I denne artikkelen vil du lære om:

• Hvilken rolle generativ AI spiller i innovasjonsarbeidet
• Erfaringer med konkrete verktøy i problemfasen av innovasjonsarbeidet
• Hensyn ved bruk av generativ AI i innovasjonsarbeidet

Rollen til generativ AI i innovasjonsarbeidet

Generativ AI er en gren av kunstig intelligens med formål å generere nytt og unikt innhold. Ved å benytte avanserte maskinlæringsalgoritmer kan denne teknologien produsere svært realistisk innhold i form av eksempelvis tekst, bilder, lyd og video.

Når brukt riktig, kan generativ AI forsterke evnen vår til problemløsing og kreativ tenking. AI kan analysere data, skape løsningsforslag og utføre oppgaver med en hastighet og presisjon vi mennesker bare kan drømme om.

Selv om generativ AI har potensial til å forandre måten vi tilnærmer oss innovasjonsarbeid på, er det lite sannsynlig at teknologien vil erstatte mennesker i innovasjonsarbeidet fullstendig – ikke med det første i alle fall. Teknologien mangler i dag den menneskelige evnen til å stille spørsmål, vise empati, og forstå kontekst på en dypere og mer meningsfull måte. Dette betyr at menneskers evne til syntese – å kombinere ulike fagområder, perspektiver, og erfaringer for å komme opp med løsninger på reelle problemer – fortsatt behøves i innovasjonsarbeid.

Det som derimot kan endres radikalt, er at de som ikke tar i bruk generativ AI risikerer å bli utkonkurrert av de som gjør det. Teknologien gjør at vi raskere kan gå fra problem til løsning, og til testing og lansering.

Noe av det viktigste du og ditt selskap kan gjøre i dag for å henge med på denne utviklingen, er å være nysgjerrige. Det er nå det gjelder å tørre å teste ulike verktøy, forstå potensialet som ligger i generativ AI for bransjen og selskapet, og legge et grunnlag for å lettere kunne implementere generative AI-verktøy for fullt når disse forbedres.

Hvordan bruke generativ AI til å utforske problemer

I problemfasen av innovasjonsarbeid er hovedoppgaven vår å oppdage og forstå udekte behov for å finne problemer som kan være verdt å løse. Her gjelder det å opparbeide en forståelse av menneskene involvert, markedet og trender for å skape et helhetlig overblikk over mulighetsrommet vi har å innovere innenfor.

Intervjuer, markedsundersøkelser, desktop research, workshops og observasjoner er bare noen av aktivitetene vi utfører i denne fasen. Her får du et innblikk i noen av favorittverktøyene våre i problemfasen:

Markedsinnsikt, trender og problemoppdagelse

• Open AIs ChatGPT: Mange begynner å bli kjent med det generative AI-verktøyet ChatGPT. Dette er så langt et av verktøyene vi bruker aller mest, og noe av grunnen til det er at det er svært anvendelig. Du kan benytte funksjonaliteten til å utforske markeder og trender, eller skru på maskinens kreative side og få bistand til å utvikle nye ideer og oppdage problemer. Uavhengig av bruksområde, anbefaler vi at du setter rammer gjennom promptene du bruker. Forsøk eksempelvis å legge til "Du er en erfaren innovasjonsrådgiver" i promptet, og be om å skape 10 personas som du videre kan grave i problemene til og stille de samme spørsmålene du ville stilt ekte mennesker i innovasjonsarbeidet. Dersom du vil bevege deg over til den betalte versjonen, har ChatGPT også beta-versjoner med en rekke plugins du kan teste for å gjennomføre markedsanalyser og research. Vi liker spesielt godt «Browse with Bing»-funksjonaliteten som kan bistå med markedsresearch. Har du ikke testet et eneste generativt AI-verktøy enda, anbefaler vi å starte med ChatGPT.
• Notion AI: Når du har innhentet store mengder innsikt fra ulike datakilder som eksempelvis observasjoner, intervjuer og markedsresearch, vil det være behov for å oppsummere kritiske funn. Denne prosessen kan føles overveldende dersom du sitter på et hav av informasjon, men nå kan du få hjelp av generativ AI til å sammenstille data. Eksempelvis kan du utforske oppsummering av innsikt gjennom Notion: Notion er en notat-software som nå har fått generativ AI-funksjonalitet som hjelper deg med å sammenstille tekst og hente ut kritisk innsikt. I motsetning til ChatGPT, hvor strukturering av data per i dag ikke er tilgjengelig på en god måte, kan du i Notion enkelt organisere og dokumentere innsikt fra eksempelvis intervjuer eller observasjoner. Dette gjør det svært lett å holde oversikt over datagrunnlaget i analysene, samtidig som du får bistand i oppsummering av kritiske funn.

Problemforståelse

• Fermat: Fermat er et generativt AI-verktøy som oppleves som et interaktivt Miro-brett. Her finner du en rekke malverk, som eksempelvis en "Ideation"-kit og en "Brainstorming"-kit, som kan hjelpe innovasjonshoder i både problem- og løsningsfasen. Vi synes den er god å ha i begge fasene, og bruker den både til å opparbeide problemforståelse og til å deretter komme opp med gode løsninger. Vi liker spesielt godt hvordan den hjelper oss å stille kritiske spørsmål tilknyttet problemer i Ideation-kitets første fase som heter "Reframe your problem". Noe vi liker mindre godt er at deler av funksjonaliteten ikke fungerer slik den skal i dag (eksempelvis vurdering av løsninger opp mot hverandre), og grensesnittet kan være litt vanskelig å navigere i i starten. Dette er et verktøy som kan være spennende å teste når problemforståelse står på agendaen. Fermat jobber også med å utvikle funksjonalitet som muliggjør bygging av egne AI-løsninger til bruk i innovasjonsarbeidet, og vi opplever at mulighetene i verktøyet endres nesten ukentlig.
• Synthetic Users: Har du noen gang tenkt at der er mulig å skape syntetisk problemforståelse gjennom simulering av personas og tilhørende intervjusvar? Gjennom Synthethic Users, som nå er i beta, kan du legge inn ønsket målgruppe og hvilke problemer de opplever, og deretter simulere intervjuer med fiktive mennesker. Verktøyet skaper fullverdige personlige profiler til alle personas som utvikles (navn, yrker, hobbier mm.), og simulerer opplevelser og følelser basert på de unike profilene. Et spennende verktøy som bidrar til å illustrere mulighetsrommet som ligger i generativ AI i innovasjonsarbeidet, men vi er langt fra å kunne erstatte menneskelige intervjuer med syntetisk innsikt. Vi skulle ønske resultatene var enda mer nytenkende enn det som kommer ut i dagens beta-versjon. Likevel liker vi konseptet, og ser verdien i å ta det i bruk allerede nå for å teste om vi har dokumentert alle ønskelige aspekter tilknyttet problemene vi søker å forstå – plutselig kan det dukke opp et nytt perspektiv vi ikke hadde tenkt på.
• AI Toolbox for Innovators: Board of Innovation har utviklet et spennende konsept som kalles AI Innovation Toolbox. Gjennom verktøyet kan du teste hvordan generativ AI kan benyttes i en rekke aktiviteter som vanligvis gjennomføres i innovasjonsarbeidet. Her kan du utforske ulike brainstorming-aktiviteter, dypdykke i problemer gjennom how might we (HMW), utforme intervjuguider og flere andre typiske innovasjonsaktiviteter. Er du helt fersk med generative AI-verktøy, kan AI Innovation Toolbox være et fint verktøy å starte med da du ikke trenger innsikt i hvordan utforme prompts (til motsetning fra ChatGPT, her må du vite mer om hvordan du skal be om ulike typer resultater). Verktøyet er bygget slik at promptene ligger «ferdiglagd» bak selve løsningen; du trenger altså bare å putte inn informasjonen du har tilgjengelig i input-felter, og resten løses av seg selv. Enklere blir det ikke.

Hensyn ved bruk av generativ AI i innovasjonsarbeidet

Selv om generativ AI byr på mange spennende muligheter i innovasjonsarbeidet, er det situasjoner der det er best å sette denne spennende teknologien til side og benytte mer tradisjonelle metoder.

Generativ AI bør ikke bli en erstatning for menneskelig analyse og intuisjon, spesielt i komplekse situasjoner der kontekst og empati spiller en stor rolle. Det er derfor viktig å huske på at innsikten vi får gjennom bruk av generativ AI bør valideres i den virkelige verden. Get out of the building, snakk med mulige kunder, observer atferd og søk etter forståelse og empati – sørg for at du faktisk prøver å løse et reelt problem.

Ikke glem ivaretagelse av personvern og datasikkerhet når generative AI-verktøy testes og benyttes i praksis. Data som brukes som input i generative AI-verktøy som nevnt i denne artikkelen, bør anonymiseres og være fri for selskapskritisk informasjon. Det er viktig å utforme retningslinjer for bruk av generative AI-verktøy i selskapet slik at ansatte som er nysgjerrige på å utforske løsningene vet hvilke rammer det kan gjøres innenfor.

Noe annet som kan være fint å ha i bakhodet, er at verktøyene tilknyttet generativ AI aldri vil være "dårligere" enn det de er akkurat nå. Vi kommer til å oppleve enorm utvikling i verktøy og bruksområder for denne teknologien fremover. Selskaper og innovasjonshoder som investerer tid i å forstå disse verktøyene i dag, vil være bedre rustet til å utnytte dem effektivt i fremtiden. Lykke til med utforskingen!

I del 2 av denne artikkelserien deler vi våre erfaringer med bruk av generativ AI i løsningsfasen av innovasjonsarbeidet. Du vil lære mer om hvilken rolle generativ AI kan ha i løsningsfasen, våre erfaringer med konkrete verktøy, samt tips til hvordan komme i gang med generativ AI i organisasjonen.

Vi tar gjerne en prat dersom du ønsker å diskutere nærmere hvordan selskapet ditt kan ta i bruk verktøyene nevnt i artikkelen, eller dersom du ønsker å diskutere hvordan dere kan dra nytte av AI generelt i innovasjonsarbeidet.