Defining and implementing the Chief AI Officer Role

As artificial intelligence (AI) becomes increasingly integral to business success, the need for a dedicated executive to oversee both strategic and operational aspects of AI implementation has become evident. 

This has led to the emergence of the Chief AI Officer (CAIO), a role rapidly gaining prominence in forward-thinking companies, says The Financial Times.

The CAIO's mandate extends beyond technology management to include developing and executing the organization's AI strategy in alignment with its broader business objectives. Responsibilities include identifying high-impact use cases, prioritizing AI initiatives, and devising a roadmap for AI adoption and scalability. 

Importantly, the CAIO is also responsible for establishing robust AI governance frameworks. This entails addressing crucial issues such as data privacy, to protect customer information; algorithmic bias, to ensure fairness; and AI safety, to prevent unintended consequences of AI deployment.

Beyond strategy and governance, the CAIO is expected to drive AI-powered innovation. They must explore new products, services, and business models that leverage AI to provide a competitive edge in the market.

Equally crucial is the CAIO's role in building and leading a talented team of AI experts, including data scientists, machine learning engineers, and AI ethicists. Cultivating the right capabilities is essential for successfully implementing and scaling AI initiatives.

The CAIO's effectiveness hinges on collaboration with other C-suite members. For instance, working with the CIO ensures AI systems integrate smoothly with existing IT infrastructure, while alignment with the CFO is necessary for securing funds for AI initiatives. Collaboration with the Chief Human Resources Officer (CHRO) is vital for addressing workforce implications of AI, such as reskilling, and working with the CMO enables leveraging AI for deeper customer insights and marketing strategies.

The CAIO's engagement with the CHRO is crucial, as they must address the workforce-related implications of AI, such as reskilling employees and managing the human-AI interaction.

Furthermore, the CAIO must collaborate with the Chief Marketing Officer (CMO) to leverage AI for enhanced customer insights, personalized experiences, and targeted marketing strategies.

The CAIO's focus varies by industry. In a manufacturing setting, the CAIO may focus more on using AI for process optimization, predictive maintenance, quality control, and supply chain management. Conversely, in a service-based organization, the CAIO is likely to prioritize enhancing the customer experience, streamlining operational efficiency, and leveraging AI-driven predictive analytics. Regardless, a deep understanding of the business and its challenges is crucial for leveraging AI strategically.

As businesses increasingly leverage the transformative power of AI, the CAIO emerges as a pivotal figure. By strategically defining and implementing this role, organizations can unlock AI's full potential to drive innovation, operational efficiency, and a competitive edge.

Hvorfor sosiale medier er en søppelplass.

Publisert som debattinnlegg i DN 12 april 24.

Det Elon Musk sa om plattformen X i samtalen med Nicoali Tangen 9 april, fikk DN kommentator Terje Erikstad til å kalle ikke-redaktørstyrte sosiale medier for en søppelplass. Bedre kan det ikke sies.

I sitt forsøk på å reformere Twitter, nå X, som et fritt taleforum, sa Elon Musk til Nicolai Tangen at han etterstreber en åpen ideutvekslingsplattform. Dessverre gjør han det motsatt. 

Musk har for eksempel fjernet tiltak for å redusere hatprat, redusert overvåking av falske konti, tatt tilbake utestengte ekstremister, suspendert journalister, og saksøkt nonprofit-organisasjoner for å dempe kritikk. Alt under ytringsfrihetens navn.

For å gi DN kommentator Erikstad sin «søppel-kommentar» 10. april en bakgrunn, kan vi vende oss til de "Fire mørke lovene for online engasjement", utviklet av professor Jay Van Bavel ved New York University, og som Max Fisher detaljert illustrerer i boken "The Chaos Machine".

De mørke lovene, som er dypt forankret i menneskets psykologi og hvordan algoritmene er optimalisert i sosiale medier, har fire elementer. For det første bidrar menneskers tendens til å fokusere på negative nyheter til en strøm av sensasjonelle overskrifter og alarmerende innhold som forvrenger vår virkelighetsoppfatning og skaper et pessimistisk verdenssyn. For det andre er algoritmer på sosiale medier optimalisert for å forsterke polariserende innhold. Dette skaper engasjement og et miljø der ekstreme meninger trives, og de mer moderate stemmene ofte drukner. For det tredje forsterker plattformene tribalistiske tendenser ved å spre feilinformasjon og føre til radikalisering, noe som øker den sosiale splittelsen. Til slutt vil innhold som vekker sterke følelser og moralistisk språkbruk bli spredt viralt, noe som kan brukes både til å mobilisere til positive endringer og til manipulasjon og polarisering.

Disse prinsippene er de sosiale medienes mørke sider. Mens samfunn, ifølge Max Fisher, lider, har verken Meta, X, eller YouTube vist vilje eller sympati for dette. For å bekjempe de negative effektene og fremme et mer konstruktivt digitalt landskap, må vi gå utover algoritmejusteringer. Det kreves en kollektiv innsats for å øke bevisstheten om disse underliggende mekanismene, fremme kritisk tenkning, og utvikle plattformer som tar ansvar for å fremme et sunt og inkluderende digitalt samfunn. Nå er det fritt frem.

Lovgivere, eiere, plattformdesignere, og brukere må alle ta ansvar i denne transformasjonen. Ved å innføre reguleringer som fremmer transparens rundt algoritmer, kan lovgivere bidra til å dempe spredningen av skadelig innhold. 

Plattformdesignere må prioritere etikk like høyt som engasjement, mens brukere må praktisere kritisk tenkning og støtte ansvarlige plattformer. Sosiale medier har potensialet til å være en kraft for det gode, men for å realisere dette potensialet må vi alle være bevisste på de mørke skyggene. At X mister annonsører og brukere, tyder på at mange opplever X som en søppelplass.

LLMs Will Change Jobs, Not Just Tasks.

Credits: Calum Heath

There is no doubt that the rise of Artificial Intelligence (AI) tools is poised to have a profound impact on the job market. A recent New York Times article, "The Worst Part of Wall Street Career May Be Coming to an End," argues that AI is set to replace a significant portion of entry-level white-collar work on Wall Street. This signifies a shift beyond just automating specific tasks; AI has the potential to fundamentally change the types of jobs available.

This aligns with the concept of Large Language Models (LLMs) impacting entire jobs, not just individual tasks within them. Ethan Mollick, a prolific writer, an expert on LLMs, and a professor at the Wharton School, University of Pennsylvania, explains in his book «Co-intelligence. Living and working with AI» that there are three types of tasks:

• "Just me tasks" are tasks that only I can do and where the LLM can directly assist or replace the human's work, such as writing and composing.
• "Delegated tasks" are tasks where a human needs to check the LLM’s output and make the final call like editing a text.
• "Automated tasks" are tasks where the LLM can do a better job at finding facts, summarizing information, coding, or handling routine communications.

This raises an interesting question: How do we build expertise in a world where LLMs are increasingly capable of handling a wide range of tasks? Mollick argues that expertise is a function of several factors, including basic knowledge, active working memory, the ability to connect historical dots, deliberate practice, and having a mentor who can provide feedback.

The emergence of LLMs as potential "mentors" available at all times rather than by appointment, is an intriguing prospect. However, it is crucial to remember that LLMs are ultimately prediction machines, guessing the next word based on context. Consequently, several tasks still require human judgment for important decisions and to avoid potential inaccuracies or plain errors. The implication is that expert input will be in high demand.

As AI continues to advance, the impact on jobs and the job market will be significant. Rather than fearing the rise of LLMs, we should explore how to best harness their capabilities while maintaining the essential role of human expertise and decision-making. By understanding the different types of tasks and the factors that contribute to building expertise, we can adapt and thrive in this rapidly evolving landscape.

Elon Musk: en visjonær gründer?

Elon Musk har snakket med Nicolai Tangen på Tangens podcast "In Good Company" 9 april og formidlet gjennom Musks egen teknologiplattform X. Til tross for tekniske utfordringer, prøvde jeg å danne meg et inntrykk av Musk, hans tanker og visjoner. Hvordan kan vi beskrive en slik personlighet og hva kan vi lære, om noe, av han og hans tenking? Her er mine «five-cent» oppsummeringer.

Konklusjon:

Jeg anser Elon Musk, med alle hans feil, som en visjonær leder med et klart, ambisiøst og tidvis kontroversielt perspektiv på fremtiden for teknologi, samfunn og menneskelig sivilisasjon. Hans syn dekker et bredt spekter, fra kunstig intelligens og kolonisering av Mars til elektriske kjøretøy og sosiale medieplattformer. 

Visjon og futurisme

Musks ambisjoner om kunstig intelligens og Mars-kolonisering er godt dokumentert og representerer hans grensesprengende visjon. Hans selskaper, Tesla og SpaceX, har tatt betydelige skritt mot disse målene. For eksempel har Tesla ledet an i overgangen til elektriske kjøretøy, mens SpaceX har lansert bemannede romfartøyer til Den internasjonale romstasjonen (ISS) og utviklet Starship for fremtidige Mars-misjoner.

Lederskapsstil

Musks lederskapsstil er preget av en høy toleranse for risiko, en utrettelig søken etter innovasjon, og en unik tilnærming til feil. Det har vært rapportert om Musks krevende lederskapsstil, som noen ganger kan virke kontroversiell. Arbeidsmiljøet i hans selskaper er ofte beskrevet som intens, med høye forventninger til ansatte. Musk selv har åpent diskutert sin arbeidsmoral og kravene han stiller, noe som har vært både kritisert og beundret.

Etiske og samfunnsmessige hensyn

Musk har vært en talsmann for regulering av AI, men hans ledelse av X (tidligere Twitter) har vært under intens offentlig og mediegranskning, spesielt knyttet til håndtering av innhold og brukerengasjement. Det er viktig å skille mellom hans personlige visjoner for teknologiens etikk og de faktiske resultatene av hans selskapers politikk og praksis.

Innovasjon og motstandskraft

Musks karriere er et testament til hans motstandskraft og innovasjonskraft. Suksessen med SpaceX etter flere tidlige feilskjær, og Teslas innvirkning på bilindustrien, underbygger hans evne til å omgjøre visjonære ideer til realitet, til tross for betydelige hindringer.

Personlige Innsikter

Musks interesse for strategiske videospill avslører hans pasjon for kompleks strategisk tenking og forståelsen av teknologi og sivilisasjonens samspill. Men hans ulike utspill, kommentarer, og handlinger vitner ofte om manglende konsekvensforståelse.

Konklusjon: Genial Visjonær eller Galskap?

Å kategorisere Elon Musk enten som en "genial visjonær" eller som "gal" er en forenkling av en svært sammensatt figur. Hans ambisiøse prosjekter og tilnærminger har utvilsomt vært polariserende, men også transformative for industrier og samfunn.

Frontfagsmodellen må moderniseres

Frontfagsforhandlingene mellom NHO Norsk Industri og LO Fellesforbundet har i nesten 60 år tjent oss godt som et rammeverk for bærekraftig lønnsvekst i Norge. I en artikkel fra Idunn, skriver man om bakgrunnen for det som ble kalt Hovedkursteorien.

"I det såkalte Arntsen-utvalgets innstilling (NOU 1999:14, s. 7) heter det:

For å sikre at den samlede lønnsutviklingen i økonomien blir tilpasset hensynet til konkurranseutsatt sektor, er det et sentralt element i Aukrust-modellen at konkurranseutsatt sektor slutter lønnsavtaler først og at lønnsveksten i de skjermede delene av økonomien tilpasses dette. Dette har vært mønsteret ved de fleste lønnsoppgjørene i Norge de siste 30 årene."

I dag vil mange si at den tradisjonelle inndelingen mellom en skjermet sektor (tjenester) og konkurranseutsatt sektor (industri) er utdatert. Den digitale tjenesteøkonomiens størrelse (nesten 80% av fastlands Norges BNP) og unike trekk (født globale) understreker behovet for en mer fleksibel og fremtidsrettet lønnsdannelsesmodell. Men noe skjer.

Årets frontoppgjør på +5,2 prosent lønnsøkning har allerede nå utløst krav fra blant annet lærere og sykepleiere (skjermet sektor) om lønnskrav utover 5,2 prosent. Det er interessant å legge merke til at det som ble det maksimalt ansvarlige for konkurranseutsatt sektor, er minimums nivået for ansatte i skjermet sektor. Da har vi en situasjon hvor halen vifter hunden.

Når en voksende andel digitale tjenestyrende virksomheter konkurrere globalt, må Hovedkursteorien og forhandlingspraksisen følge etter. I dag er en vesentlig del av konkurranseutsatt sektor nektet plass ved forhandlingsbordet. Å si at Gelato, Cognite, Veritas, eller Autostore lever et skjermet norsk konkurranseliv, faller på sin egen urimelighet.

En reform av frontfagsmodellen er derfor påkrevet. En oppdatert modell bør ikke bare gjenspeile den økende viktigheten og konkurransen i den digitale tjenestesektoren, men også ta hensyn til de eksterne økonomiske forholdene som påvirker norsk eksport industri hvor aktørene i liten grad kan påvirke prisen eller etterspørselen og hvor lønnsomheten i liten grad skyldes egen produktivitetsvekst. Mye tyder på at vi i dag ikke måler produktivitet riktig.

Dersom vi utvikler og innpasser nye målemetoder av produktivitet og verdiskaping, tilpasset en digital tjenesteøkonomis særegenheter, kan en oppdatert Hovekursteori sikre en mer bærekraftig og rettferdig lønnsvekst - slik vi alle ønsker.

På samme måte som vi fikk på plass en mer bærekraftig pensjonsreform må vi få på plass en reform av frontfagsmodellen. Reformen vil kreve et tett samarbeid mellom alle parter i arbeidslivet for å utforme en ny Hovedkursteori som er sterk nok til å håndtere dagens globale og digitale utfordringer. Som kjent er det ingenting som er så praktisk som en god oppdatert teori

Sbanken-opprør i DNB - igjen!

 

DNB står midt i et selvpåført kundeopprør. Voksende sinne blant Sbankens-kunder signaliserer dype problemer med bankens kundesyn, forretningspraksis, og et fallende omdømme.

DNB befinner seg midt i et nytt kundeopprør, en situasjon som direkte springer ut fra bankens egne valg og handlinger. Kunder av Sbanken, som en gang ble forsikret om en lysere fremtid under DNBs vinger – med løfter om beskyttelse og et ønske om å lære av Sbankens suksesser – gir nå uttrykk for sin dype frustrasjon åpent. Forsterket av sosiale medier, viser kundenes misnøye betydelige mangler ved DNBs tilnærming til kundeservice, innovasjon, og deres overordnede forretningsstrategi. Bankens omdømme har kommet under angrep.

Etter overtakelsen av Sbanken, har kundene møtt en forverring av tjenestetilbudet som strekker seg fra fjerning av Apple Pay og nedleggelse av nettbank, til økte kostnader for indeksfond, problemer med VPS-overføringer til andre banker, og nylig, utestengelse fra egne konti ved etablering av en ny mobilapp. Disse problemene, sammen med Røeggen-saken som et dystert minne, understreker en vedvarende problematikk hos DNB.

Data fra Norsk kundebarometer (BI) og Norsk innovasjonsindeks (NHH) peker mot en bank som har mistet grepet om sine kunders behov og tillit. DNBs vedvarende bunnplassering i sin bransje, avslører en mangel på innovasjon og kundetilfredshet, noe som reiser spørsmål ved bankens evne eller vilje til å innse og rette opp i sitt kulturproblem.

Den mislykkede integrasjonen av Sbanken, tidligere kjent for sin kundeorientering, innovative tilnærminger og brukervennlige IT-løsninger – faktorer som bidro til at banken jevnlig toppet listene i Norsk kundebarometer og Norsk innovasjonsindeks – har utløst et nytt opprør blant kunder som en gang var tilfredse. Denne økende misnøyen, tydelig gjenspeilet i media og på sosiale medier, bør tjene som et umiskjennelig "code red"-signal for DNBs ledelse. I sum indikerer dette en dyp kundekrise som krever øyeblikkelig oppmerksomhet og handling.

Dette handler ikke om små justeringer eller kosmetiske endringer som en bedre chatbot i kundeservice, AI-rådgiver ved investeringer, eller appfunksjonalitet. Dette krever en gjennomgang av hvordan DNB opererer, kommuniserer og innoverer. Med andre ord en gjennomgang av kulturen som grunnlag for hvordan de skaper, leverer og fanger verdier på. Banken må gjenoppdage sin kjernevirksomhet: å tjene kundene sine. Dette krever en kulturforandring fra toppen og ned. Historien viser at det er nok av saker å lære av. I etterpåklokskapens klarsyn kan man spørre, hva kunne vi gjort annerledes før, under, og etter kundeopprørene?

Til Sbanken-kundene sier jeg: Det er på tide å stemme med føttene og ta pengene til en annen bank. I en verden hvor alternativene er mange og bytte av bank er enklere enn noen gang, bør ikke lojalitet være en ensidig forpliktelse. Hvis en bank ikke kan møte dine behov, verdsette din forretning, eller ikke behandler deg med den respekten du fortjener, er det på tide å finne et nytt finansielt hjem.

DNB kan velge å lytte og lære eller de kan fortsette som før. Dersom historien kan si noe om fremtiden, viser dessverre data fra Norsk kundebarometer og Norsk innovasjonsindeks over tid, ingen endring i DNBs prestasjoner. En grunn kan være at størrelsen gjør at de ikke bryr seg og fordi de vet at for få kunder skifter bank. Da gir konklusjonene seg selv: det på tide å handle.

Språkmodeller kan snart ressonere. Bør vi juble?

Vi er ett skritt nærmere Generell Kunstig Intelligens (GKI). Ifølge Financial Times er OpenAI og Meta bare dager unna å slippe nye versjoner av sine store språkmodeller (LLM) som kan resonnere og planlegge.

Store Språkmodeller (LLM) som GPT-5 og Llama 3 får medieoppmerksomhet for deres gjennombrudd for resoneringsferdigheter. Dette er et vesentlig bidrag til utvikling, men betyr det at bekymringer rundt AI-skjevheter og etikk tilhører fortiden? La oss analysere.

OpenAI og Metas nylige gjennombrudd antyder at LLM nå kan håndtere "vanskelige problemer." Dette refererer til deres evne til å prosessere informasjon og komme til logiske konklusjoner, noe som etterligner menneskelig resonnement til en viss grad. Dette er en stor sak fordi dagens LLM utmerker seg på spesifikke oppgaver, men sliter med bredere forståelse og bruk av logikk.

Men det er en hake: selv-resonerende LLM arver skjevheter fra dataene de er trent på. Hvis dataene inneholder samfunnsmessige fordommer, vil AI reflektere disse skjevhetene i sine resonnementer. Forestill deg en LLM trent på hovedsakelig nyhetsartikler – den kan videreføre stereotypier hvis disse artiklene i seg selv er skjevhet.

Evnen til å resonnere kan til og med forsterke skjevhet. En skjev LLM kan være bedre til å veve tilsynelatende logiske argumenter basert på feilaktige antakelser. For eksempel kan en LLM trent på skjevhetshistoriske tekster "resonnere" at en viss rase er underlegen, selv om dataene selv er feil.

Så, resonerende LLM er ikke en universalløsning for skjevhet. Vi trenger robuste etiske rammeverk for å sikre at disse kraftfulle verktøyene brukes ansvarlig. Dette inkluderer: 

• Data Granskning: Nøye utvelgelse og vurdering av treningsdata for å minimere skjevhet. 

• Transparens: Forstå hvordan LLM kommer til sine konklusjoner og flagging av mulige skjevheter. 

• Menneskelig Tilsyn: Å holde mennesker i løkken for å sikre at AI-utdata er etiske og i tråd med menneskelige verdier.

Resonnerende LLM er et betydelig steg fremover, men problemer knyttet til skjevheter eller etiske bekymringer forblir uløst. Derfor må vi være forsiktige optimister, og utnytte disse fremskrittene på en ansvarlig måte for å sikre at AI tjener menneskene på en menneskevennlig måte.

Mot en reorientering av Norsk AI-satsing

Norsk AI-satsing står ved et veiskille, presset av global konkurranse og en skiftende forskningslandskap. For å sikre Norges plass i det internasjonale AI-kappløpet krever dette en omlegging fra AI-invensjon til AI-innovasjon.

Den harde realiteten er at tech-industrien i 2022 produserte 32 betydelige maskinlæringsmodeller, en markant økning sammenlignet med akademiske bidrag på bare tre. I 2014 var universitetene ledende innenfor AI-innovasjon, ifølge en Stanford-rapport. 

En vesentlig årsak til dette skiftet er at teknologiselskaper som Google, Microsoft, Amazon og OpenAI tiltrekker seg topp talent fra akademia, etablerte som nye forskere, ved å tilby lønninger i millionklassen og tilnærmet ubegrenset tilgang på data og kraft. Tilgang på datakraft er grunnleggende for å drive AI-utviklingen.

Dette skiftet fører til minst tre viktige konsekvenser for Norge. For det første, med teknologigiganter som setter retningen for AI-utviklingen, vil norsk forskning sannsynligvis bli presset mot mer perifere områder innen AI-feltet. Dette innebærer at standard AI-løsninger som CoPilot, ChatGPT, Bing, Gemini, og andre snart kan bli vanlig tilgjengelig hyllevare, og reduserer dermed rommet for banebrytende forskning innenfor grunnleggende AI-teknologi i Norge.

For det andre understreker dette behovet for en strategisk reorientering for Norge og AI-minister Tung: vi må flytte fokus fra å utvikle banebrytende AI-teknologi (invensjon) til å bli ledende i bruken av AI (innovasjon). Dette betyr å omfavne og innpasse eksisterende AI-teknologier i ulike sektorer for å skape økonomisk verdi. Det oppfordres til et sterkere forskningsfokus på AI i virksomheter, drevet av målet om raskere omstilling, økt verdiskapning, innovasjon, og kommersialisering. Ved å utnytte AI i næringslivet, helsevesenet, utdanning og andre områder, kan Norge ikke bare forbedre nasjonal produktivitet og velferd, men også oppnå en sterkere posisjon på den globale arenaen.

For det tredje, er trenden der AI-selskaper lokker talenter vekk fra akademia med lukrative lønninger og tilgang til ubegrenset datakraft, kommet for å bli. Det er bekymringsfullt fra et samfunnsperspektiv. Mens næringslivets investeringer er avgjørende for å drive AI fremover, reiser en dominans av forskning innenfor privat sektor noen viktige problemstillinger.

Potensial for smalere forskningsfokus: Næringslivets AI-fokus på profitt kan begrense bred forskning, skape ubalanse og nedprioritere grunnleggende studier til fordel for kortsiktige prosjekter.

Mangel på offentlig tilsyn: Dominans av selskaper som Google og Microsoft i AI-forskning reduserer eksternt innsyn og begrenser offentlig kontroll, i motsetning til akademias åpenhet.

Etiske blindsoner: Profittjag kan overskygge etiske hensyn og sosial ansvarlighet i AI-utvikling, et område hvor akademia kan tilby mer objektiv undersøkelse.

Monopolisering av talent: En konsentrasjon av AI-talenter i store tech-selskaper begrenser tilgjengelighet og mangfold, og skaper et lukket økosystem.

Trussel mot allmennyttig forskning: Når universiteter mister AI-talenter, risikerer samfunnet å miste ut på ikke-kommersielle innovasjoner og tverrfaglig kunnskapsdeling.

Av dette trekker jeg to lærdommer. For det første, må Regjeringen satse mer seriøst på AI forskning og gevinstrealisering. Vi må innse at «Norges AI-milliard» fordelt over fem år på flere sentre, er som en dyr lunsj å regne. 

For det andre, mens en livskraftig privat AI-sektor er avgjørende, er det grunn til bekymring hvis vektskålen tipper for mye bort fra akademia. Så langt ser vi at kombinasjonen av lønninger, data- og utviklingskostnader gjør at akademia henger etter. En akademisk sektor som henger etter private aktører må få Næringsminister Vestre og AI-minister Tung til å tenke annerledes og redefinere sin AI-strategi.

Sosialt entreprenørskap mot ensomhet.

Ensomhet har vokst til en global "stille epidemi" med alvorlige konsekvenser for individets helse og velvære. Ifølge Psychology Today er ensomhet definert som ubehaget man føler når det er en betydelig forskjell mellom ønskede og faktiske sosiale forbindelser. Det er en tilstand som ikke diskriminerer basert på kjønn, alder, rase eller geografi.

En nylig Gallup-studie, som dekker 70 prosent av verdens befolkning, viser en høy forekomst av ensomhet - spesielt blant unge voksne. I Norge viser data fra SSB at 23 prosent av unge voksne og mer enn hver fjerde kvinne og hver femte mann opplever sterk ensomhet.

Det offentlige gjør mye for å bekjempe ensomhet, men ressursene er ikke alltid tilstrekkelige eller tilpasset behov. Her har sosialt entreprenørskap en viktig rolle, ved å tilby innovative løsninger som strekker seg utover tradisjonelle metoder. 

Sosialt entreprenørskap representerer en unik tilnærming til sosiale utfordringer ved å kombinere innovasjon, ressursfullhet og en dyp forståelse for samfunnets behov. Disse sosiale virksomhetene streber etter å utvikle bærekraftige løsninger som adresserer årsakene til komplekse problemer som ensomhet. I stedet for å søke profitt, er målet å skape sosial verdi og varig endring. Til tross for dette opplever de mistenkeliggjøring og utfordringer som finansiering og politiske barrierer.

I Norge har vi sett fremveksten av flere initiativer, hvor Ferd er sentrale for finansiering, som tar i bruk prinsippene for sosialt entreprenørskap for å håndtere ensomhet:

1. Nabohjelp er en digital plattform, utviklet av OBOS, som er lastet ned av over 100 000 mennesker. Appen skal gjøre det enkelt å be om hjelp fra naboer og andre i den umiddelbare nærhet, men også kunne tilby hjelp og dele ting som skjer i nabolaget. 

2. Mental Helse Ungdom setter søkelys på mental helse og bekjemper ensomhet blant unge mennesker. Med tjenester som en anonym nettprat for ungdom, samt organisering av sosiale møter og aktiviteter, tilbyr de en plattform der unge kan dele sine erfaringer og følelser trygt, og finne fellesskap og støtte.

Plattformløsninger som AmityApp viser hvordan teknologi kan brukes til å knytte mennesker sammen på nye måter. På den analoge fronten, har Røde Kors og andre NGOer programmer som fremmer direkte samvær og fellesskap. Eksempler fra utlandet inkluderer BridgeBuddies og Hybrid Hangouts og viser løsninger som kombinerer teknologisk bekvemmelighet med fysisk nærhet. I tillegg til digitale og fysiske møteplasser, kan man også benytte nye teknologier som digitale tvillinger, chatbots, og service roboter. Poenget er at med nye teknologier kan vi få nye aktører og løsninger for sosial tilknytning. Målet er å gjøre godt for dem som ikke har det godt.

For å øke sosialt entreprenørskap bør lovgivere støtte dette gjennom offentlig-private partnerskap, skattefordeler og forutsigbarhet, slik at sammenkoblede ressurser og kunnskap kan skape innovative løsninger mot ensomhet. Privat-offentlig samarbeid er essensielt for bærekraftige, samfunnsnyttige resultater

Hvordan få større utbytte av AI?

Over ett og et halvt år etter lanseringen av ChatGPT ser vi at bedriftsledere primært benytter AI-teknologien for komponentinnovasjon, det vil si forbedringer innenfor eksisterende forretningsrammer.

 

Dette er det samme som å forbedre enkelte deler av en eldre bil, i stedet for å tenke en total omstrukturering av bilens design. 

Ifølge Professor Rebecca Henderson fra Harvard Business School, er komponentinnovasjon opptatt av inkrementelle forbedringer av bestemte systemdeler, uten å ta for seg den overordnede strukturen. Mens slike tiltak kan øke effektiviteten i visse oppgaver, overser de muligheten for mer omfattende forretningsmodellinnovasjoner som er en arkitekturinnovasjon.

Hvis ledere i større grad tenker arkitekturinnovasjon – et konsept Henderson fremhever – kan dette lede til et grunnleggende redesign av hvordan en bedrift opererer. Eksempler fra fortiden, som bilindustriens tilpasning til Teslas innovative modeller, eller BlackBerry-ledernes underestimering av iPhone på grunn av dens manglende fysiske knapper og store skjerm, illustrerer hvordan arkitekturinnovasjon kan redefinere markedsstandardene og stille etablerte bedrifter overfor nye utfordringer.

For øyeblikket anvender de fleste ledere AI og GenAI for å oppnå mindre komponentforbedringer i forskjellige deler av virksomheten, som forbedringer i kundeservice eller effektivisering av arbeidsprosesser. Disse initiativene er positive, men de realiserer ikke det fulle potensialet som ligger i GenAI. I banksektoren kan for eksempel GenAI brukes til å transformere risikostyring og automatisere rutinemessige oppgaver. 

Fordi AI og GenAI har i seg en omstillingskraft vi aldri tidligere har opplevd, er det avgjørende at ledere ikke bare justerer eksisterende systemer, men revurderer og omdefinerer hvordan deres organisasjoner, varer og tjenester fungerer i sin helhet.  Vi snakker om nye måter å skape verdier på. Ved å utnytte AI og GenAI ikke bare for komponentinnovasjon, men i større grad å tenke arkitekturinnovasjon, kan ledere åpne for radikale innovasjoner som kan omforme deres industrier og skape nye verdier- noe Norge trenger mer av.

For å bistå ledere i denne krevende innovasjon- og omstillingsprosessen er det avgjørende å kanalisere en del av AI-investeringene mot forskningsmiljøer som fokuserer på ledelse og organisasjonsendring. Transformasjonen av næringslivet gjennom AI representerer mer enn teknologiske fremskritt alene; det handler også om å utnytte de økonomiske fordelene som radikal innovasjon kan bringe. Så langt har vi hatt større fokus på det første.

Terningskast-inflasjon og etikk

NRK har reist en sak om som innvolverer Nicholai Ramm sitt show på Latter og som vi nå kan kan kalle "Terningkast-gate" hvor tilliten til terningkast som uttrykk for kvalitet, angripes. Den fikk enda større oppmerksomhet i dag med nytt NRK.no oppslag.

 Blanding av kommersielle interesser og vennskap er ingredienser i denne "Gate-saken". Her er mine tanker om saken, etter at NRK fulgte opp med et enda større bevismateriale som underbygger "Terningskast-gate".

Terningkast og kvalitet

Hvis en plakat viser en terning med seks øyne, betyr det at showet har mottatt toppvurderinger. Dette brukes som et markedsføringsverktøy for å tiltrekke publikum ved å vise at showet har mottatt positive anmeldelser.

Bruken av av terningene og de høye scorene kan brukes for å understreke kvaliteten og suksessen til de forskjellige showene, og dermed oppmuntre flere mennesker til å kjøpe billetter. Det er en direkte måte å kommunisere showets popularitet og aksept i samfunnet, noe som kan være spesielt overtalende for de som er usikre på om de skal delta eller ikke.

Bruken av terningkast i markedsføring, spesielt når det kommer til scenekunst som de nevnte forestillingene, bærer med seg en implisitt forståelse av objektivitet og uavhengighet i anmeldelser. 

Etikk og moral

Når en kjent radiovert fra Radio Norge, Øyvind Loven, ifølge NRK, anmelder forestillinger produsert av et selskap tilknyttet hans egen manager og bestevenn, oppstår det flere problemstillinger relatert til troverdighet og interessekonflikter.

1. Interessekonflikter Den mest åpenbare problemstillingen her er potensiell interessekonflikt. Når en anmelder har personlige eller profesjonelle forbindelser til de han anmelder, kan det oppstå spørsmål om hans evne til å være objektiv. Selv om Loven skulle være helt ærlig i sine vurderinger, kan publikums oppfatning av hans troverdighet svekkes på grunn av hans forbindelser.

2. Troverdighet og Objektivitet: I media og kritikk er tilliten til anmelderens objektivitet grunnleggende. Hvis publikum føler at anmeldelser er farget av personlige relasjoner, kan det underminere tilliten ikke bare til individuelle anmeldere, men også til plattformene de representerer. Dette kan føre til en generell skepsis til mediaproduserte vurderinger.

3. Markedsføringsvirkning: Når positive anmeldelser brukes som en del av markedsføringsmaterialet, som i tilfellet med terningkast på plakater, blir troverdigheten av disse vurderingene spesielt viktig. Hvis publikum mistenker at anmeldelsene er resultatet av nepotisme snarere enn ekte kvalitet, kan det føre til en backlash mot både showene og anmelderne.

4. Etiske retningslinjer og standarder: Denne saken kaster lys over behovet for klare etiske retningslinjer og standarder innen journalistikk og anmeldelser. Det understreker viktigheten av åpenhet om mulige interessekonflikter og behovet for redaksjonelle retningslinjer for å håndtere slike situasjoner.

For å opprettholde troverdighet, bør anmeldere og mediehus jobbe for å være transparente om sine relasjoner og sikre at alle anmeldelser er basert på objektive kriterier. I tilfeller der det er en klar interessekonflikt, bør anmeldelser enten unngås, eller det bør tydelig angis at det eksisterer personlige eller profesjonelle bånd som kan påvirke bedømmelsen. Dette er avgjørende for å opprettholde publikums tillit og sikre integriteten til kunstkritikk og journalistikk.

«Milton Friedman: The last Conservative» - a book review

In "Milton Friedman: The Last Conservative," the author delves into the intricate life and profound legacy of one of the most influential economists of the 20th century. The man known for the «Shareholder first doctrine». 

Friedman, born in 1912 to working-class immigrants, rose from modest beginnings to become a leading figure in the field of economics. His academic prowess and rigorous approach to economic analysis earned him a Nobel Prize, cementing his importance in the discipline.

Friedman's advocacy for free markets, minimal government intervention, and a volunteer military distinguished him as a pivotal voice in economic thought. His theories reshaped global economic policies, particularly his concept of monetarism, which challenged the prevailing Keynesian model.

However, Friedman's staunch support for laissez-faire capitalism and his advisory role in Chile under Pinochet's regime sparked considerable controversy. Critics accused him of valuing market efficiency over human rights, a debate that persists in academic circles.

Today, Friedman's legacy remains a topic of heated discussion. While some laud his contributions to free-market economics, others critique his approaches to social policy and income distribution. Nonetheless, his impact on the field of economics is undeniable, influencing policy debates and the direction of economic thought well into the 21st century. "Milton Friedman: The Last Conservative" offers a comprehensive look at the man whose ideas continue to provoke and inspire, providing valuable insights into the complexities of modern economic theory.

As the shareholders have been defined as just one of many important stakeholders, Friedman’s doctrine has developed into a Stakeholder doctrine.

Regulering av AI: EØS redder oss igjen

Bilde: Hobsworks.ai

Publisert som innlegg i Finansavisen 1. januar 2024.

Digitaliseringsminister Karianne Tung kan ikke sette reguleringsarbeidet av AI ut til EU. Hun må være en pådriver og ikke en gratis-passasjer.

Ifølge norsk AI strategi fra 2020 er ambisjonen at «Norge skal ta en ledende posisjon i anvendelse av kunstig intelligens, spesielt innenfor områder der vi allerede har gode forutsetninger og sterke miljøer». At Digitaliserings-minister Karianne Tung tiltrådte sent 2023, sier litt om Norges fremdrift og bidrag til regulering. 

Fordi beslutningene om hvordan man skal utvikle og anvende AI vil påvirke samfunnet, kan man ikke overlate beslutningene til private AI-aktører alene. På samme måte som tobakk-, og olje- og gassindustrien forholdt seg til lungekreft og klimaendringer, kan vi ikke stole på at profittorienterte AI-selskaper tar hensyn til de samfunnsmessige konsekvensene av sin aktivitet. Til det står for mye penger på spill. Derfor må AI-selskapene underkastes et reguleringsregime. Derfor må Karianne Tung øke innsatsen.

EU har nettopp vedtatt en egen AI Act - et arbeid Norge vil nyte godt av gjennom EØS-avtalen. Her har lovgiverne blant annet vært opptatt av å regulere de risikofylte bruksområdene av AI, spesielt i rettshåndhevelse og kritiske tjenester som vann- og energiforsyning. De foreslåtte reguleringene vil inkludere krav om transparens for skapere av store AI-systemer, som de som ligger bak ChatGPT. I tillegg vil innhold som er skapt av AI, som chatbots og deepfakes, måtte opplyse om deres AI-opprinnelse.

Som medlem av EØS er Norge forpliktet til å overholde prinsippene og kravene i EU AI Act. Det endrer ikke behovet for at digitaliseringsministeren må ta grep for å regulere AI slik at den er i tråd med menneskehetens mål. Norge bør gå lenger enn EU. 

Norge har noe fleksibilitet i hvordan vi gjennomfører EU-direktiver. Dette betyr at Norge kan gå lenger enn minimumskravene i EU AI Act og etablere strengere reguleringer for AI i Norge. For eksempel kan Norge kreve at AI-systemer gjennomgår mer strenge testings- og godkjenningsprosesser, eller at AI-systemer er underlagt mer regelmessige revisjoner og kontroller.

I tillegg kan Norge også ta grep for å supplere EU AI Act med sin egen nasjonale lovgivning. Dette kan innebære å vedta tilleggslover eller forskrifter som tar for seg spesifikke problemstillinger som ikke er tilstrekkelig dekket av EU AI Act. For eksempel kan Norge vedta lovgivning for å beskytte personvernet til enkeltpersoner i forbindelse med bruk av AI, eller for å sikre at AI-systemer ikke diskriminerer mot visse grupper av mennesker. Et eksempel er Datatilsynet som sammen med sin søster organisasjon i Irland, har ilagt Meta et overtredelsesgebyr på 390 millioner euro i forbindelse med brudd på atferds-basert markedsføring.

Regulering av AI er en kontinuerlig prosess som krever aktiv deltakelse fra alle sektorer i samfunnet, inkludert politikere, næringsliv, akademia og sivilsamfunnet. Gjennom samarbeid og dialog kan vi sikre at AI utvikles og anvendes på en måte som tjener menneskehetens beste interesser. La oss ikke glemme at de aller fleste doktorgrads-kandidater innen STEM-fagene akseptere lukrative stillinger i private AI-selskaper. Konsekvensen er at det offentlige som skal regulere, blir underbemannet med slik kompetanse.

I denne katt og mus-leken mellom teknologisk innovasjon og regulering, er det ikke tilstrekkelig å holde tritt. Vi må lede utviklingen med velinformerte, visjonære og handlekraftige politikere som står mot presset fra globale AI-selskaper.

Digitaliseringsminister Karianne Tung kan ikke tillate seg å sette reguleringsarbeidet ut til EU. Hun må engasjere seg og være en pådriver – ikke en gratispassasjer.