Velkommen til LØRN.Tech - en læringsdugnad om teknologi og samfunn med Silvija Seres og venner.

Silvija Seres: Hei og velkommen til LØRN, serien i samarbeid med Universitetet i Oslo som introduserer kurset fra data til innsikt. Jeg er Silvija Seres, gjesten min i dag er Liv Dingsør fra Digital Norway. Jeg skal bare veldig kort si noen få ord om serien før vi to starter samtalen vår. Denne serien med Universitetet i Oslo og Digital Norway som partnere lager vi for å inspirere folk til å delta digitalt og fysisk på et nytt mikroutdannings- videre opplæring eller utdanningstilbud som UiO setter opp med støtte fra Kompetansenorge. Det opplæringstilbudet er utrolig spennende strukturert fordi det dreier seg om seks til åtte moduler som gir to og en halv studiepoeng hver. Dette her er forskjellige aspekter ved kunstig intelligens og maskinlæring med spesiell vekt på det å forstå verdiskapingsevnen til data. Altså vi har snakket mye om at data er den nye oljen eller det nye gullet, men det å forstå næringslivet og forstå hvorfor er data den nye verdiskaperen og den nye oljen. Hvordan er den det for deres bedrift og hvordan skal de klokt anvende kunstig intelligens i deres bedrift er kjernen i målet med dette kurset. Dette kurset går nå som pilot i desember 2021 når vi gjør dette opptaket med Liv og er fulltegnet, men kommer til å gå flere ganger fremover og de av våre lyttere som synes det at både denne samtalen og andre samtaler i denne serien er spennende kan gå inn på kurssiden som vi deler link til på websiden til denne samtalen. Liv, har jeg oppsummert dette her sånn nogen lunde? 

Liv Dingsør: Det høres sånn ut, veldig bra. 

Silvija: Da setter vi to i gang. Liv, du leder Digital Norway og dere har forresten hatt en fantastisk flytting og feiring for ikke så mange uker siden. Så jeg må bare spørre om du kan si noen ord om det også. Så vi starter samtalen som vi alltid gjør og det er at jeg ber deg si noe kort om deg selv både faglig og personlig og om den flotte organisasjonen som du leder. Hvem er du? 

Liv: Jeg heter da Liv, og har ledet Digital Norway siden mai 2020 så startet som en coronaleder. Vi ble startet i høsten 2017 av en rekke fremoverlente aktører som egentlig handler om å ta ned barrierene for bredden av nærsynet. Så spesiell fokus på de små/mellomstore virksomhetene. Du nevnte at for et par uker siden åpnet vi Toppindustrisenteret som er det vi egt heter, men vi har liksom ikke hatt noe sted å bo før nå. Så nå har vi rett og slett flyttet inn der som en av det vi håper skal bli mange miljøer som skal hjelpe oss i fart inn i norsk næringsliv. Det er faktisk en fysisk lokasjon på Rebell det nye teknologihuset i Oslo hvor vi sitter i 16. Etasje. Gamle tv-verket, vi har jo Telenor som eier så det at vi er tilbake på the old turf det er litt stas. 

Silvija:

Du, dette stedet rebell. Det er veldig kult, og jeg vet ikke hvor mange som vet om det. Kan du bare beskrive sånn veldig kort hvor omtrent det er og kan man komme og besøke dere der?

Liv: Ja, absolutt. Der er dørene åpne, kanskje ikke akkurat nå fordi det er corona, men ellers er dørene veldig åpne hos oss. Rebell er et fantastisk miljø. Det er det gamle teknologihuset som har rett og slett bygget og utviklet sammen med Entra. Jeg vil kalle det et hus som er en delingskultur, et fysisk delingskultur. Så det er mange bedrifter som sitter der, men poenget handler egentlig om kunnskapsdeling. Jeg lurer på om det er 60 eller 70 fagmiljøer fra gamle teknologihuset som holder hus der og deler og jobber sammen på kveldstid. Det er en fantastisk aura av det å jobbe sammen på tvers og dele kunnskap. Akkurat som LØRN som vi liker. Så der føler vi oss veldig hjemme. Også jobber vi jo da tett med alle miljøene i landet, for det er jo poenget at vi skal se hvordan vi kan øke farten på den kunnskapsoverføringen fra de som sitter og gjør fantastiske ting regionalt, og de som gjør ting nasjonalt. Det er en fin mulighet for å koble miljøer enda tettere sammen. Få litt ekstra fart på ting. 

Silvija: Og dette her bygget om jeg ikke tar helt feil geografisk ligger omtrent mellom Edderkoppen teater og innkjøringen til Ibsentunnelen. 

Liv: Ja, under Universitetsgata 2.

Silvija: Super kult. Liv du må også si to ord om deg og snowboarding, for det synes jeg er så kult. 

Liv: Ja, det er kanskje litt annerledes. Jeg er vokst opp på Gol, Hallingdal og der enten råna du eller så drev du med idrett. Så da endte jeg med idretten, det var kanskje like greit. Da er jo snø en ganske naturlig ting å drive idrett på. Jeg holdt på med alpint lenge helt til jeg skjønte at jeg var en litt friere sjel en de greiene der, og fant snowboarden som en av de første jentene og det var en helt fantastisk kultur vil jeg si. Altså en ting er den frie leken og å utforske omgivelser på en helt annen måte enn det man kan på ski. Nå er det jo litt mer fritt på ski også, men det viktigste for meg var det kameratskapet blant oss som holdt på med dette og hvordan det var en utrolig kultur i heiebransjen. En ekte glede at man kan bli bedre sammen og det er noe jeg virkelig har tatt med meg. 

Silvija: Noe av det som har satt seg mest hos meg når jeg har hørt deg snakke om dette her, er hvordan det har påvirket deg som leder. Jeg har ikke tenkt så mye på det før, men når man driver med ekstremsport så tar man veldig mye risiko også heier man på sine største konkurrenter mens de også tar denne risikoen, og man klatrer når de får det til. Overføringsverdien av det til en tid og verden hvor vi alle sammen prøver å gjøre noe nytt og vanskelig, tar stor risiko og egentlig har stor fare for å mislykkes, men kan bare lykkes om vi støtter hverandre selv om vi har både konkurrerende og samarbeidende oppgaver. Det tror jeg er en så utrolig viktig måte å lede på. Det bildet du har derfra har vært veldig inspirerende for meg. 

Liv: Ja, så gøy. Ja men det er litt det samme som Toppledersenteret kommer fra. Dette med å konkurrere når du må samtidig som du samarbeider når du kan. Det er litt sånn vi må jobbe i Norge nå skal vi få det til. Også er det en annen ting med det med risikosport som har stått med meg og det er litt det å klare å skru av hodet det tiendelssekundet før du hopper ut på det hoppet som egentlig er for stort. At det vi nå må vi alle ut av komfortsonen tror jeg. Hvis det er en halfpipe og en issvuls så må du håndtere det der og da. Det får du ikke forberedt deg på. Så det der å våge mer og være mer modig og ta ting litt mer som det kommer det tror jeg er egenskaper som vi alle må ha med oss. 

Silvija: Ja, veldig veldig bra. Da tenker jeg at vi skal snakke litt om hvorfor folk fra næringslivet, kanskje folk som ikke har en IT-utdanning i bunnen bry seg om sånne kurs som vi snakker om her. Altså fra data til innsikt som i bunn og grunn snakker om hvordan skape kunstig intelligens verdi. Hva tenker du? 

Liv: Nei, det er noe med at ting er komplekst. Det er veldig mange ting som henger sammen, litt som symbiose i naturen. Hvis biene forsvinner så kollapser det hele. Det er litt sånn det er med teknologi også. Du må klare å se sammenhengene og det tror jeg er utrolig viktig i denne tematikken. En ting er jo maskinlære, men hvis man tar en kjapp analogi i forhold til hvordan samfunnet nå utvikler seg. Så har vi jo skyen som kan ta opp enorme mengder informasjon som ellers ville ligget fragmentert i millioner av enheter rundt omkring. Også har du Tingenes internett som også kommer, og da får du stordata. Enorme mengder data som samles inn, også kommer det maskinlæringsprinsippet inn som vi skal snakke mer om i dag som rett og slett handler om hvordan du kan scanne all den dataen for å hente ut nyttig eller overraskende innsikt. Det får denne maskinen til å fremstå intelligent, altså kunstig intelligens. Også er det disse maskinalgoritmene som kan tilpasse seg omgivelsene sine og som er helt nødvendige for å få til kunstig intelligens. Jeg tror hvis vi ikke skjønner hvordan ting henger sammen her, så faller det hele litt sammen. Jeg tror det å forstå hvordan ting kan anvendes selv om du ikke er eksperten selv det er utrolig viktig. Og det at kunstig intelligens kan forstå, forbedre og løse disse komplekse problemstillingene uten assistert hjelp fra mennesker åpner opp ganske mange muligheter for disse bedriftene. For vi er jo ikke flere enn vi er i Norge, og det er manko på veldig mye kompetanse. Så det å ta i bruk disse løsningene og at leverandørene klarer å kommunisere hvorfor og hvordan det lar seg gjøre, tror jeg blir viktig framover. Man trenger jo ikke å forså hvordan nettverksteknologien funker for å sende en mail, så du trenger jo ikke å forstå hvordan ting fungerer i detalj for å dra nytte av de og det tror jeg er viktig at vi fokuserer litt mer på. 

Silvija: Jeg tror du er inne på noe utrolig viktig her. Vi har fokusert veldig mye på at vi trenger enda mer IKT- utdanning og at vi skal være flere utviklere og det er en helt nødvendighet. Vi trenger flere sykepleiere, digitale utviklere og IT personer for fremtiden. Men 60% av samfunnet kan ikke være sykepleiere og IT utviklere, de skal være brukere. Det å være kloke, effektive anvendere for å kunne bruke verktøyene som denne nye teknologien er vil være helt sentral for oss fremover. Og da må man kunne litt om de verktøyene. 

Liv: Jeg tror mange ikke er klar over at vi faktisk bruker det den dag i dag. Hvis man ser på prosessoptimalisering, dette med regnskap og kundeservice. Der gjøres det veldig mange ting allerede, der er kunstig intelligens integrert i mange tjenester. Vi ser det på salg og markhedsføring hvor vi presses på tilbud og hvordan vi kommuniserer med brukerne på helt nye måter. Jeg tenker også det som viser noe rundt industrien, dette med produktivt vedlikehold og gjenkjenne mønstre, eller avvik så du kan planlegge vedlikehold bedre. Det er typiske eksempler på kunstig intelligens. Også chatbots. Så det er jo rundt oss på veldig mange måter allerede så vi skal jo være glad for det. Vi starter jo ikke på bar bakke her, selvom mange kanskje opplever at det ikke er kunstig intelligens så er det faktisk det.

Silvija: Det som jeg da opplever når jeg snakker med styrer eller næringslivsledere, og dette er litt skummelt eller litt uoverkommelig. Det er ikke bare kunstig intelligens man skal kunne noe om det er disse tolv Güthenberg øyeblikk som du også var inne på med cloud, robotikk og cybersecurity. De tenker kanskje at: “Jeg har min utdanning, jeg har min spesialisering.” Det er kanskje samfunnsfag eller kanskje økonomifag og hvordan i all verden skal jeg dytte inn et helt teknologiutdanningsspor opp i dette her. Det er kanskje her tankegang rundt mikrolæring og en slags ny modell for etter videreutdanning kommer inn. 

Liv: Ja absolutt, og det å være litt bevisst på hva din rolle i det store bilde er når det gjelder teknologi da. Og det handler om din rolle også i virksomheten og kanskje som leder spesielt. Å klare å være den gode oversetteren til de rundt deg, hva er det jeg forventer av deg og din rolle når det gjelder teknologi. Noen skal se mulighetene med ny teknologi. Det må kanskje ha mer kunnskap rett og slett. Mens andre må se muligheter i kontekst av en slags domenekompetanse eller et økosystem som driften er en del av. De må ha med seg mye erfaring som ikke bare er teknologi. Og noen skal legge til rette at du kan utforske dette her sammen for å drive en løpende drift, som er en lederoppgave. Så jeg tror hvordan vi snakker om ulike roller og ansvar når det gjelder å se potensiale og gjøre noe med det potensiale er så viktig. For vi kan ikke forvente det samme fra alle. Noen skal ha ferdigheter for å anvende ulike verktøy, andre skal se muligheten av mer kunnskap som dette programmet er en kjempe viktig måte å skaffe kunnskap på, og noen skal jobbe med holdningene, som er et typisk lederansvar. Det handler ikke bare om teknologi, men hvilken rolle har du, og din rolle, og du som leder. Hva vil du ta ansvar for at faktisk skjer i bedriften din? 

Silvija: Hva tenker du Lin, hvordan kommer man i gang? Et sånt kurs som dette, lese, grave litt på LØRN. Hvordan kan man komme i gang?

Liv: Jeg har vært i en del ledergrupper og også styrerom hvor det blir veldig stille når vi snakker om disse temaene. Det er jo ikke fordi man ikke har masse innsikt det er mer at man ikke forstår helt hvordan ord defineres og man tør ikke hive seg på. Så det er en så lavterskel ting å bare forstå hva disse ulike nivåene er. Når vi snakker om kunstig intelligens, hva er det? Jo, det er faktisk bare en samlebetegnelse på masse teknikker som får maskiner til å framstå intelligente. Når du hører kunstig intelligens så er det veldig mange spesifikke maskinlæringer vi snakker om. Hva er det da? Jo, det er egentlig teknikker som gjør det mulig for maskinene å forbedre seg ettersom de får mer informasjon. Også har du dyplæring, som jeg vet at forleserene snakker om, som gjør at du kan bruke enda flere komplekse modeller som ligger under maskinlæringen igjen. Fordi maskinlæringsalgoritmene stopper på et eller annet nivå i forhold til tilførsel av data, mens disse dyplæring kan jobbe videre. Så det å bare få sortert det som henger sammen, hva henger sammen med hva, hva sorterer under? Så tror jeg det er en veldig god start for mange i forhold til å ta del i samtaler rundt lunsjbordet eller på den faglunsjen man hadde. Eller man skjønner hva du skal søke på LØRN eller hvor det måtte være. Så å få litt kontroll på disse ordene også forstå at det er jo egentlig ikke så krevende allikevel. 

Silvija: Jeg tror at jeg har lyst til å spille inn min inspirasjon for dette her, og det er et mba studium. Jeg var akademisk veldig dyp matematiker da jeg forlot akademia for å ta en mba, som jeg gjorde på Inside i Frankrike. Så var folk litt forskrekket rundt meg, for de sa: “Silvija det er ikke noe dybde i det. Det er bare sånn utdanning. Masse temaer og veldig case basert.” Men det var en utrolig interessant utdanning nettopp fordi i hver av de 20-25 temaer som du får. Du lærer på en måte å bløffe og om strategi, markedsføring, makroøkonomi, mikroøkonomi, finans og organisasjonsøkonomi. Det du får er et sett med ord som du snakker om også skjønner du litt hvordan disse ordene brukes gjennom de eksemplene. Jeg tenker at vi trenger sånne breddeutdanninger på kunstig intelligens, internett of things, Cloud og blockchain. Det er det vi prøver å bygge opp i våre caser. Dere prøver å bygge det opp med strukturert med deres vegvisere. Når man da har blitt inspirert kan man da gå og ta et sånt ordentlig kurs som faktisk er studiepoenggivende på UiO for å vise at man har tatt til seg, ikke bare vokabulærnivået på toppen, men at man har innarbeidet disse konseptene på et ordentligt vis. 

Liv: Da tenker jeg at du kan begynne å gjøre deg noen tanker om hvordan du skal bruke de i din egen virksomhet. Det er en veldig fin tretrinnsstrategi du beskriver der Silvija fordi det ser jo vi ofte med bedrifer at hvis ikke du forstår verdipotensialet til noe til din egen virksomhet så gjør du ikke noe. Det er jo komplekst, det å inspirere, slik som alle deres fantastiske podcaster har som gjør at flere for øynene opp at her ligger det faktisk et verdipotensial dette må jeg kanskje bry meg litt om. Så kan man etterhvert anvende ulike verktøy som man tar i bruk i bedriften din også sier vi at hovedmålet vårt er å øke kompetansen til bedriftene slik at de forstår hvor de skal hente mer dybde. Er det en videreutdanning som dette eller er det en leverandør eller er det et virkemiddel, hva er det de trenger for å komme seg litt videre? Så å det å bli en god bestiller også av kunstig intelligens det er ganske viktig, og da må du både kjenne potensialet men også klare å se mulighetene. Hvis jeg skulle prøvd meg på en tretrinnsrakett på akkurat det så ville jeg sagt at du må kanskje endre behovet. Hvilke prosesser er det som er sentrale egentlig? Er det masse manuelle prosesser, ønsker du å forbedre de? Eller vil du egenlig utvikle egne tjenestemodeller? Det er viktig å være klar over det, for da må du angripe tematikken litt ulikt også er det dette med at kunstig intelligens ikke er et mål i seg selv. Ingen teknologi er et mål i seg selv. Det er ikke vits å bruke masse avansert teknologi bare for å gjøre det. Det må være en eller annen utfordring. Det er kanskje litt det du var inne på at det er noe statistisk eller matematisk som er riktig verktøy, ikke kunstig intelligens. Det siste er å ha en veldig tydelig dialog med en problemløser kall det det. Dette er komplekst, de fleste vil trenge sparing og hjelp underveis. Det kan være et annet miljø, et konsulentselskap for den sags skyld. For når domeneekspertisen og teknologieksperten forstår hverandre. Det er da vi klarer å forløse dette potensiale med teknologi. Så det synes jeg er veldig viktig at man ikke glemmer 

Silvija: Ja, helt enig. Jeg vil utvide den modellen også med å ta et utgangspunkt i hvilke data du har eller klarer å skaffe. For å forstå hva du skal bygge disse modellene på. Du var innom to ting her, det ene er at kunstig intelligens databaserte analyseverktøy skal brukes strategisk, ikkesant. Hva er det strategiske behovet? Også kanskje også å forstå hvordan skaper dette her nye inntektskilder med kommersiell perspektiv på det. Og dette må da være i hendene til toppledelsen? Så de er nødt til å ha slike diskusjoner. 

Liv: Det er jo vanvittig påvirkning man kan ha både på miljøet og vi har noen spennende caser sammen med Statnes som er en av våre eiere som jobber med Esmartsystems et fantastisk miljø i Halden som jeg vet du kjenner godt til. Der ser man hvordan man kan automatisere inspeksjonen og strømnettet, bruk av droner og kunstig intelligens. Veldig konkret case. For når vi snakker om å predikere som jo er poenget med maskinlæring egentlig. Så forutsetter du et slags utfall og disse dronene er dannet for å oppfatte feil på høyspentlinja og finner ut hvor det er vi må reparere. Da kombinerer man egentlig automatisering, robotisering, energilæring og stordata for å kutte disse vedlikeholdskostnadene. Det er en kjempe besparelse og en risikoavlastning også for disse operatørene. Så en konkret måte å bruke dette predikativet i maskinlæringsalgoritmene på. Det er bare et eksempel som jeg synes er veldig spennende på hvordan du kombinerer teknologier.   

Silvija: Det du snakker om her Liv synes jeg er et veldig godt eksempel fordi folk må forstå at en som kan masse om kunstig intelligens har ikke den industrielle erfaringen som man må ha når man jobber enten med statnett eller lokale kommunebehov, som gjerne forstår hvor det pleier å gå galt med høyspentledninger. Hva er det som er vanskelig å oppdage uten droner. Så hva er det vi skal trene modellen på spesielt? 

Liv: Så derfor må man huske på at man selv ikke føler at man trenger å være helt rå på teknologi, men har jobbet innenfor en bransje i mer enn 30 år så har man helt unik kunnskap som også er helt avgjørende for å få til verdiskapning med teknologi. Så vi må huske på det at det er komboen som er så genial. Jeg tror også at de som sitter på mye domenekompetanse som også kjenner en bransje godt fra innsiden. Alle skal jo ikke bli teknologieksperter, men jeg tror du kan bli med i mange flere diskusjoner og utforske det i samtaler med andre. Som gjør at du virkelig kan trykke på de riktige knappene til å få til ganske store ting. 

Silvija: Det bringer oss tilbake til ditt innledningspunkt hvor du snakket om at ting er veldig komplekse. Jeg kaller dem for 12 Güthenberg øyeblikk som endret tiden vår i sammenfletting. Jeg pleier ofte å nevne AR eller VR som en av disse 12. De fleste innenfor la oss si en industri eller teknologi pleier å tenke at nei, nei det er liksom for de andre teknologene. Akkurat i dette eksempelet kunne man tenkt seg at man flyr med drone og en drone ser disse høyspentledningene men de er ikke så enkle å se når det er mørke trær rundt dem osv. Da kunne men brukt AR til å simulere. 

Liv: Absolutt, og da er det sensorene som ligger på dronen som gjør at det er mulig som kan hente data tilbake til energinæringsalgoritmen, så det her henger helt sammen. Så de sammenhengene må vi forstå alle sammen om vi alle ikke skal bli eksperter i en av de. 

Silvija: Nettopp, nettopp. Så litt breddekunnskap og litt teknologi opportunisme. 

Liv: Så tenker jeg at, selvfølgelig er det andre som skal være eksperter. Eksperten må vi ha, ellers får vi ikke til ting. Men som leder så tror jeg det er viktigste er å se sammenhenger og tilrettelegge for de ulike rollene i virksomheten din. 

Silvija: Og ledere har glede av dette kurset til UiO fordi du lærer deg akkurat nok vokabular om alle disse temaene til at du kan ha disse samtalene med eksperter.  

Liv: Også må du forstå som leder hvilken kompetanse du trenger i din egen virksomhet. Du skal ha litt kompetanse for å forstå det. Så jeg tror det også er viktig at man er litt bevisst på det. At man trenger litt dybdekompetanse for å forstå hva man trenger mer av i egen virksomhet. 

Silvija: Hva tenker du der? Fordi vi snakker om det og det er veldig interessante tall som dukker opp nå. Det er en sånn helt ny oppblomstring innenfor war for talent. Uansett hvilken bedrift jeg snur meg til nå, så er deres største problem tilgang til nok kompetanse innenfor kunstig intelligens, big data, platformer og alle disse andre ting vi nevnte her. Så det er både utvikling men også anvendelse av disse teknologiene på deres industri. Vi slåss om de samme hodene og vi stjeler dem fra hverandre. Så det er noe med at man er nødt til å jobbe med de hodene man også har. Hva kan vi gi av råd til næringslivet til bedrifter så de skal komme ordentlig i gang?

Liv: Vi ser at det typisk er fire barrierer som gjør at vi ikke kommer i gang. Det er som du sier, kompetanse. At man ikke har kompetanse nok til å forstå hvordan man bør bevege seg selv eller virksomheten. Det viktigste tror jeg som hindrer folk å komme i gang det er at du ikke helt ser verdipotensialet. Så det er også viktig at vi jobber med parallelt. Når det gjelder den tematikken som vi snakker om nå som er maskinlæring og kunstig intelligens så tror jeg ofte det gjelder for mange bedrifter mangel på data av god nok kvalitet, men også det at nedsiderisikoen veier mye tyngre enn oppsidepotensialet. Du er redd for å gjøre feil med juridiske floker. Det blir så mye usikkerhet. Så det virker så mye tyngre enn oppsidene. Så vi må begynne å jobbe med å få bedriften til å se hvordan de kan angripe disse åpenbare barrierene for verdiskapning av data. Som er på det nivået juridisk og gdpr. 

Silvija: Jeg tror det poenget du har der nå Liv er helt sentralt for at vi skal være effektive for innovasjon og forøvrig også utenfor maskinlæring. Det som er problemet tror jeg er at vi som ledere er trent opp til å være gode kontrollører og du passer på nedsiden. Det er jobben din, mens det er veldig vanskelig å bli målt på den oppsiden som du skaper fem år fra nå. Det tar tid før dette virkelig bidrar til både topplinje og bunnlinje og våre budsjetter er ikke bygget opp med de nye topplinje og bunnlinjene for vi vet ikke hva dette blir og da blir det kanskje ikke ledelsesrom nok med denne nødvendige innovasjonen. For en nedside er også all den fremtidige tapte inntekten når du mister posisjon i verdikjeden. Men hvordan skal man måle det? 

Liv: Nei, det er som i snowboard at det er betydelig risiko forbundet med det å bevege seg raskt nok i landskapet vi omgir oss i nå. Men det jeg tror som leder er det viktig å være god til å spørre om hjelp og være åpen i organisasjonen og involvere organisasjonen. Det er helt avgjørende hvis ikke man klarer å virkelig lede gjennom fagekspertene dine fremover, så blir det krevende. Det er også en spennende utvikling å se. Når veldig mange fagfolk skal bli ledere, så er det en annen utfordring igjen. Så det er det vi snakker om mye- T-shapen- at om du har en eller annen spisskompetanse så må vi alle bygge på en bredde fremover, for vi skal jobbe tverrfaglig så vi må forstå mer av hverdagen til de som omgir oss bare på arbeidsplassen.  

Silvija: Liv, hvis jeg bare spør deg sånn oppsummeringsmessig. Altså hvorfor skal både bedriften og ikke minst den ansatte prioritere tid på å lære seg noe mere om data som verdiskaper og maskinlæring. 

Liv: Det er fordi det ligger enorme verdier i det og fordi dataøkonomien har kommet for å bli og den treffer bedriften din før eller senere. Og disse utfordringene vi skal løse blir mer og mer komplekse. Så da tenker jeg at samspillet mellom mennesket og maskin blir viktigere og viktigere. Det med maskinlæring som vi snakker om her er en av de viktigste områdene å fokusere på nettopp fordi dette er teknikker som gjør det mulig for datamaskinene å utvikle seg fordi de får mer erfaring. De vil klare å løse helt andre problemstillinger enn det vi klarer nå fordi vi klarer etterhvert å skrive reglene selv. Så når de ikke er begrenset av mennesker så løser de ting som vi ikke er i stand til. Det er vi som skal lære opp maskinene så det å forstå hva som ligger i det med treningsdata og hvordan du kan jobbe med algoritmene som driver maskinlæringen er kjempe viktig for oss hvis vi ønsker å komme fram til det vi ønsker å løse. Jeg tror rett og slett vi ikke kommer utenom. Også trenger ikke alle bli dybdeeksperter, men vi må alle forså hvordan algoritmer påvirker maskinlæringen og hvordan vi kan jobbe godt i samspill med maskinen. For nå er verden så kompleks at vi klarer det ikke alene. Så vi må jobbe sammen med maskinene, ved å gjøre det på en god og riktig måte og da må de med domenekunnskap og de med gode etiske holdninger jobbe på lag. 

Silvija: Superkult. Jeg hører deg si at vi ikke har noe alternativ enn å forstå de nye verktøyene som vi skal bygge forretning fremover og samfunnet vårt fremover. Også hører jeg deg også si at dette er nødvendig for å forstå verdiskapingspotensiale. Altså man forstår ikke fullt ut hvordan man skal bruke de verktøyene hvis ikke man har prøvekjørt litt, ellers kan man ikke få førerkort rett og slett. 

Liv: Også tror jeg det er viktig å ta det ned. Altså jeg tror veldig mange ledere tror de ksal løse hele den digitale transformasjonen med en gang, men det å velge seg ut et helt konkret område som er ekstra viktig hvor du har litt spesiell kompetanse om det er innenfor en bransje eller en domene. Så begyn der, og ikke kjen at du må ta tak i absolutt alt, men våg å velge deg ut noen områder. Det å forstå algoritmer og maskinlæring er et veldig godt sted å starte for det er liksom fundamentet for veldig mye annet. 

Silvija: Liv, kjempe spennende, lærerikt og inspirerende å snakke med deg. Tusen takk for at du var med oss i denne samtalen om UiO sin nye serie om mikroutdanning om fra data til verdi. 

Liv: I lige måde Silvija. 

Du har nå lyttet til en podcast fra LØRN.Tech - en læringsdugnad om teknologi og samfunn. Nå kan du også få et læringssertifikat for å ha lyttet til denne podcasten på vårt online universitet LØRN.University.