Del 61 - Hva blir menneskenes viktigste rolle?
Updated: Sep 8
Når kunstig intelligens kan utføre stadig flere oppgaver, blir menneskelig dømmekraft, fagkunnskap, kreativitet, relasjoner og ansvar viktigere
Kunstig intelligens kan skrive.
Analysere.
Oppsummere.
Oversette.
Programmere.
Sammenligne.
Finne mønstre.
Generere bilder.
Bearbeide enorme informasjonsmengder.
Og gjøre kunnskap tilgjengelig på sekunder.
Oppgaver som tidligere krevde timer med menneskelig arbeid, kan i
noen tilfeller gjennomføres på minutter.
Det er derfor naturlig at et av de største spørsmålene i KI-debatten handler om arbeid:
Hva skal menneskene gjøre når maskinene kan gjøre stadig mer?
Men kanskje spørsmålet bør stilles annerledes.
Ikke bare:
Hva kan KI overta?
Men:
Hva blir mer verdifullt når KI kan gjøre mer?
Da åpner det seg et langt mer interessant perspektiv.
For kunstig intelligens kan produsere et svar.
Men et menneske må vurdere om svaret er godt.
KI kan finne mønstre.
Men noen må forstå hva mønstrene betyr.
KI kan foreslå alternativer.
Men noen må velge.
KI kan effektivisere en arbeidsprosess.
Men noen må spørre om arbeidsprosessen burde eksistere i sin
nåværende form.
KI kan hjelpe kunden.
Men noen må bestemme hva god kundebehandling faktisk betyr.
KI kan beregne.
Men mennesker må fortsatt ta ansvar for konsekvensene.
Dermed kan menneskets viktigste rolle i KI-alderen bli mindre
knyttet til produksjonen av hvert enkelt svar og mer knyttet til:
dømmekraft,
faglighet,
kreativitet,
kritisk tenkning,
relasjoner,
samarbeid,
empati,
nysgjerrighet,
ansvar,
og evnen til å lære.
Det betyr ikke at alle rutineoppgaver forsvinner.
Det betyr heller ikke at teknologi automatisk gjør arbeidet bedre.
Men arbeidsdelingen mellom mennesker og teknologi kan endres
fundamentalt.
Og da må vi forstå hva mennesker tilfører som ikke bare kan
reduseres til raskere informasjonsbehandling.
Kunstig intelligens endrer oppgaver før den nødvendigvis erstatter hele yrker
Fremtidens arbeidsliv må forstås gjennom oppgaver, kompetanse og nye kombinasjoner mellom mennesker og teknologi
En jobb er sjelden én oppgave.
En lærer underviser ikke bare.
En sykepleier måler ikke bare.
En ingeniør beregner ikke bare.
En butikkmedarbeider selger ikke bare.
En leder beslutter ikke bare.
En kundebehandler svarer ikke bare på spørsmål.
Yrker består av mange forskjellige oppgaver.
Noen er rutinepregede.
Andre krever fagkompetanse.
Noen krever fysisk tilstedeværelse.
Andre krever relasjoner.
Noen kan automatiseres.
Andre kan støttes av KI.
Og enkelte kan bli viktigere nettopp fordi teknologien overtar deler
av det øvrige arbeidet.
Derfor kan det være misvisende å diskutere fremtidens arbeidsliv bare som:
menneske eller maskin.
Det mer interessante spørsmålet er:
Hvordan fordeles oppgavene mellom mennesket og teknologien?
KI-augmentering kan gjøre menneskelig kompetanse mer verdifull når teknologien brukes som forsterker
Kunstig intelligens kan frigjøre tid fra rutinearbeid og gi mennesker større kapasitet til vurdering, problemløsning og verdiskaping
Tenk på en fagperson som bruker flere timer på å finne informasjon
i dokumenter.
Hvis KI kan redusere dette arbeidet til minutter, har virksomheten et valg.
Den kan bruke gevinsten til å produsere flere dokumenter.
Eller den kan bruke tiden på det fagpersonen egentlig er god til:
analysere,
vurdere,
snakke med mennesker,
løse problemer,
utvikle nye ideer,
og forbedre tjenesten.
Dette er forskjellen mellom automatisering og augmentering.
Automatisering spør:
Hva kan teknologien gjøre i stedet for mennesket?
Augmentering spør:
Hva kan mennesket gjøre bedre ved hjelp av teknologien?
Begge deler vil sannsynligvis prege arbeidslivet.
Men den andre tilnærmingen åpner for en viktig tanke:
KI trenger ikke bare redusere behovet for menneskelig arbeid.
Den kan også gjøre menneskelig kompetanse mer produktiv.
Menneskelig dømmekraft blir viktigere når kunstig intelligens kan produsere mange plausible svar
Å kunne generere et svar er ikke det samme som å vite hvilket svar som bør brukes
Generativ KI kan presentere et svar med imponerende språklig sikkerhet.
Men verden er full av situasjoner hvor det ikke finnes ett åpenbart riktig svar.
En leder må balansere:
økonomi,
medarbeidere,
kunder,
risiko,
etikk,
tid,
og langsiktige konsekvenser.
En lege kan ha omfattende data, men må fortsatt vurdere et
menneske i en konkret situasjon.
En kundebehandler kan ha regler, men møte en kunde hvis problem ikke passer inn i standardprosessen.
En lærer kan få forslag fra KI, men må forstå eleven.
Dette krever dømmekraft.
Dømmekraft handler ikke bare om å ha informasjon.
Det handler om å bruke kunnskap og erfaring i en konkret
sammenheng hvor flere hensyn må vurderes.
«Knowledge is a process of piling up facts; wisdom lies in their simplification.» — Martin H. Fischer
I en verden der fakta, forslag og formuleringer blir billigere å produsere, kan evnen til å vurdere hva som faktisk betyr noe bli desto viktigere.
Fagkompetanse blir viktigere når mennesker skal kontrollere og utfordre kunstig intelligens
Du må kunne noe for å oppdage når et overbevisende KI-svar faktisk er feil
Det finnes et paradoks i forestillingen om at KI gjør fagkunnskap
mindre nødvendig.
Jo mer vi bruker KI til faglige oppgaver, desto viktigere kan det bli at noen kan kontrollere resultatet.
En erfaren jurist kan oppdage at et argument mangler et avgjørende premiss.
En ingeniør kan se at et forslag ikke fungerer i praksis.
En elektriker kan reagere på et farlig råd.
En økonom kan oppdage at modellen bygger på en feil antakelse.
En erfaren selger kan forstå at anbefalingen ikke passer kunden.
Hvis ingen i organisasjonen har kompetansen til å oppdage feilene,
kan et tilsynelatende effektivt KI-system gjøre virksomheten
raskere til å ta dårlige beslutninger.
Derfor blir fagkompetanse ikke bare noe mennesker bruker for å utføre oppgaven selv.
Den blir også nødvendig for å:
stille gode spørsmål,
vurdere svar,
oppdage feil,
forstå usikkerhet,
og vite når KI ikke bør brukes.
Kritisk tenkning og kildekritikk blir kjernekompetanse når generativ KI øker informasjonsmengden
Fremtidens medarbeidere må kunne skille mellom plausible formuleringer, dokumentert kunnskap og usikre påstander
Vi har gjennom KI-serien kommet tilbake til dette flere ganger.
Mer informasjon er ikke det samme som mer kunnskap.
Generativ KI gjør det mulig å produsere enorme mengder velformulert innhold.
Det øker behovet for mennesker som spør:
Hvor kommer dette fra?
Hva bygger påstanden på?
Finnes det dokumentasjon?
Er kilden troverdig?
Er informasjonen aktuell?
Hva mangler?
Finnes det andre forklaringer?
Hva vet vi ikke?
Dette er kritisk tenkning.
Og paradoksalt nok kan en teknologi som gjør det lettere å få svar,
gjøre evnen til å stille kritiske spørsmål viktigere.
Kreativitet i KI-alderen handler om mer enn å produsere tekst, bilder og ideer raskt
Menneskelig kreativitet handler også om å forstå problemer, bryte mønstre og forestille seg noe som ennå ikke finnes
Generativ KI kan produsere hundre ideer på sekunder.
Det er imponerende.
Men innovasjon handler ikke bare om antall ideer.
Det handler om å forstå:
hvilket problem som er verdt å løse,
hvorfor eksisterende løsninger ikke er gode nok,
hvilke behov mennesker har,
hvilke muligheter teknologien åpner,
og hvilke ideer som faktisk bør realiseres.
Menneskelig kreativitet er tett knyttet til erfaring, nysgjerrighet, kultur og kontekst.
Den kan oppstå når noen spør:
Hvorfor gjør vi det egentlig slik?
Hva om vi snur problemet på hodet?
Hva trenger kunden som hun ikke klarer å formulere selv?
Hva kan vi gjøre som ingen har bedt oss om ennå?
KI kan være en kraftig kreativ sparringspartner.
Men mennesket må fortsatt kunne se hvilket problem som fortjener kreativiteten.
«Creativity is thinking up new things. Innovation is doing new things.» — Theodore Levitt
Forskjellen blir viktig i KI-alderen.
Det blir billigere å generere ideer.
Evnen til å omsette gode ideer til faktisk verdiskaping forblir krevende.
Empati og relasjonell kompetanse blir viktigere når flere transaksjoner og rutineoppgaver automatiseres
Menneskelig kontakt skaper verdi når situasjonen krever forståelse, trygghet, tillit og omsorg
Ikke alle menneskelige møter bør automatiseres.
Noen ganger trenger kunden bare et raskt svar.
Da kan KI være glimrende.
Andre ganger er situasjonen vanskelig.
En kunde er frustrert.
En pasient er redd.
En pårørende er bekymret.
En medarbeider opplever en konflikt.
En innbygger står i en vanskelig livssituasjon.
Da kan det være avgjørende å møte et annet menneske.
Ikke fordi mennesket nødvendigvis har mer informasjon enn maskinen.
Men fordi relasjonen i seg selv har verdi.
Å lytte.
Forstå.
Tolke situasjonen.
Vise respekt.
Skape trygghet.
Bygge tillit.
Og noen ganger ganske enkelt være til stede.
Jo mer av det rutinemessige som automatiseres, desto tydeligere kan verdien av disse menneskelige møtene bli.
Ansvar kan ikke automatiseres bort selv om beslutningsstøtten blir intelligent
Virksomheten og menneskene må fortsatt stå ansvarlige for hvordan kunstig intelligens brukes
KI kan foreslå.
Analysere.
Prioritere.
Rangere.
Anbefale.
Men når et KI-system brukes i en virksomhet, forsvinner ikke ansvaret inn i modellen.
Noen har bestemt at systemet skal brukes.
Noen har valgt dataene.
Noen har definert arbeidsprosessen.
Noen har bestemt graden av menneskelig kontroll.
Noen må håndtere konsekvensene dersom noe går galt.
Dette gjør ansvarlighet til en sentral menneskelig rolle.
Jo mer beslutningsstøtte vi overlater til teknologi, desto viktigere blir det å vite:
Hvem har ansvaret?
Hvem kan overstyre?
Hvem kontrollerer?
Hvem følger opp?
Og hvem kan forklare hvorfor virksomheten gjorde som den gjorde?
Teknologi kan automatisere handlinger.
Den kan ikke automatisere bort virksomhetens ansvar.
Evnen til å stille gode spørsmål blir viktigere når kunstig intelligens gjør svar billigere
Problemformulering kan bli en knappere kompetanse enn produksjonen av selve svaret
Gjennom store deler av kunnskapssamfunnet har det vært kostbart å produsere svar.
Finne informasjon.
Analysere den.
Skrive.
Regne.
Visualisere.
Programmere.
KI reduserer kostnaden ved mange av disse aktivitetene.
Da kan en annen del av kunnskapsarbeidet bli relativt viktigere:
Å definere problemet.
Hva forsøker vi egentlig å forstå?
Hvilke antakelser gjør vi?
Hva er det egentlige kundebehovet?
Hva mangler i analysen?
Hvilket spørsmål har ingen stilt?
Hva bør vi ikke optimalisere?
Hva vil skje dersom premissene våre er feil?
Et dårlig spørsmål kan produsere et imponerende dårlig svar.
Et godt spørsmål kan åpne en helt ny måte å forstå problemet på.
Dette handler om langt mer enn prompt engineering.
Det handler om nysgjerrighet, faglighet og evnen til å formulere problemer.
Læringsevne blir avgjørende når både teknologi og arbeidsoppgaver endres kontinuerlig
Fremtidens kompetanse handler ikke bare om hva medarbeideren kan i dag, men hvor raskt ny kunnskap kan utvikles
Ingen kan lære seg «KI» én gang og være ferdig.
Modellene endres.
Verktøyene endres.
Arbeidsprosessene endres.
Reguleringen utvikles.
Kundenes forventninger endres.
Og nye bruksområder oppstår.
Derfor blir kontinuerlig læring en del av selve arbeidslivet.
Det gjelder både teknologisk og faglig kompetanse.
Medarbeideren må kunne lære nye verktøy.
Men også forstå når de ikke bør brukes.
Hun må kunne kombinere ny teknologi med eksisterende
fagkunnskap.
Og hun må kunne forkaste arbeidsmåter som ikke lenger gir mening.
«The illiterate of the 21st century will not be those who cannot read and write, but those who cannot learn, unlearn, and relearn.» — Alvin Toffler
I en verden med rask teknologisk endring blir evnen til å lære ikke bare personlig utvikling.
Den blir en del av virksomhetens konkurransekraft.
Samarbeid mellom mennesker og KI blir en ny form for arbeidsdeling
Fremtidens medarbeider må forstå både hva teknologien gjør godt og hvor menneskelig kompetanse skaper størst verdi
Det er lett å lage to leirer.
Mennesket mot maskinen.
Optimistene mot pessimistene.
Men arbeidslivet vil sannsynligvis bli langt mer sammensatt.
En medarbeider kan bruke KI til førsteutkast.
Deretter bruke egen fagkompetanse til å forbedre det.
En annen kan bruke KI til analyse og selv tolke resultatene.
En tredje kan automatisere rutineoppgaver og bruke mer tid med
kunder.
En fjerde kan bruke KI som sparringspartner i idéutvikling.
En femte kan kvalitetssikre KI-generert arbeid.
Dette betyr at AI literacy – KI-kompetanse blir viktig.
Ikke bare å kunne bruke et bestemt verktøy.
Men å forstå:
hva KI kan,
hva den ikke kan,
hvilke data den bruker,
hvilke feil den kan gjøre,
hvordan resultatene bør vurderes,
og når menneskelig kontroll er nødvendig.
Ledelse i KI-alderen handler om mennesker, organisasjon og retning – ikke bare teknologi
Ledere må skape rammer der medarbeidere kan eksperimentere, lære og bruke KI ansvarlig
En virksomhet blir ikke KI-moden fordi ledelsen kjøper lisenser.
Medarbeiderne må forstå hvorfor teknologien brukes.
De må få mulighet til å lære.
De må vite hvilke regler som gjelder.
De må kunne si fra når systemene ikke fungerer.
De må kunne dele erfaringer.
Og virksomheten må tåle at enkelte eksperimenter ikke lykkes.
Dette krever ledelse.
Ikke bare teknologiledelse.
Men menneskeledelse gjennom teknologisk endring.
Hvis medarbeiderne opplever KI utelukkende som et kontroll- eller
nedbemanningsverktøy, kan det påvirke både tillit, læring og viljen
til å dele kunnskap.
Hvis teknologien derimot brukes til å støtte medarbeiderne i å løse oppgavene bedre, kan en annen dynamikk oppstå.
«Culture eats strategy for breakfast.» — commonly attributed to Peter Drucker
Uansett opphavet til formuleringen peker den mot et viktig poeng:
Teknologistrategien møter alltid organisasjonens faktiske kultur.
Menneskelig erfaring og taus kunnskap blir en del av virksomhetens strategiske kapital
Kunstig intelligens gjør det mulig å tilgjengeliggjøre mer kunnskap, men kunnskapen må først eksistere
Tenk på den erfarne medarbeideren.
Hun ser et problem og reagerer umiddelbart.
Ikke fordi hun har slått opp svaret.
Men fordi hun har sett lignende situasjoner hundre ganger.
Hun kjenner mønsteret.
Hun vet hvilke spørsmål som må stilles.
Hun vet når standardprosedyren fungerer.
Og når den ikke gjør det.
Dette er taus kunnskap.
Erfaring som ikke alltid lar seg redusere til en instruksjon.
Virksomheten kan forsøke å dokumentere deler av den.
KI kan hjelpe med å strukturere og tilgjengeliggjøre den.
Men vi bør ikke forveksle representasjonen av erfaring med
erfaringen selv.
Mennesker fortsetter å lære gjennom praksis.
Og nettopp derfor blir arbeidsplassen også et sted hvor ny kunnskap
skapes.
Menneskelig verdiskaping blir tydeligere når rutineproduksjonen automatiseres
Verdien av arbeid kan flyttes fra å produsere mer til å forstå bedre, forbedre mer og ta større ansvar
Hvis KI kan produsere førsteutkastet, kan mennesket bruke mer tid på kvalitet.
Hvis KI kan finne informasjonen, kan mennesket bruke mer tid på vurderingen.
Hvis KI kan håndtere standardspørsmålene, kan mennesket bruke mer tid på de vanskelige samtalene.
Hvis KI kan analysere mønstrene, kan mennesket bruke mer tid på å forstå konsekvensene.
Hvis KI kan automatisere rutinen, kan mennesket bruke mer tid på forbedringen.
Det er ingen garanti for at arbeidslivet faktisk utvikler seg slik.
Virksomheter kan også bruke teknologi primært til kostnadskutt, kontroll eller høyere arbeidstempo.
Derfor er teknologien ikke skjebnen.
Hvordan gevinstene brukes er et organisatorisk og samfunnsmessig valg.
Den usynlige kapitalen kan bli mer synlig i en økonomi med kunstig intelligens
Kompetanse, erfaring, relasjoner, tillit og organisasjonskultur kan bli viktigere når teknologien blir lettere å kopiere
En konkurrent kan kjøpe samme KI-verktøy.
Den kan abonnere på samme modell.
Den kan anskaffe lignende programvare.
Men den kan ikke like enkelt kjøpe:
tretti års erfaring,
kundens tillit,
medarbeidernes samarbeid,
virksomhetens kultur,
historisk læring,
fagmiljøet,
relasjonene,
eller forståelsen som har vokst frem gjennom tusenvis av møter
mellom mennesker.
Dette er deler av virksomhetens usynlige kapital.
Og når selve teknologien blir lettere tilgjengelig, kan slike
komplementære menneskelige ressurser få større strategisk
betydning.
Magnes perspektiv – teknologien har forandret seg mange ganger, men mennesker har skapt verdiene hver gang
Fra telefon og internett til e-handel, digitalisering og kunstig intelligens har teknologi vært et virkemiddel
Magne har arbeidet gjennom flere store teknologiske skifter.
Verktøyene har forandret seg dramatisk.
Men bak gode digitale løsninger har det alltid stått mennesker.
Noen har forstått kunden.
Noen har hatt ideen.
Noen har skrevet koden.
Noen har designet løsningen.
Noen har testet.
Noen har forklart.
Noen har utfordret.
Noen har sagt:
«Dette fungerer ikke godt nok.»
Og noen har tatt ansvar for å gjøre det bedre.
Kunstig intelligens endrer hvor mye teknologien kan bidra med.
Men den opphever ikke behovet for mennesker som vet hvorfor vi gjør noe og hvem vi gjør det for.
Kompisens perspektiv – den beste bruken av kunstig intelligens kan være å gjøre mennesker bedre
KI bør ikke vurderes etter hvor menneskelig den virker, men etter hvor mye verdi mennesker kan skape med den
Kompisen trenger ikke bli menneske.
Det er heller ikke målet.
Kompisen kan gjøre noe annet.
Være tilgjengelig.
Bearbeide informasjon.
Finne sammenhenger.
Lage utkast.
Utfordre et argument.
Foreslå alternativer.
Hjelpe med å strukturere tanker.
Og kanskje stille spørsmålet som får mennesket til å tenke én gang
til.
Da blir KI ikke hovedpersonen.
Den blir verktøyet rundt mennesket.
Og kanskje er det en bedre ambisjon enn å forsøke å bygge teknologi som later som den er oss.
Fagtermer for menneskelig kompetanse, KI-augmentering og fremtidens arbeidsliv
Begrepene som beskriver den nye arbeidsdelingen mellom mennesker og kunstig intelligens
KI-augmentering – AI Augmentation- Bruk av KI for å forsterke menneskelig kapasitet, kompetanse eller produktivitet.
Automatisering – Automation- Bruk av teknologi til å utføre oppgaver med redusert menneskelig involvering.
Menneskelig dømmekraft – Human Judgment- Evnen til å vurdere informasjon, kontekst, erfaring, verdier og konsekvenser før en beslutning tas.
Kritisk tenkning – Critical Thinking- Systematisk vurdering av informasjon, argumenter, antakelser, kilder og alternative forklaringer.
KI-kompetanse – AI Literacy- Forståelse av hvordan KI kan brukes, hvilke begrensninger teknologien har, og hvordan resultater bør vurderes kritisk.
Taus kunnskap – Tacit Knowledge- Erfaringsbasert kunnskap som ofte er vanskelig å formulere eller dokumentere fullt ut.
Eksplisitt kunnskap – Explicit Knowledge- Kunnskap som er dokumentert og kan deles gjennom tekst, data, modeller eller andre uttrykksformer.
Metakognisjon – Metacognition- Evnen til å reflektere over egen tenkning, læring og forståelse.
Problemløsning – Problem Solving- Prosessen med å forstå et problem, utvikle alternativer, vurdere dem og gjennomføre løsninger.
Kontinuerlig læring – Continuous Learning- Løpende utvikling av kunnskap og ferdigheter gjennom arbeid, erfaring og utdanning.
Human-in-the-loop- En arbeidsmodell hvor mennesker deltar aktivt i vurdering, kontroll eller beslutning rundt KI-systemets resultater.
Relasjonell kompetanse – Relational Competence- Evnen til å forstå, kommunisere og samarbeide med andre mennesker på en måte som bygger gode relasjoner.
Komplementære ferdigheter – Complementary Skills- Menneskelige ferdigheter som utfyller teknologisk kapasitet og sammen skaper større verdi.
Ansvarlighet – Accountability- At mennesker og organisasjoner kan holdes ansvarlige for beslutninger, handlinger og konsekvenser.
Menneskets viktigste rolle blir ikke én ferdighet – men evnen til å kombinere kunnskap, dømmekraft og ansvar
Fremtidens verdiskaping skjer når mennesker bruker kunstig intelligens uten å overlate menneskets ansvar til teknologien
Så hva blir menneskenes viktigste rolle?
Det finnes neppe ett svar.
Det er ikke bare kreativitet.
Ikke bare empati.
Ikke bare fagkompetanse.
Ikke bare kritisk tenkning.
Ikke bare ledelse.
Ikke bare relasjoner.
Det interessante ligger i kombinasjonen.
Mennesket kan forstå kontekst.
Bruke erfaring.
Stille spørsmål.
Vurdere konsekvenser.
Skape relasjoner.
Utfordre etablerte sannheter.
Lære.
Ta ansvar.
Og bestemme hva som er verdt å gjøre.
Kunstig intelligens kan forsterke mye av dette.
Men det krever at virksomheten utvikler menneskene samtidig som den utvikler teknologien.
Fra menneskets rolle til spørsmålet om hvordan hele virksomheten skal bygges
Den siste utfordringen er å koble mennesker, kunnskap, læring, kunder og kunstig intelligens til ett fungerende system
Vi nærmer oss nå slutten på KI-reisen.
Vi har undersøkt teknologien.
Vi har sett hvordan den finner og bearbeider informasjon.
Vi har arbeidet med innhold.
Nettsteder.
Kunnskap.
E-handel.
Produktinformasjon.
Kunderådgivning.
Vi har spurt hva som skjer når alle får KI.
Vi har sett hvordan kundenes forventninger kan endres.
Og nå har vi kommet tilbake til mennesket.
Det er ingen tilfeldighet.
For jo mer kapabel teknologien blir, desto viktigere blir det å forstå hvordan mennesker og teknologi skal organiseres sammen.
Det holder ikke å kjøpe KI.
Det holder ikke å samle data.
Det holder ikke å dokumentere kunnskap.
Det holder ikke å sende medarbeiderne på kurs.
Alt må kobles sammen.
Mennesker må kunne lære.
Kunnskap må kunne deles.
Kunder må forstås.
Teknologi må brukes med hensikt.
Ledelsen må skape retning.
Organisasjonen må kunne endre seg.
Og erfaringene må brukes til å gjøre systemet bedre.
Dermed står bare ett spørsmål igjen i hele KI-serien.
Hvordan bygger vi fremtidens kunnskapsvirksomhet?
Det er der vi skal samle alt.
Ikke for å avslutte med kunstig intelligens.
Men for å avslutte der hele Den usynlige kapitalen egentlig begynner:
med mennesker som lærer, deler kunnskap og skaper verdier sammen.
Faglig bakgrunn og videre lesning
Denne serien bygger også på min egen faglige reise gjennom Webdesign-studiet, eMarketing-studiet, Innovasjon og kommersialisering og faglige seminarer i San Francisco og Oxford. Her finner du bakgrunnen, fagmiljøene og erfaringene som har fulgt utviklingen fra webens første år til dagens digitalisering.
Anbefalt litteratur
Utviklingen innen kunstig intelligens går raskere enn kanskje noe annet fagområde i vår tid. Ingen enkelt bok kan gi alle svarene, men gode bøker kan gi et solid grunnlag for å forstå teknologien, mulighetene og utfordringene.
I KI-Kompis-serien anbefaler vi derfor et utvalg bøker som belyser kunstig intelligens fra ulike perspektiver – teknologi, strategi, ledelse, innovasjon, etikk, digitalisering og praktisk anvendelse. Samlet gir de en bredere forståelse av hvordan kunstig intelligens påvirker mennesker, virksomheter og samfunnet.
Klikk på bokikonet for å se hele litteraturoversikten med anbefalte bøker om kunstig intelligens.
Anbefalte bøker fra biblioteket vårt
Build a Large Language Model (From Scratch)
Forfatter: Sebastian Raschka
Kort omtale
Denne boken tar leseren med bak kulissene og viser hvordan en moderne språkmodell faktisk bygges – steg for steg. Sebastian Raschka forklarer avanserte konsepter på en pedagogisk måte og gir en unik forståelse av hvordan store språkmodeller som ChatGPT fungerer. Selv om boken inneholder kodeeksempler, er den også svært verdifull for alle som ønsker en dypere forståelse av teknologien bak kunstig intelligens.
Hvorfor vi anbefaler boken
En av de mest omtalte bøkene om store språkmodeller. Perfekt for deg som ønsker å forstå hvordan kunstig intelligens fungerer under overflaten og hvorfor språkmodeller har blitt en revolusjon innen digitalisering og kunnskapsdeling.
Quick Start Guide to Large Language Models
Forfatter: Janelle Shane
Kort omtale
Denne boken gir en praktisk og lettfattelig introduksjon til store språkmodeller (LLMs). Sinan Ozdemir forklarer hvordan språkmodeller brukes i moderne virksomheter, hvordan de kan integreres i arbeidsprosesser og hvorfor de er blitt en av de viktigste teknologiene innen kunstig intelligens.
Hvorfor vi anbefaler boken
En svært god bok for alle som ønsker en rask og praktisk innføring i språkmodeller. Den passer både for nybegynnere og fagpersoner som ønsker å forstå hvordan LLM-er brukes i praksis
Artificial Intelligence: A Modern Approach: The Future Is Coming! Discover How Artificial Intelligence Will Change Your Life!
Forfattere: Stuart Russell & Peter Norvig
Kort omtale
Dette er verdens mest kjente lærebok om kunstig intelligens og brukes ved universiteter over hele verden. Boken dekker hele fagområdet – fra problemløsning og maskinlæring til språkforståelse, robotikk og etikk – og regnes som en klassiker innen KI-faget.
Hvorfor vi anbefaler boken
Hvis du bare skal eie én akademisk bok om kunstig intelligens, er dette et av de aller beste valgene. En tidløs klassiker som gir en solid faglig forståelse av kunstig intelligens og som fortsatt brukes som pensum ved ledende universiteter verden over
© 2025 - 2026 Portico Publish | Den usynlige kapitalen Personvern og bruk av nettstedet | Utviklet og driftet av Magne Bjella | Powered and secured by Wix