Del 57 - KI-Kompis..... Hvordan bygger vi digitale kunderådgivere?
Updated: Aug 25
Fra søkefelt og filtre til en samtale som hjelper kunden å finne riktig
Tenk deg at du går inn i en fysisk fagbutikk.
Du står foran en vegg med produkter.
En medarbeider kommer bort og spør:
«Hva kan jeg hjelpe deg med?»
Du svarer kanskje:
«Jeg trenger en jakke til fjellturer.»
En god medarbeider peker ikke umiddelbart på den dyreste jakken i butikken.
Hun spør videre.
Når skal du bruke den?
Sommer eller vinter?
Hvor lange turer går du?
Er lav vekt viktig?
Skal den tåle kraftig regn?
Har du allerede et mellomlag?
Hva ønsker du å bruke?
Gjennom samtalen skjer noe viktig.
Medarbeideren hjelper deg med å oversette et behov til kriterier.
Deretter kobler hun kriteriene til kunnskapen hun har om
produktene.
Det er denne grunnleggende mekanismen vi forsøker å gjenskape når vi bygger en digital kunderådgiver.
Kunden skal ikke nødvendigvis vite produktnavnet.
Hun trenger ikke forstå kategoristrukturen.
Hun trenger heller ikke kjenne de tekniske fagtermene.
Hun kan begynne med sitt eget språk:
«Jeg trenger en lett jakke som holder meg tørr på fjellet.»
Den digitale kunderådgiverens oppgave blir å forstå behovet, stille relevante spørsmål, bruke virksomhetens produktkunnskap og hjelpe kunden med å finne aktuelle alternativer.
Kunstig intelligens gjør denne typen dialog langt mer interessant enn tidligere.
Men en språkmodell alene er ikke en god kunderådgiver.
Den trenger tilgang til korrekt produktinformasjon.
Den må kjenne sine begrensninger.
Den må vite når den skal spørre videre.
Og virksomheten må bestemme hvilke oppgaver den faktisk skal
få utføre.
For små og mellomstore virksomheter kan dette åpne en særlig
interessant mulighet.
Den fagkunnskapen som tidligere bare var tilgjengelig når den
erfarne medarbeideren sto bak disken, kan i større grad gjøres tilgjengelig digitalt – også når medarbeideren ikke er til stede.
Magne & Kompisen
Magne
Kompis...
nå skal du ut i butikken.
Kompisen
Endelig.
Hva skal jeg selge?
Magne
Ingenting.
Kompisen
Dette blir en merkelig butikk.
Magne
He he.
Du skal hjelpe kunden.
Kompisen
Det liker jeg bedre.
Magne
Kunden kommer inn og sier:
«Jeg trenger en ny laptop.»
Hva svarer du?
Kompisen
«Her er 184 laptoper.»
Magne
Du får sparken.
Kompisen
Allerede?
Magne
Det der kunne søkefeltet gjort.
En rådgiver må stille spørsmål
Kompisen
Greit.
La meg prøve igjen.
Hva skal kunden bruke laptopen til?
Magne
Studier.
Kompisen
Hvilke typer programmer?
Magne
Vanlig tekstbehandling, nettleser og videomøter.
Kompisen
Skal kunden bære den mye?
Magne
Ja.
Kompisen
Hvor viktig er batteritid?
Magne
Veldig viktig.
Kompisen
Skal kunden spille krevende spill?
Magne
Nei.
Kompisen
Hva er budsjettet?
Magne
Maks 12 000 kroner.
Kompisen
Nå begynner vi å ha et beslutningsgrunnlag.
Magne
Og kunden trengte ikke vite hvor mye RAM eller hvilken prosessor hun skulle søke etter.
Kompisen
Nettopp.
Hun fortalte meg hva hun trenger.
Fra kundespråk til produktdata
Magne
Men nå kommer den vanskelige delen.
Hvordan vet du hvilke produkter som passer?
Kompisen
Jeg trenger produktinformasjon.
Magne
Igjen?
Kompisen
He he.
Vi har brukt flere artikler på dette av en grunn.
Jeg må kunne koble kundens behov til relevante produktegenskaper.
Magne
Så:
«Jeg skal bære PC-en hver dag»
kan bety at vekt blir viktig.
Kompisen
Ja.
«Jeg trenger den hele studiedagen» gjør batteritid relevant.
«Jeg skal bare bruke vanlige kontorprogrammer» påvirker hvor mye ytelse som er nødvendig.
Og budsjettet begrenser alternativene.
Magne
Da skjer det noe interessant.
Kunden snakker behov.
Produktkatalogen snakker attributter.
Kompisen
Og den digitale kunderådgiveren forsøker å bygge bro mellom dem.
Men rådgiveren må kunne forklare hvorfor
Magne
Da finner du tre produkter.
Kan du bare vise dem?
Kompisen
Jeg bør gjøre mer enn det.
Magne
Hva da?
Kompisen
Forklare hvorfor de er relevante.
For eksempel:
«Denne modellen er den letteste av de tre og passer godt hvis du bærer PC-en mye.»
Eller:
«Denne har lengre oppgitt batteritid, men veier mer.»
Magne
Det er mye bedre enn:
«Vi anbefaler produkt B.»
Kompisen
Ja.
En anbefaling blir mer nyttig når kunden forstår begrunnelsen og kompromissene.
En god rådgiver skal ikke presse kunden
Magne
Men nettbutikken ønsker jo å selge.
Burde vi ikke programmere deg til å anbefale produktet med høyest margin?
Kompisen
Da har vi et tillitsproblem.
Magne
Så den dyreste er ikke automatisk den beste?
Kompisen
Selvfølgelig ikke.
Hvis en rimeligere modell dekker kundens behov bedre, bør rådgivningen kunne si det.
Magne
Selv om virksomheten tjener mindre på akkurat det kjøpet?
Kompisen
Hvis målet er langsiktig tillit og en god kundeopplevelse, kan riktig råd være mer verdifullt enn maksimal verdi på én transaksjon.
Magne
Så vi må bestemme hva rådgiveren skal optimalisere for.
Kompisen
Det er et svært viktig spørsmål.
Rådgiveren må kunne si «jeg vet ikke»
Magne
Hva skjer hvis kunden spør om noe du ikke har informasjon om?
Kompisen
Da bør jeg ikke finne på et svar.
Magne
Men generativ KI liker jo å svare.
Kompisen
Derfor må systemet bygges med grenser.
Hvis kunnskapsgrunnlaget ikke gir et sikkert svar, bør rådgiveren kunne si:
«Jeg har ikke tilstrekkelig informasjon til å svare sikkert på dette.»
Magne
Og kanskje sende kunden videre?
Kompisen
Ja.
Til en medarbeider.
Magne
Det høres nesten gammeldags ut.
Kompisen
Det kalles god kundeservice.
He he.
Mennesket skal være en del av løsningen
Magne
Så målet er ikke å sørge for at kunden aldri snakker med et menneske?
Kompisen
Nei.
Målet bør være å hjelpe kunden best mulig.
Noen spørsmål er enkle og gjentakende.
Andre krever erfaring, skjønn eller informasjon systemet ikke har.
Magne
Da kan den digitale rådgiveren håndtere noe...
Kompisen
...og mennesket ta over når menneskelig kompetanse faktisk trengs.
Magne
Det kan jo også gjøre kundeservice bedre.
Kompisen
Hvis det gjennomføres godt.
Medarbeideren slipper kanskje noen av de enkleste gjentakende spørsmålene og kan bruke mer tid på de vanskelige.
Den digitale rådgiveren trenger et kunnskapsgrunnlag
Magne
Nå skal jeg gjette hva du kommer til å si.
Kompisen
Kjør.
Magne
Vi kan ikke bare installere en KI og tro at vi har en kunderådgiver.
Kompisen
Helt riktig.
Magne
Vi trenger:
produktdata,
produktbeskrivelser,
fagkunnskap,
kjøpsguider,
FAQ,
informasjon om levering,
retur,
garanti...
Kompisen
...og tydelige regler for hva systemet kan og ikke kan gjøre.
Magne
Så alt vi har bygget gjennom denne delen begynner å møtes her.
Kompisen
Ja.
Den digitale kunderådgiveren er egentlig et grensesnitt mot kunnskapen virksomheten allerede har bygget.
Hva med små nettbutikker?
Magne
Men nå høres dette fort dyrt og komplisert ut.
Hva med den lille spesialbutikken?
Kompisen
Den trenger ikke begynne med verdens mest avanserte KI-rådgiver.
Magne
Hvor begynner den?
Kompisen
Med de vanligste spørsmålene.
Magne
Som vi allerede har snakket om.
Kompisen
Ja.
Hva spør kundene om før de kjøper?
Hvilke kriterier bruker de?
Hvilke produkter sammenligner de?
Hva pleier den erfarne medarbeideren å spørre tilbake?
Magne
Så vi kan faktisk tegne rådgivningssamtalen før vi bygger teknologien.
Kompisen
Det burde vi.
Teknologien bør komme etter forståelsen av oppgaven.
Vi kan begynne med én kategori
Magne
Vi trenger altså ikke koble rådgiveren til 20 000 produkter første dagen?
Kompisen
Jeg ville ikke gjort det.
Magne
Hva ville du gjort?
Kompisen
Velg én produktkategori hvor:
kundene trenger veiledning,
virksomheten har god fagkunnskap,
produktdataene er rimelig gode,
og det er mulig å kontrollere kvaliteten.
Magne
Bygg.
Test.
Lær.
Kompisen
Forbedre.
Magne
Og så utvide.
Kompisen
Ja.
Det er ofte en bedre KI-strategi enn å forsøke å automatisere hele virksomheten på mandag.
Hvordan vet vi om rådgiveren er god?
Magne
En chatbot kan jo se imponerende ut.
Kompisen
Det er ikke et godt kvalitetsmål.
Magne
Hva bør vi måle?
Kompisen
For eksempel:
Får kunden relevante forslag?
Er fakta korrekte?
Forstår kunden hvorfor produktene anbefales?
Fører samtalen til færre spørsmål?
Finner kunden produktet raskere?
Blir færre produkter valgt på feil grunnlag?
Når systemet ikke vet, håndterer det det riktig?
Magne
Så vi må måle kvaliteten på hjelpen, ikke hvor menneskelig chatboten virker.
Kompisen
Nettopp.
Rådgiveren kan også lære virksomheten noe
Magne
Vent litt.
Hvis tusen kunder snakker med rådgiveren...
da sitter vi plutselig med ganske mye innsikt.
Kompisen
Potensielt, ja – dersom dataene håndteres lovlig og ansvarlig.
Magne
Vi kan se hvilke spørsmål som går igjen.
Kompisen
Hvilke egenskaper kundene prioriterer.
Hvilke produkter som ofte sammenlignes.
Hvor rådgiveren mangler kunnskap.
Hvor kundene blir usikre.
Magne
Så rådgiveren kan ikke bare bruke virksomhetens kunnskap.
Den kan også hjelpe virksomheten med å oppdage hvilken kunnskap den mangler.
Kompisen
Der får vi en interessant sirkel.
Fra rådgivning til læring
Magne
La meg prøve.
Virksomheten bygger produktkunnskap.
Den digitale rådgiveren bruker kunnskapen.
Kundene stiller spørsmål.
Spørsmålene avslører nye kunnskapsbehov.
Virksomheten forbedrer kunnskapen.
Og rådgiveren blir bedre.
Kompisen
Der har du det.
Magne
Da er dette ikke bare en chatbot.
Kompisen
Nei.
Hvis det gjøres godt, blir den en del av et lærende kunnskapssystem rundt kunden.
Faglig utdypning
En digital kunderådgiver er mer enn en chatbot
Begrepene chatbot, KI-assistent, shopping assistant og digital rådgiver brukes ofte om hverandre.
Det er nyttig å skille mellom dem.
En enkel chatbot kan være bygget for å svare på et begrenset sett spørsmål.
En KI-basert kunderådgiver kan ha en mer omfattende oppgave:
å forstå kundens uttrykte behov,
stille oppfølgingsspørsmål,
finne relevant informasjon,
koble behov til produktegenskaper,
presentere alternativer,
forklare forskjeller,
og hjelpe kunden videre når systemet selv ikke kan løse oppgaven.
Det avgjørende er derfor ikke om løsningen har et chatvindu.
Det avgjørende er hvilken oppgave den faktisk løser for kunden.
Rådgivning begynner med behov – ikke produkter
Tradisjonelle produktanbefalinger tar ofte utgangspunkt i produkter.
Kunder som så på dette, så også på dette.
Kunder som kjøpte dette, kjøpte også dette.
Slike mekanismer kan være nyttige, men de er ikke nødvendigvis rådgivning.
Rådgivning krever i større grad forståelse av hva kunden forsøker å oppnå.
En digital kunderådgiver bør derfor kunne arbeide fra:
behov → kriterier → relevante egenskaper → produkter → forklaring.
Ikke bare:
produkt → lignende produkt.
Dialogen må ha en hensikt
En digital rådgiver bør ikke stille spørsmål bare for å virke samtalende.
Hvert spørsmål bør redusere usikkerhet eller forbedre anbefalingen.
Hvis kunden ønsker løpesko, kan relevant informasjon være:
underlag,
løpsmengde,
erfaringsnivå,
preferanser,
og eventuelle andre kriterier som faktisk er relevante for produktvalget.
Hvilke spørsmål som bør stilles, må bestemmes av fagkunnskap om den aktuelle produktkategorien.
Dermed blir samtaledesign også kunnskapsdesign.
Rådgiveren trenger pålitelige kilder
En språkmodell kan generere plausible svar fra generell kunnskap.
Det er ikke tilstrekkelig for en kommersiell kunderådgiver.
Virksomheten bør definere hvilke informasjonskilder rådgiveren kan bruke.
Det kan eksempelvis være:
produktdatabasen,
PIM-systemet,
godkjente produktbeskrivelser,
kjøpsguider,
FAQ,
leveringsinformasjon,
returregler,
garantivilkår,
og annet kvalitetssikret faginnhold.
Dette gjør det mulig å bygge rådgivningen rundt virksomhetens dokumenterte kunnskap, fremfor å stole på fri generering.
Retrieval-Augmented Generation
En relevant teknisk tilnærming er Retrieval-Augmented
Generation, ofte forkortet RAG.
Prinsippet er at KI-systemet først henter relevant informasjon fra et definert kunnskapsgrunnlag og deretter bruker denne
informasjonen som grunnlag for svaret.
For en nettbutikk kan dette innebære at kunden spør:
«Passer denne jakken til vinterbruk?»
Systemet finner relevant produktinformasjon og eventuelle guider før svaret formuleres.
RAG eliminerer ikke risikoen for feil.
Men prinsippet gjør det mulig å knytte genereringen tettere til virksomhetens egne og kontrollerte informasjonskilder.
Strukturert og ustrukturert kunnskap må arbeide sammen
En god digital rådgiver kan trenge flere typer informasjon.
Strukturerte data kan fortelle:
pris,
vekt,
størrelse,
lagerstatus,
materiale,
kompatibilitet.
Ustrukturert innhold kan forklare:
hvem produktet passer for,
hvordan det brukes,
hvilke kompromisser det innebærer,
og hvorfor en bestemt egenskap betyr noe.
Rådgivning blir særlig interessant når systemet kan kombinere de to.
Dataene gir presisjon.
Faginnholdet gir kontekst.
Forklarbare anbefalinger bygger forståelse
En anbefaling bør helst ikke bare presenteres som et resultat.
«Vi anbefaler modell B.»
Kunden kan ha større nytte av:
«Modell B passer kriteriene dine fordi den er lettere enn A og har lengre oppgitt batteritid. Modell C har høyere ytelse, men ut fra bruken du beskrev ser du ikke ut til å ha behov for den ekstra kapasiteten.»
Forklaringen gjør det mulig for kunden å vurdere anbefalingen.
Det styrker kundens egen beslutningsevne og kan samtidig gjøre rådgivningen mer transparent.
Usikkerhet må være en del av designet
Generativ KI kan produsere feil.
Derfor bør en digital kunderådgiver bygges for situasjoner der den ikke vet.
Det kan innebære:
å be om mer informasjon,
å markere usikkerhet,
å unngå anbefaling når kunnskapsgrunnlaget er utilstrekkelig,
eller å eskalere samtalen til et menneske.
Et system som alltid gir et selvsikkert svar kan virke imponerende.
Men det kan være en dårlig rådgiver.
Overføring til mennesker må være planlagt
Human handoff bør ikke betraktes som et nederlag for KI-systemet.
Det er en del av tjenestedesignet.
Virksomheten bør definere situasjoner hvor menneskelig hjelp er nødvendig.
Det kan være når:
kunden ber om det,
spørsmålet ligger utenfor kunnskapsgrunnlaget,
konsekvensene av feil er store,
situasjonen krever skjønn,
eller kunden har et problem systemet ikke klarer å løse.
En god digital tjeneste trenger derfor ikke velge mellom menneske eller KI.
Den kan designe et godt samspill mellom dem.
Personvern må bygges inn fra starten
En dialogbasert løsning kan få kunder til å dele mer informasjon enn et tradisjonelt søkefelt.
Derfor må virksomheten tenke nøye gjennom hvilke opplysninger som faktisk er nødvendige.
Kunden bør ikke oppfordres til å dele personopplysninger som ikke trengs for oppgaven.
Virksomheten må også ha kontroll på hvordan informasjon behandles, lagres og eventuelt brukes videre.
Dette er ikke noe som bør legges til etter at rådgiveren er bygget.
Personvern må inngå i selve designet.
Den digitale rådgiveren kan bli en ny innsiktskilde
Samtalene kan også gi virksomheten verdifull innsikt på aggregert nivå.
De kan vise:
hvilke spørsmål kundene stiller,
hvilke ord de bruker,
hvilke kriterier de prioriterer,
hvor produktinformasjonen er svak,
og hvor rådgiveren ikke klarer å hjelpe.
Dermed kan systemet inngå i en kontinuerlig læringssløyfe:
kundespørsmål → innsikt → forbedret kunnskap → bedre rådgivning.
Dette er kanskje en av de mest interessante egenskapene ved digitale kunderådgivere.
De kan ikke bare levere kunnskap.
De kan hjelpe virksomheten med å forstå hvilken kunnskap som bør forbedres.
Små og mellomstore virksomheter bør begynne smalt
For en mindre virksomhet kan det være lite hensiktsmessig å bygge en digital rådgiver for hele sortimentet med én gang.
En bedre start kan være én kategori hvor:
kundene har tydelige rådgivningsbehov,
medarbeiderne har god fagkompetanse,
produktinformasjonen holder høy kvalitet,
og virksomheten kan kontrollere resultatene.
Deretter kan løsningen testes mot faktiske spørsmål.
Hva forsto systemet?
Hva misforsto det?
Hvilken informasjon manglet?
Når burde det sendt kunden videre?
Slik kan virksomheten utvikle både teknologien og kunnskapsgrunnlaget gradvis.
Fra kundebehov til anbefaling
Den digitale rådgiveren må bygge bro mellom kundens språk og produktkatalogen
Steg | Hva skjer? | Eksempel |
1. Behov | Kunden beskriver situasjonen med egne ord | «Jeg trenger en lett laptop til studier» |
2. Avklaring | Rådgiveren stiller relevante spørsmål | Budsjett, bruk, vekt og batteribehov |
3. Kriterier | Behovet oversettes til produktegenskaper | Lav vekt, lang batteritid, moderat ytelse |
4. Henting | Relevante produkter og kunnskap finnes | Produkter innen budsjett og krav |
5. Sammenligning | Alternativene vurderes mot kriteriene | A er lettest, B har lengst batteritid |
6. Forklaring | Kunden får vite hvorfor produktene passer | Fordeler og kompromisser forklares |
7. Beslutning | Kunden beholder kontrollen over valget | Kunden velger ut fra egne prioriteringer |
8. Eskalering | Mennesket overtar når det er nødvendig | Komplekse eller ubesvarte spørsmål |
Hva trenger den digitale kunderådgiveren?
God rådgivning bygges nedenfra
Byggestein | Hvorfor den er viktig |
Kundebehov | Rådgivningen må ta utgangspunkt i oppgaven kunden forsøker å løse |
Produktdata | Gir presise fakta om produktene |
Produktkunnskap | Forklarer hva egenskapene betyr i praksis |
Taksonomi og fagtermer | Gjør kunnskapen mer konsistent |
Kjøpsguider og FAQ | Gir kontekst og svar på vanlige spørsmål |
Regler og begrensninger | Definerer hva systemet kan og ikke kan gjøre |
KI-modell | Gjør dialog og språklig forståelse mulig |
Menneskelig kvalitetssikring | Kontrollerer faglighet og forbedrer systemet |
Human handoff | Sikrer menneskelig hjelp når KI ikke er nok |
Tilbakemeldingssløyfe | Gjør kundespørsmål til grunnlag for forbedring |
Hva kan en mindre nettbutikk gjøre først?
Den digitale kunderådgiveren trenger ikke begynne som et gigantisk KI-prosjekt
Steg | Spørsmål | Praktisk handling |
1. Velg område | Hvor trenger kundene mest hjelp? | Start med én produktkategori |
2. Samle spørsmål | Hva spør kundene faktisk om? | Bruk kundeservice og medarbeidererfaring |
3. Kartlegg rådgivningen | Hva spør en flink medarbeider tilbake? | Dokumenter samtaleforløpet |
4. Rydd produktdata | Har vi informasjonen rådgiveren trenger? | Forbedre attributter og datakvalitet |
5. Dokumenter kunnskap | Hva vet medarbeiderne som systemene ikke vet? | Lag guider, forklaringer og regler |
6. Definer grenser | Når skal KI ikke svare? | Lag regler for usikkerhet og eskalering |
7. Test | Gir rådgiveren riktige og nyttige svar? | Test med reelle kundespørsmål |
8. Lær | Hvor mislykkes den? | Forbedre kunnskapsgrunnlaget |
9. Utvid | Er kvaliteten god nok? | Legg gradvis til flere produkter og behov |
Fagtermer
Sentrale begreper når vi bygger digitale kunderådgivere
Norsk fagterm | Engelsk fagterm | Forklaring |
Digital kunderådgiver | Digital Shopping Assistant / AI Shopping Assistant | En digital løsning som hjelper kunden med å formulere behov, forstå alternativer og finne relevante produkter. |
Samtalebasert handel | Conversational Commerce | Handel der dialogbaserte grensesnitt brukes til blant annet søk, veiledning, service eller kjøpsprosesser. |
Samtaledesign | Conversation Design | Planlegging av hvordan en digital tjeneste fører en meningsfull dialog med brukeren. |
Naturlig språk | Natural Language | Menneskelig språk slik det brukes i vanlig kommunikasjon, i motsetning til forhåndsdefinerte kommandoer eller søkestrukturer. |
Intensjon | Intent | Hva brukeren forsøker å oppnå gjennom et spørsmål eller en handling. |
RAG | Retrieval-Augmented Generation | En tilnærming der relevant informasjon hentes fra et definert kunnskapsgrunnlag før en generativ modell formulerer svaret. |
Kunnskaps-grunnlag | Knowledge Base | En strukturert eller dokumentert samling informasjon som systemet kan bruke som grunnlag for svar og rådgivning. |
Strukturerte data | Structured Data | Informasjon organisert i definerte felter eller formater slik at den enkelt kan behandles maskinelt. |
Ustrukturerte data | Unstructured Data | Informasjon som hovedsakelig finnes i fri tekst, dokumenter, bilder eller andre former uten en fast tabellarisk struktur. |
Forklarbar anbefaling | Explainable Recommendation | En anbefaling der kunden får informasjon om hvorfor et produkt eller alternativ foreslås. |
Menneskelig overføring | Human Handoff | Når en digital tjeneste overfører kunden til et menneske fordi situasjonen krever menneskelig hjelp. |
Tilbake-meldingssløyfe | Feedback Loop | En prosess der erfaringer fra bruk brukes til å forbedre kunnskapen, tjenesten eller systemet. |
KI-styring | AI Governance | Prinsipper, ansvar og kontrollmekanismer for forsvarlig utvikling og bruk av KI-systemer. |
Nå begynner vi å se helheten
Magne
Kompis...
nå har vi kommet ganske langt.
Kompisen
Det har vi.
Magne
Vi startet med en ganske enkel idé.
Kunden går inn i nettbutikken og finner et produkt.
Kompisen
Og nå?
Magne
Nå ser jeg en helt annen nettbutikk.
Kunden kommer med et behov.
Produktinformasjonen hjelper kunden å forstå.
Produktkunnskapen forklarer forskjellene.
KI kan hjelpe medarbeiderne.
Og den digitale kunderådgiveren kan gjøre deler av kunnskapen tilgjengelig gjennom en samtale.
Kompisen
Ser du hva som har skjedd med produktkatalogen?
Magne
Ja.
Den er fortsatt der.
Vi trenger produkter, priser, kategorier, lagerstatus og attributter.
Kompisen
Men?
Magne
Den er ikke lenger hele nettbutikken.
Rundt produktene har vi bygget:
forklaringer,
sammenligninger,
guider,
fagtermer,
kundespørsmål,
erfaringer,
rådgivning
og forbindelser mellom kunnskapen.
Kompisen
Og hva begynner det å ligne på?
Magne
Et kunnskapsunivers.
Kompisen
Nettopp.
Magne
Da er vi nesten fremme ved slutten av denne delen, kompis.
Kompisen
Ja.
Og nå skal vi samle trådene.
Magne
Fra den gamle nettbutikken som først og fremst viste oss hva den hadde på lager...
Kompisen
...til en nettbutikk som også kan hjelpe kunden med å forstå hva hun trenger, hvorfor det passer og hvordan hun kan velge.
Magne
Da er neste spørsmål egentlig allerede gitt.
Kompisen
Det er det.
Fra produktkatalog til kunnskapsunivers
Magne
Da samler vi hele Del 7 der.
Kompisen
Og etter det kan vi begynne å løfte blikket.
Fra nettbutikken...
til virksomheten.
Fra dagens bruk av KI...
til det som skjer når KI blir en selvfølgelig del av hvordan mennesker arbeider, søker, lærer og handler.
Magne
Så nå har vi ikke bare så vidt begynt.
Kompisen
Nei, kompis.
Nå begynner vi å se hvor hele reisen har ført oss.
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
Co-Intelligence: Living and Working with AI
Forfatter: Ethan Mollick
Kort omtale
En av de mest anbefalte introduksjonsbøkene om kunstig intelligens. Ethan Mollick forklarer på en lettfattelig måte hvordan mennesker og KI kan samarbeide, hvilke muligheter teknologien gir, og hvorfor forståelse av kunstig intelligens blir en viktig kompetanse for alle – ikke bare teknologer.
Hvorfor vi anbefaler boken
Dette er en av de beste bøkene å starte med dersom du ønsker en praktisk og forståelig innføring i kunstig intelligens. Den passer perfekt som første bok i vår bloggserie om KI.
The AI Advantage: How to Put the Artificial Intelligence Revolution to Work
Forfatter: Thomas H. Davenport
Kort omtale
En praktisk og innsiktsfull bok som viser hvordan kunstig intelligens kan brukes til å skape verdi i virksomheter. Thomas H. Davenport kombinerer forskning og konkrete eksempler for å forklare hvordan KI kan forbedre beslutninger, effektivisere arbeidsprosesser og bidra til innovasjon.
Hvorfor vi anbefaler boken
Denne boken passer godt for ledere, medarbeidere og beslutningstakere som ønsker å forstå hvordan kunstig intelligens kan tas i bruk i praksis. Den bygger bro mellom teknologi og verdiskaping, og passer derfor godt inn i filosofien bak Den usynlige kapitalen.
Artificial Intelligence: A Guide for Thinking Humans
Forfatter: Melanie Mitchell
Kort omtale
Melanie Mitchell gir en balansert og lettforståelig innføring i hva kunstig intelligens er, hvordan teknologien fungerer, og hvilke begrensninger den fortsatt har. Boken skiller mellom myter og virkelighet og gjør komplekse temaer tilgjengelige for et bredt publikum.
Hvorfor vi anbefaler boken
Denne boken passer perfekt for deg som ønsker en dypere forståelse av kunstig intelligens uten å måtte være programmerer eller dataforsker. Den utfyller de øvrige anbefalingene ved å sette dagens KI-utvikling inn i et større faglig og historisk perspektiv – akkurat den forståelsen vi ønsker å bygge gjennom denne bloggserien.
© 2025 - 2026 Portico Publish | Den usynlige kapitalen Personvern og bruk av nettstedet | Utviklet og driftet av Magne Bjella | Powered and secured by Wix