finally, and perhaps most importantly, we need to rethink how we measure and value AI contributions. The traditional metrics of time saved or costs reduced may miss the more transformative impacts of these systems - their ability to generate novel insights, synthesize complex information, and enable new forms of problem-solving. Moving too quickly to concrete KPIs, and leaving behind exploration, will blind companies to what is possible. Worse, they encourage companies to think of AI as a replacement for human labor, rather than exploring ways in which human work can be boosted by AI.