Slik bruker Tet Digital AI i produkt-utviklingen
Gjennom hele 26 maskinlæringsprosjekter, 6 generative AI-initiativer og 3 kvanteberegningsprosjekter har utviklingsavdelingen til Ruter, Tet Digital, brukt teknologi til å forbedre alt fra passasjerflytprognoser til tekstanalyse og komplekse optimaliseringer. Dette har gitt bedre opplevelser for brukerne av Ruter sine tjenester, men også økt effektivitet og innovasjon internt.
Hvordan har dere benyttet kunstig intelligens (AI) til å forbedre produkter og tjenester?
Hos Tet Digital har vi brukt AI for å forbedre våre operasjoner og tjenester. Så langt har vi gjennomført 26 maskinlæringsprosjekter, 6 generative AI-prosjekter og 3 kvanteberegningsinitiativer. Disse prosjektene fokuserer på å optimalisere operasjonell effektivitet, forenkle arbeidsflyter og muliggjøre datadrevne beslutninger.
For eksempel har vi brukt maskinlæring til å forutsi passasjerflyt og analysere kundeklager, generativ AI til å analysere og skape tekstdata, og kvanteberegning til å utforske komplekse optimaliseringsproblemer. Hvert prosjekt er designet for å skape konkret verdi for både Tet Digital og kundene våre.
Hva har dette gitt av effekt og/eller gevinster? Både for brukerne og innad i egen organisasjon?
For våre brukere har AI gjort produktene våre mer effektive, personaliserte og enklere å bruke. For eksempel har automatisering redusert responstiden, mens prediktive funksjoner har tilført betydelig verdi ved å forutse brukernes behov.
Internt har AI forbedret produktiviteten ved å effektivisere arbeidsflyter og redusere manuelt arbeid. Det har også gjort det mulig for teamene våre å fokusere på mer verdiskapende oppgaver, fremme innovasjon og øke den generelle effektiviteten.
Hva er de største lærdommene dere har gjort dere?
Her er hva vi har lært:
- Start i det små og skaler gradvis: Å implementere AI i små, fokuserte prosjekter gir mulighet for testing og forbedring før man skalerer opp.
- Data er nøkkelen: Kvaliteten på innsiktene er kun så god som dataene du bruker. Å bygge robuste datapipelines har vært avgjørende.
- Tverrfaglig samarbeid: Suksess med AI krever innspill fra flere team – datasientister, utviklere og domeneeksperter må jobbe sammen.
- Brukersentrert design: Aldri mist brukeren av syne. Selv den mest avanserte AI-løsningen vil feile hvis den ikke dekker reelle brukerbehov.
Hva er dine beste råd til andre om hvordan de kan ta i bruk AI i sin produktutvikling?
Våre beste råd er som følger:
- Fokuser på problemløsning: Start med å identifisere konkrete problemer som AI kan løse, i stedet for å implementere det kun for nyhetens skyld.
- Invester i AI-infrastruktur: Pålitelig og godt strukturert data er grunnlaget for effektive AI-applikasjoner.
- Bygg en kultur for eksperimentering: Oppmuntre teamene til å teste og iterere raskt, og lær av både suksesser og feil.
- Vær etisk: Transparens, rettferdighet og personvern er essensielt ved implementering av AI. Prioriter ansvarlige AI-praksiser.
- Samarbeid strategisk: Jobb sammen med selskaper og organisasjoner med erfaring innen AI for å akselerere læring og adopsjon.
Hvilke andre nordiske selskaper henter du inspirasjon fra?
Dette er et utvalg selskaper vi henter mye inspirasjon fra: NAV, Norges Bank Investment Management, Kongsberg Digital.
Slik bruker...
AI i produktutviklingen sin.