Utveckla AI med känslig data

Utveckla AI med värdefull företagsdata: så funkar det  

De där fenomenala AI-funktionerna som mångdubblar lönsamheten och ger företaget ljusår av försprång framför konkurrenterna— finns de?
Ja. Men inte som färdigförpackade lagervaror. Det handlar om AI som tränats på och använder affärskritisk data för att generera ekonomiska analyser, marknadsstrategier, prognoser, merförsäljning, sköta kundsupport, processa enorma datamängder med mera, allt i en ofattbar hastighet. Så varför har inte varenda korvkiosk redan hoppat på AI-tåget?


Den som börjar utforska AI-landskapet inser snart hur snårigt det är.
Brist på kompetens, datasäkerhet, datahantering, utvecklingskostnader — molnen tornar snabbt upp sig på den nyss så klarblå framtidshimlen. Därför har flera stora aktörer tagit fram tjänster för företag som ska utveckla och implementera AI i verksamheten.
— Som företag vill man gå snabbt från utveckling till resultat. Vägen mellan investering och lönsamhet ska vara kort, och alla resurser ska användas smart. Samtidigt måste ni kunna lita på att all känslig, affärskritisk data är säker, säger Sam Grocott, Senior Vice President för Dell Technologies produktmarknadsföring. För det största problemet är just datan. 

Data är råvaran som ChatGPT, Gemini, Claude och all generativ AI matas med, den som gör att så kallade Large Language Models “vet allt”. Men för att generera riktigt värde, exklusivt och optimerat för just ditt företag, måste råvaran vara raffinerad. Det vill säga: affärskritisk verksamhetsdata. Just sådan som inget företag vill (eller ska) mata in i en open source-modell som ChatGPT. Så det går alltså inte att dra nytta av känslig data utan att riskera att den läcker, försvinner eller förstörs… eller? Jo.


Bilden har genererats av AI-modellen DALL-E utifrån instruktionen ”en robot-domare med en domarklubba i handen sitter i en futuristisk rättssal”.Den här bilden av en ”AI-fabrik” är skapad med hjälp av OpenAIs modell DALL-E.

— Datakvalitet, datatillgänglighet och datasäkerhet är grunden. Och så krävs kraftfull hårdvara, helst sådan som är byggd med just AI i åtanke. Alla de här delarna täcker vi, säger Sam Grocott. 

Han pratar om Dell AI Factory, samarbetet där Dells hårdvara, lagring och mjukvara gifter sig med NVIDIAs avancerade AI-infrastruktur. I en end-to-end-lösning kan företag utveckla egna AI-funktioner, mata dem med känslig data, träna, implementera och driftsätta — utifrån sina egna förutsättningar, med kontroll och säkerhet genom hela kedjan.  

Dave Vellante är chefsanalytiker på the CUBE Research och har i flera decennier följt utvecklingen av datasäkerhet. Han menar att AIs påverkan på området saknar motstycke: 

— Det är spännande och givetvis en enorm utmaning. Lösningar som Dell AI Factory ger företag och organisationer den kompetens och kapacitet som de behöver för att utveckla egna AI-funktioner med affärskritisk data på ett säkert sätt. Det driver utvecklingen framåt, och i ett större perspektiv bidrar det till att öka förtroendet för tekniken överlag. 

Här i Europa är datasäkerhet inte det enda som oroar företag och organisationer: de behöver dessutom förhålla sig till The EU AI Act. Regelverket är minst sagt komplicerat och straffskalan sådan att en överträdelse kan bli ruskigt dyr. Med stöd av en kunnig partner kan hela AI-resan göras enligt reglerna, från första utvecklingssteget till driftsättning och användning. Att ta hjälp är alltså inte bara en viktig investering. Det är också en försäkring mot juridiska fallgropar och iskalla duschar i form av miljonböter. 

En AI som använder företagets egen data kan tränas till att generera ekonomiska analyser, marknadsstrategier, prognoser, merförsäljning, sköta kundsupport, processa enorma datamängder eller något helt annat.

Alltid redo! Men först krävs en hel del jobb, träning och justeringar.