Vi i JPro har lang tradisjon for å dele kunnskap og erfaring på tvers av fagområder. Med over 20 års erfaring i bransjen og mer enn 60 ansatte, er vi kjent for å levere seniorkonsulenter som virkelig kan håndverket sitt. Nå tilbyr vi også kompetanse innen AI, maskinlæring og datavitenskap, og nylig arrangerte vi en intern fagdag der to av våre dyktige ansatte delte sin kunnskap og ekspertise.
1. Hva er en data scientist?
Fagdagen startet med en introduksjon av hva en data scientist faktisk gjør. Vi fikk innsikt i arbeidsmetodikk, verktøy og hvilken verdi de skaper for bedrifter. Kort sagt kombinerer en data scientist statistiske metoder, programmering, domenekunnskap og kreativ problemløsning for å trekke ut verdi av store datamengder. Fra å bygge prediksjonsmodeller som forutser kundeatferd, til å automatisere tidkrevende prosesser ved hjelp av avanserte algoritmer – mulighetene er nærmest uendelige.
Typisk tech-stack
Gjennom presentasjonen ble det tydelig at en data scientist bruker et bredt spekter av teknologier. Python med biblioteker som NumPy, Pandas, TensorFlow og PyTorch er sentrale verktøy. Samtidig må man ofte håndtere databaser (SQL/NoSQL), skyløsninger som AWS eller Azure, og verktøy for dataorkestrering og visualisering. Vår nye avdeling har spesialisert seg på å sette sammen den riktige stacken basert på hvert enkelt prosjekt.
2. Hva kan man bruke maskinlæring / AI til?
Våre foredragsholdere eksemplifiserte hvordan maskinlæring og AI kan benyttes til alt fra automatisert kundestøtte (chatboter og virtuelle assistenter) til avanserte analysemodeller som gir bedre beslutningsstøtte. Innen privat sektor ser vi et økende behov for slike løsninger; alt fra personaliserte anbefalingssystemer i netthandel til forebyggende vedlikehold i industri. Her kan virkelig maskinlæring redusere kostnader, øke effektivitet og åpne døren for nye inntektsstrømmer.
3. Hvorfor “hallusinerer” ChatGPT iblant?
Et tema som skapte stort engasjement var ChatGPT og fenomenet “hallusinasjoner” – altså når AI-modeller svarer med informasjon som ikke nødvendigvis stemmer. Våre eksperter forklarte at dette skyldes hvordan språkmodeller blir trent, der de i bunn og grunn forsøker å forutsi sannsynlige ordsekvenser basert på enorme mengder tekst. Selv om dette ofte gir imponerende resultater, kan det også føre til at modellen til tider “fyller inn” informasjon som virker plausibel, men som ikke er korrekt.
4. DeepSeek – hva er det og hvorfor er det en stor greie?
Vi diskuterte også nye modeller, som for eksempel DeepSeek, og hvorfor de er interessante. Det ble nevnt at DeepSeek R1 er en modell som "resonnerer" og har en slags intern dialog på lik linje som OpenAI sine mest avanserte modeller i "o-serien". Det som er interessant med DeepSeek er at selskapet tilgjengeliggjør den interne dialogen, populært referert til som "chain of thought", og har sluppet en artikkel som detaljert beskriver hvordan de går frem for å trene sine modeller ved hjelp av Reinforcement Learning teknikker. Dette er et nytt fenomen, da for eksempel OpenAI og andre selskaper som trener Store Språkmodeller hittil ikke har beskrevet detaljer rundt prosessen de bruker for å lage sine modeller
5. Er dette begynnelsen på slutten for behovet for utviklere?
Spørsmålet om AI vil “erstatte” utviklere, var nesten uunngåelig. Konklusjonen som kom frem, var at AI og maskinlæring snarere vil endre måten vi jobber på, ikke fjerne behovet. Utviklere vil fortsatt være nøkkelen til å bygge, tilpasse og vedlikeholde systemer – men verktøyene kan bli stadig mer avanserte og automatisere en del av det rutinemessige arbeidet.
6. Oppdatering om “rikets tilstand” i AI-verden
Fagdagen ga også en oppdatering på nye trender og hva som rører seg internasjonalt innen AI. Vi drøftet alt fra banebrytende modeller og forskningsfunn, til hvordan myndigheter begynner å regulere og stille krav til bruken av kunstig intelligens. Dette engasjerte spesielt, da det påvirker både videreutviklingen av teknologien og mulighetene for å lage innovative løsninger i framtiden.
7. Interne prosjekter – en titt bak kulissene
Til slutt fikk vi en sniktitt på noen av de interne AI- og datavitenskapsprosjektene vi jobber med. Her var det spesielt interessant å se konkrete eksempler på hvordan våre konsulenter løser reelle forretningsutfordringer hos kunder – fra prediktiv analyse i forsikringsbransjen til automatiserte maskinlæringspipeliner for handelsbedrifter.
Veien videre
Vår nye AI/ML/Data Science-avdeling er et viktig steg i å fortsette vår visjon om å være ledende på digital kompetanse i Norge. Vi gleder oss til å fortsette å utforske potensialet i kunstig intelligens og maskinlæring sammen med kundene våre – og ikke minst se hvordan vi kan bidra til å skape enda mer forretningsverdi for dem.
Vi håper denne oppsummeringen gir et innblikk i hva vi lærte og diskuterte på vår fagdag. Ta gjerne kontakt dersom du er nysgjerrig på hvilke muligheter maskinlæring og AI kan åpne for nettopp din virksomhet. Sammen kan vi utforske, eksperimentere og bygge morgendagens løsninger allerede i dag! Hvis du vil vite mer om bruk av AI blant utviklere kan du lese denne artikkelen som forteller om resultatene fra vår interne undersøkelse.
Ønsker du å vite mer om våre konsulenttjenester eller har du spesifikke utfordringer du vil løse ved hjelp av maskinlæring, kunstig intelligens eller avansert dataanalyse? Ta kontakt med Morten for en hyggelig prat om hvordan vår spisskompetanse kan hjelpe deg med å nå dine mål.
