Machine learning i din virksomhed: hvornår giver det mening?

Når folk hører 'machine learning', tænker de fleste på noget for de store tech-virksomheder med hele afdelinger af dataloger. Men kernen i det er enklere end sit ry: det handler om at træne en model på jeres egne data, så den kan genkende mønstre og forudsige noget - i modsætning til at stille generelle spørgsmål til en model som ChatGPT eller Claude.

Forskellen på 'almindelig AI' og machine learning

Når I bruger ChatGPT til at skrive en tekst eller opsummere et dokument, bruger I en model, der er trænet på generel viden fra internettet. Machine learning er noget andet: her trænes en model specifikt på jeres egne historiske data - salgstal, kundeadfærd, sagsbehandling - for at forudsige eller klassificere noget, der er unikt for netop jeres virksomhed.

Tre tegn på, at det kan være relevant for jer

• I sidder på store mængder historiske data, som I ikke bruger aktivt til at forudsige noget
• I laver den samme type vurdering manuelt igen og igen, ud fra mønstre erfarne medarbejdere 'bare kan se'
• Uens kvalitet eller fejl i de manuelle vurderinger koster jer reelt tid eller penge

Eksempler fra den virkelige verden

Almindelige anvendelser er at forudsige, hvilke kunder der er på vej til at forsvinde (churn), automatisk kategorisere indkommende support-henvendelser, forudsige lagerbehov ud fra sæsonudsving, eller opdage usædvanlige mønstre i transaktioner, der kan pege på fejl eller svindel.

Det kræver ordnede data - ikke perfekte data

De fleste machine learning-projekter går ikke galt på grund af algoritmen, men fordi dataene er rodede, mangelfulde eller ligger spredt i systemer, der ikke taler sammen. Det er værd at bruge tid på at få styr på datagrundlaget, før I overhovedet tænker på selve modellen.

Start med en lille, afgrænset pilot

I stedet for et stort, uoverskueligt projekt, så vælg ét konkret spørgsmål med en klar succesmåling - fx 'kan vi forudsige hvilke kunder der ikke fornyer deres abonnement, med rimelig præcision'. Lykkes det i lille skala, er det langt nemmere at forsvare at skalere det op bagefter.

Er I i tvivl om, hvorvidt jeres data og problem egner sig til machine learning, er det ofte hurtigere at få en erfaren rådgiver til at kigge på det først, end at gætte sig frem selv. Under kategorien 'Machine learning' på AIbud kan du oprette en opgave om netop en sådan vurdering eller en afgrænset pilot.

Opret en opgave, og få bud fra dygtige danske hjælpere - betaling holdes sikkert, indtil du er tilfreds.