Jag hade den stora glädjen att delta i AI for the Rest of Us i London. Konferensen var en inspirerande blandning av perspektiv och erfarenheter som gjorde varje session värdefull. Vi började med en snabbkurs i grunderna, och därefter fick vi friheten att utforska och fördjupa oss i de spår som kändes mest relevanta. Här fanns DevOps, Strategi, till ansvarsfull AI.

Under dessa två fantastiska dagar har jag träffat så många otroliga människor från olika områden och fyllt min anteckningsbok med kloka insikter och en växande lista av idéer. Detaljerna var enastående – från mellanmålsbarer till de kreativa klistermärkena som signalerade vår sociala öppenhet. Som en ”kom gärna och säg hej”-person var det härligt att se människor ta kontakt och jag har så många nya kompisar att prata AI med.

För er som inte kunde delta har jag samlat mina highlights och lärdomar från konferensen. Men först ett stort tack till hela konferensteamet för er omsorg, energi och engagemang. Ni skapade en oförglömlig upplevelse, och jag lämnade dagen ny kunskap och ett hjärta fullt av tacksamhet för upplevelsen. Jag ser fram emot vad som kommer härnäst och att fortsätta samtalen på LinkedIn.

Här är några av de många kloka saker de fantastiska talarna delade med sig av under AI for the rest of Us:

• Det finns stora möjligheter för icke-tekniska personer att hjälpa företag implementera AI redan nu. Så länge du har branscherfarenhet kan du lägga till tekniken som ett lager ovanpå för att identifiera hur man kan utföra vissa uppgifter enklare eller skapa värdefulla insikter från stora mängder data.
  
  
  
• Om du kan skriva en brief, kan du skriva en prompt för en LLM (large language model). Det är verkligen så enkelt. Och om du inte kan vara specifik och beskriva vad du vill uppnå, för vem eller beskriva en specifik uppgift, då bör du inte vara orolig för att AI ska ta ditt jobb – du bör snarare vara orolig för andra människor tar ditt jobb.
  
  
  
• “Agentic AI” är det nya buzzwordet och är här för att förstärka människors förmågor. Vi kan nu bygga team av AI-enheter som löser specifika uppgifter.
  
  
  
• Det finns enorma möjligheter för marknadsinsiktssektorn att använda AI-lösningar för att öka hastigheten på att producera korrekta analyser och snabbare bearbeta stora mängder data. För att ställa rätt frågor och leverera värde i en snabbföränderlig värld.
  
  
  
• Det bästa citatet från konferensen: “AI without direction is a road to nowhere” – Jessica Hall, Just Eat Takeaway.com.

Färdigheter och organisationer kopplat till AI 

• En ny färdighet som vi behöver utveckla är LQ, förmågan att anpassa sig, lära, avlära och åter lära sig något.
  
  
• Conways lag – Organisationsstruktur påverkar vad ett företag kan skapa. Och den ökande efterfrågan på M-kompetenta personer, som har erfarenhet inom flera områden och kan göra kopplingar mellan democh leverera större värde.
  
  
• Dave Rogers från Snyk, påminde oss om att vi tillämpar AI i ofullständiga sammanhang, dvs. i organisationer och att vi bör ta det i beaktning när vi implementerar AI.
• Vi behöver skickliga människor för att arbeta med AI, inte bara verktyg. – Martina Hodges-Schell.

Viktiga frågor som jag sparat från mina anteckningar för att hjälpa oss navigera implementation av AI:

• Hur kan vi skapa en människostyrd transformation? – Lawrence A., Vodafone.

• I den LLM-craze som vi beginner oss i. Hur väljer vi rätt modell för våra use-cases bortom en LLM? Lisa Beckers checklista för att välja rätt modell:
• • Vilket problem försöker vi lösa?
  • Har vi rätt data?
  • Vilka är beräknings- och kostnadsgränserna?
  • Hur snabbt behöver vi lösningen?
  • Behöver intressenterna förstå modellens beslut? (En LLM är en svart låda in till vilket vi inte har insikt alls)
    
    
• Var kan man hitta modeller? Utforska Huggingface.

• En annan hjälpsam fråga för att identifiera hur du kan använda AI i ditt företag är att fråga dig själv: Hur kan jag spara 5-10 timmar i veckan åt mig själv och mina kollegor?
  
  
  
• När vi bygger lösningar och teknik: Vilken kunskap räknas? Och värdesätt människorna som använder tekniken (ett måste att läsa: Studying Those Who Study Us av Diana E. Forsythe) – Lianne Potter.
  
  
• Har vi läst terms and conditions för den programvara vi använder? Vem äger det som vi får ut av en modell? Värt att tänka till på avseende val av verktyg.