Subscribe
Share
Share
Embed
Fastighetsbranschen står inför en förändring med både nya affärsmodeller av hur vi säljer lokaler som tjänst, mer digital teknik för att arbeta data-drivet samt ställa om till mer energi- och miljöeffektiva fastigheter.
För att stärka vår bransch i denna resa och förtydliga hur Newsec arbetar med frågan kommer vi skapa en podd-serie där vi intervjuar olika företagsledare från olika branscher och företag för att höra om deras erfarenhet av transformationer. Både misslyckade och lyckade projekt. Hur får man med sig organisation, vilka förmågor krävdes, vilka ingångsvärden och effekter söktes. Hur lång tid tar det och vad är de stora utmaningarna och lärdomarna.
I veckans avsnitt har jag intervjuat en som har en bakgrund som Head of AI på H&M-gruppen och också jobbar med AI-frågor på BcG Konsulting Group Ganska spännande roll I de här heta tiderna om AI och hur man använder det I bolagen Så jag är väldigt stolt över att få prata med Artti Zayhami om hans erfarenheter och hur man jobbar med AI Lyssna!
Speaker 2:Hej Arti! Vem är du och hur jobbar du med AI och affärstranformation?
Arti:Hej Christoffer! Bra fråga. Mitt namn är artig. Jag har jobbat med AI transformation sedan tvåtusen sexton. Jag var tidigare AI-chef och slutligen skifte till Antic office på H&M-gruppen.
Arti:Där drog jag igång den resan för gruppen och Desprehead. Sedan har jag gått in I och jobbat som advisor på Boston Konsult och jobbat med flera transformationer. Även klivit in som interimchef för AI-transformationer på olika bolag. Vem jag är är en annan fråga.
Speaker 2:Exakt. Men idag ska vi prata väldigt mycket om AI och transformation för det är ett väldigt hett ämne just nu. Men om vi börjar med ordet transformation och affärstransformation. Vad innebär det ordet för det och vad tycker du att det är I praktiken?
Arti:För mig handlar det transformation främst om människor. Jag tror det är där många missar. Många tror att en digital transformation handlar om teknik, AI, data. Och de är väsentliga delar I det. Det är inget snack om det.
Arti:Men det är inte de som gör transformationen. Organisationer, bolag, företag består av människor. Människor behöver förändra sitt sätt att se på saker och ting. Better sig annorlunda, tänka annorlunda och prata annorlunda. Så för mig transmission handlar om människors förflyttningar.
Arti:Mer än något annat.
Speaker 2:Vi leker med tanken att jag är en typisk företagsledare och tänker AI, vi måste jobba med AI I vår verksamhet. Jag ringer dig och så ska du komma på första pitchmötet. Det första är att säga, men vad är AI och hur ska jag börja använda och tänka på det? Vad säger du till mig då?
Arti:Väldigt bra fråga faktiskt. För att det jag lärde mig från den resan som vi gjorde med H&M-gruppen var att AI blev något som jag slutligen började kalla för att AI inte är artificiell intelligens utan det är amplified Intelligence Det förstärkte våra befintliga kompetenser. Vi kunde affärsut, vi kunde affären, vi kunde det här med retail. Men det har blivit mer komplext. Man behöver stöd för att kunna göra bättre beslut I affären.
Arti:Sharp thecision making. Ibland blir det engelska ord här.
Speaker 2:Det går jättebra.
Arti:Jag är så ovan att prata svenska. Man använder AI för att bli bättre I vad man gör idag. Det är en förstärkning av den befintliga kompetensen. Det är också viktigt att den ståndpunkten för att oftast är folk väldigt rädda för AI. Och det förstår jag för att tidigare digitala transformationer när man använder sig av en utrullning av ett verktyg som en SAP, en ORC eller vad det nu kan vara Det förbättrade en viss affärsprocess litegrann men människan var I kontroll AI kommer in plötsligt och är I sitt enklaste form en recommender som säger så här borde du göra.
Arti:Och I sitt kanske mest intresserad form är en actor, en advisor, desider som säger så här kommer det bli. Och det där skrämmer folk för det utmanar människans Arbetsidentitet rollen den har I organisationen. Och det är scary att bli av med den. Tänk att lämna ett sådant annan. Det gör att det finns stort motstånd.
Arti:Man behöver liksom vända på den retoriken så att säga att det här är inte en kognitivt, självtänkande dator som kommer att ta över ditt jobb Utan det här är något som kommer förstärka dig Du äger den, du står fortfarande I centrum Det är du som styr vad den ska göra Och det är väldigt viktigt. Och fortfarande är det affären som har kompetensen kring affären. Och även jag som kommer in som en advisor eller en person som ska stötta dem I det arbetet. Jag kan inte affären lika bra som de kan. Däremot tillsammans kan vi se till att dem blir ännu skarpare I sina beslut.
Arti:Och det är vad AI-transmission handlar om. Förflytta människors mindset.
Speaker 2:Och det är ganska intressant för jag kan tänka mig att ibland så vill några företag lite AI-initiativ och så blir det mer black box. Vi kör lite AI här vid sidan. Men som du säger att göra transmission handlar om att kliva in I processen och sen kliva vi in på beslutet. Hur går din approach till för att hitta de verkliga processerna som leder till mål med effekter och där du verkligen kan göra skillnad.
Arti:Hur ser en sådan prioritering ut och hur ser en sådan kartläggning ut? Ja, alltså jag har under de här åren som jag jobbat med det här träffat över tvåhundrasextio VD:ar globalt på stora Fort20 femhundra bolag. Och deras CIA, CD, CDO, CTOs och alla de akronyerna som finns. Många av dem har frågat mig och berättat att de har byggt bibliotek, de har byggt plattformar, de har IT-Sciencees, machine learning Engineering, de har alla sorters capebilities. Men de får inte sin affär att jobba med dem.
Arti:Min första fråga till dem är alltid: Löste du deras faktiska problem? Då brukar de svara: Jag hade så mycket bra saker och bra löser du deras faktiska problem? Jo, men jag hade ännu bättre grejer. De skulle kunna förbättra dem men var det deras problem? Nej, okej det är ditt problem.
Arti:Jag tror det är det stora misstaget. Man försöker hitta på nya saker. Det är redan scary att man ska jobba med AI. Och sen blir man liksom påtryck något nytt, coolt. Ibland kan man haka på det.
Arti:Och det märker man också många är med och gör massa poxopilot Och på fredag om de är de mapilaten och det är successful och alla tittar på det här var superbra. Då säger jag färre att det här var kul. Men du tyvärr på måndag måste jag tillbaka göra det jag brukar göra. Men vad är det där som du brukar göra? Det är där vi behöver kliva in och hjälpa.
Arti:Jag tror det är det som är retoriken. Man behöver kliva in och hjälpa dem där de befinner sig. Och då öppnar de upp. Första perioden när man inför AI I en organisation tror även så än idag för det märker jag när jag är ute hos klienter och jobbar med dem, är ju en utbildningsfas. Man måste få bort rädslan, förstå vad det innebär, vad det innebär att jag fortfarande är en del av verksamheten, jag är en del av det här.
Arti:Att människan som involveras med AI, det är data och gut feeling, det är människa och maskin. När man fått det och lugnar ner sig, det är då kommer upp. Det här kan hjälpa mig på det här sättet. Och då blir det ännu mer saker. Och då finns det jättepul från affären.
Arti:Och det är det man är ute efter. Att få en pull från affären, inte att jag pushar saker och ting på den. Så jag tror det här är väldigt viktigt att titta på vad är de faktiska problemen? Hur kan vi då tillsammans lösa det? Det är inte en master-livrelation, det är inte någon som berättar för honom vad du ska göra.
Arti:Varken IT eller tech mot affären eller affären mot andra utan det är tillsammans mot samma målbild.
Speaker 2:Är det en utmaning som du tycker skiljer sig mellan olika företagskultur och svenskt bolag att kanske identifiera problemet och veta vad problemet är och äger kanske problemet I verksamheten versus outsourca lite problemet. Vi tar in lite konsulter som kör ett projekt men man har egentligen inte berättat vad problemet är.
Arti:Nej. Alltså jag har träffat tvåhundrasextio bolag de senaste fyra åren. Och de här bolagen är I olika länder, olika kulturer, olika språk, olika industrier. Alltid samma problem, det är en människa. Senast har jag jobbat som interim AI-chef på en fond I Mellanöstern.
Arti:Det var verkligen intressant. Många gånger när jag berättade om min resa på H&M till andra företag. Då tycker de ofta vad inspirerande! Det där var spännande! Men vet du vad?
Arti:Det där är retail. Vi är en bank, vi är en försäkringsbolag, vi är dittan, Datan. Vad det kan vara hos oss är det annorlunda. Och jag sa nej, jag tror inte det. Det är fortfarande människor.
Arti:Och nu fick jag jobba I ett annat land, I ett annat språk. I en I en annan bransch bankvärlden som är helt annorlunda än vad det är med retail. Inte I Norden utan I Mellanöstern. Men problematiken var exakt detsamma. Min approach var exakt detsamma och båda blev väldigt lyckosamma på grund av vi approachade på samma sätt.
Arti:Jag tror inte någon skillnad för människan är alltid lika rädd och osäker och vill stöd på rätt sätt.
Speaker 2:Jag tänker ta lite vara på det här med svagt uttag. Det blir väldigt lyckosamt. Jag tycker ibland så får man inte dom bästa exemplen utan det blir mer att AI gjorde att vi kunde bli effektivare lite generellt. Kan du ge något exempel på en eller två projekt som du genomfört som verkligen gav en effekt eller en lärdom bara I implementeringen och hur ni gick till väga för att uppnå det?
Arti:Jag tror att alla projekt ger lärdomar även om de som gått I skogen. För det där märks man inte ska göra saker till. Lärdomar finns alltid. Effekt däremot är det inte alltid som det blir. När man löser de här faktiska problemen då blir det oftast bra.
Arti:När vi gjorde våra första projekt på H&M, den absolut första proof of concept som vi gjorde tillsammans med ett Xent bolag som hjälpte oss Då var det jättefina resultat, men det var något som vi pushade på affären. Resultatet blev att de tyckte att de tittade inte på själva resultatet och hur bra det skulle kunna bli. Utan det handlade mer om vem som ska äga den förmågan. Det blev mer som en intern politisk diskussion kring det. Jag ska äga det, jag ska driva det.
Arti:Och den typen av frågeställningar. När vi vände på kakan och gick tillbaka till att titta på de faktiska problemen. Det här skedde genom att jag kom hem och pratade med den smartaste människan jag känner I världen, min fru Och så sa jag till den här presentationen Du vet hur det här funkar Dina kollegor sitter, det är som om de sitter någonstans och håller fast I någon sorts logg och håller på och drunknar I vatten och du sitter på en beach med en pincular I handen och säger guys areve AI Ingen kommer lyssna på det, du måste simma ut och möta folk där de befinner sig och det är liksom hur retorik fungerar. Eat do's patos logos, du måste empatisera var de finns någonstans Och det betyder att jag måste titta på de faktiska problemen. Så då tittade vi på de faktiska problemen och plockade in ett antal projekt som faktiskt var pågående.
Arti:Vi hade över fyrahundrafemtio projekt då på den tiden och plockade de rätta projekten, kanske en low-hanger-frott, något med stort impact, där vi visste att AI skulle kunna hjälpa till och matematiken behövdes där. Så vi approachade den timmen och sa: Vi kommer hjälpa er att testa det här med vår egen pengapåse, vi kommer inte göra impact på din budget. Är den bra så är din. Är den dålig så tar jag bort den. Och då testar vi en grej.
Arti:Vår första test vi gjorde var faktiskt inom pricing, inom något som kallas Markdowns. Alltså det kallas slutsäsongreona, en av teas and sales. Det är en väldigt jobbig process där man ska sitta priser på gamla produkter. Och det görs lite halvdant och det är tråkigt, och jobbigt för det finns inte kanske bra data och man gissar och man ger bort en massa. Man kanske inte blir av med det man vill bli av med utan ger man bort för mycket gratis kanske.
Arti:Och så hjälpte vi till att tillsammans byggde det här. När vi gjorde första testet och körde det med våra merchand diesing team I Norden Det här var I Norden vi gjorde testet med dom fyra äldsta länderna som jobbat online Dom kom tillbaks efter testet när vi har gjort mätningarna, men, vet du vad, AI:t var någonstans sju-åtta procent bättre än människan I det här Men den var inte riktigt bra och jag tänkte först tror jag att de skulle bli riktigt rädda För det här tar ju över deras jobb, de är väl det här gillar vi? Vi gillar inte det där jobbet för det där är ju väldigt tråkigt Vi vill jobba med nya produkter, det är ju gamla produkter Så vi kan köra ett nytt test istället Men då vill vi inte bara testa AI mot människa utan vi vill också testa AI I kombination med människa. Och så några månader senare lite mer utveckling gjorde vi det testet och sedan tittade vi på resultatet igen. Det här var då mellansäsonsrean I april.
Arti:Då sa de att AI fortfarande är sju-åtta procent bättre än människa. Men kombinationen AI och människa är någonstans mellan tjugotre till tjugosex procent bättre. Det är oerhört mängd av pengar. Det var också då vi myntade amplified Intelligence som är retoriken på hela vår approach under de här åren som jag var där på H&M och jobbade. Sedan dess är det vi har jobbat med hur vi förstärker den befintliga kompetensen.
Arti:Till sommaren var vi ute I slutet till sextio procent av våra marknader och tjänade pengar för bolaget. Det var tangbelt, faktiska pengar som kom in till verksamheten genom att vi inte gav bort för mycket eller vi kunde bli av med saker och ting. Sedan är det bara en liten del av sanningen. Någonstans behöver vi tänka att titta på tidigare delen av supply chain. Om vi köper rätt behöver vi inte lika mycket resor och då blir man får jobba med hela värdekedjan.
Arti:Men där var en faktisk liksom pengar I påsen projekt och vi har haft många sådana.
Speaker 2:Det är superspännande Vad är din erfarenhet av processer och vilka processer som är lite low hängande Fruit när man börjar med någonting om man ska börja generalisera? Går det att göra
Arti:det? Nej alltså jag tror inte det behövs en kompetens kring det affärsområde man jobbar med. Det är inte mitt område. Jag ska sitta här och påstå att jag kan massa saker. För det kan jag inte.
Arti:Det jag egentligen jobbar med är människopsykologin och hur man gör en approach och hur man gör transformation utifrån ett organisationstänk. Det är en massa smarta människor som kan verksamheten. Oftast I min nya roll på BVC så har jag supersmarta personer och det var dom som hjälpte mig när jag var på H&M som kunde affären lika väl som min egen affärsfolk och kunde utmana och prata om vad det är som behöver göra, vilka områden finns det och sedan kommer man närma it down till de här fem-tio vi vill jobba med. Sen I varje industri så finns det några idag. När jag jobbade med PCG tvåtusen sexton då var de femtio pers inom gamma, femtusen femtio globalt.
Arti:Idag är det tre femhundra människor data science is andwell Engineering De har gjort så många sådana, så idag har man ungefärlig bild. Är det inom autommotive så är det de här tio som är viktigast Är det inom banking så är det de här, inom REAM-Tel så är det de här Man har en bild, Det är fortfarande egentligen affären som måste säga vad är våra viktigaste. Det är därför så här: Sulveing the actual problem. Det är fortfarande där man måste titta. Och I de acul problem så brukar det alltid finnas low-haning fraots, snabba grejer.
Arti:Och när man hittar det då kan man komma in med de rätta matematiker, data scientist och utvecklarna och bygga det där. Jag tror att kompetensen finns hos affären. Man behöver bara möta dem på rätt sätt och hjälpa dem omsätta det här till faktiska projekt.
Speaker 2:Finns det någonting runt tekniken AI där man pratar ibland om generativ AI, machine learning eller någonting? Spelar det någon roll egentligen för företagsledningen? Handlar det mer om toolsetet eller någonting?
Arti:Jag tror att jag kom ihåg runt år tvåtusen så var jag arkitekt och fick ett uppdrag på Ericsson. Och då träffade jag en äldre här. Art, ful with the touli Stella Food. Så egentligen, verktygen är inte väsentliga. Det väsentliga är vad man försöker lösa.
Arti:Gerativt AI har blivit ett väldigt hot topic just nu. Vilket gör att man får en ny attention på AI igen. Vilket gör att det kanske är lite enklare att testa saker själv. Det kan också slå åt andra hållet när man blir ännu mer livrädd för den. Men jag tror att det där är inte det som är själva poängen.
Arti:Många säger vad är det du gör? Egentligen, Det är inte att vi transformerar företag för att bli AI-fierade. Vi hjälper bolag och blir resilienta mot förändringar. Igår var det vanlig AI, Predctive AAI, I dag regenerative AAI, I morgon annat. Men bolagen måste lära sig hur man agerar I sådana transmissionsfaser för det kommer bli mer och mer av sådana.
Arti:De flesta bolag är byggda på expertledarskap Vilket inte är fel men när affärsmodellen har funkat då experterna har blivit tagit över Vilket tror att en som är duktig på control blir head of control, en som är duktig på buying blir head of buying och så vidare Men det betyder inte att den personen är en god ledare eller inte utan den personen är väldigt duktig på den gör Sekan den vara det, men det är inte alltid det är den förutsättningen Sen blir den affärsmodellen disrup av någon anledning. AI, teknik, nya saker som kommer in. Då blir den person ofta skakig och det rinner neråt I organisationen. Så jag tror att det handlar inte om tekniken så mycket, det handlar om att bygga att företaget är vana med att nu kommer det hända nya saker. Hur tar vi hand om det här?
Arti:Hur tänker vi? Hur blir vi mindre rädda? Hur ser vi till att AI används på ett bra sätt för att förstärka vår befintliga kompetens? Och så kanske det kommer en dag där vi har passerar singulary point och vi har en AI som tänker den och den vet inte när den kommer. Så det är nog ni gärna av femma.
Arti:Men idag är det fortfarande snabba datorer, mycket data och matematiska modeller som hjälper oss att bli smartare. Och tänker man så, då är det något helt annat.
Speaker 2:Jag tänker mig att inom retail pratar man ju ofta om att AI-bolag som Shiin kunde göra en bild genom AI generera en bild så kunde folk köpa snabbare kläderna och sedan producera de mycket snabbare. Det är ju egentligen Att de kom från en annan typ av landskap och kunde bygga om från början och så har vi de större Sara och H&M som behövde ställa om.
Arti:Är
Speaker 2:det en förenkling av problembilden egentligen att se att det var AI som gjorde att de blev så snabbfotade, men att ställa om resan I större?
Arti:Ja, jag träffade ordförande från tjejen I något sammanhang. Han var på scen och pratade och pratade efteråt. Han berättade att de ser sig inte själva som en retailer. De är mjukvaruföretag. De kom från ett helt annat perspektiv.
Arti:De byggde två plattformar I princip. En för de som gjorde tygen the fabric och en som sydde leverantörerna. Och sedan kunde de matcha det samtidigt som de var ute och sökte vad folk ville med hjälp av TikTok och andra typer av sociala medier. Så det här är intressant. Här har vi en som har the fabric, här har vi en som kan sy det, vi slår ihop det här på ett väldigt snabbt sätt.
Arti:Så de var ju liksom en plattform, mer än något annat som råkade vara kläder. Jag tror att de har en annan approach. Det där kan ju funka och de kan bli jättestora. Men bolag som H&M, Sara och andra har en annan långt, djupliggande kompetens som kan vinna över de här. Men de behöver inte ställa om sig och våga titta och transformera sig.
Speaker 2:Vi kommer att gå in lite på det här med ledarskapet. Om man bygger en sådan organisation och man ska börja komma igång. Hur ser du på AI som head of AI I en organisation, att bygga in det I verksamheten, stötta Emplifie. Hur sätter man upp en bra struktur för att komma igång på ett bra sätt och inte tappa tempo?
Arti:Jag tror att en sådan här transformation är både en top-down och bottom-up transformation bottom-up är för att du löser de faktiska problemen I verksamheten top-down för att det krävs en kulturförändring som kultur rinner nedåt. Jag tror det är väldigt viktigt när man sätter upp en sådan organisation där den personen som leder den organisationen rapporterar så högt som möjligt I organisationen. Gärna till VDn. För det tror jag att den transformationen handlar om. Jag fick lära mig väldigt tidigt av mina nuvarande kollegor och dåvarande var de leverantörer till MB-cigaren, något som hette tio tvåtusen sjuttio.
Arti:Den ekvationen. Att det är tio procent AI, tjugo procent plattform och data, sjuttio procent är människa, processer och affärsverksamhet och jag insåg efter att lärt mig det on the jobb att det också handlar om känslor, egon, rädslor alla de här sakerna. Det är den här sjuttio procenten. Och då behöver man kunna arbeta I den sfären. Jag var den absolut mest korkade person I min organisation när det gäller AI.
Arti:T totaly transparently så var det. Jag var inte det som kunde AI. Det var massor smarta människor som kunde AI. Jag kunde leda dem och hjälpa dem och koppla ihop dem med affären så vi kunde hitta rätt koppling och se till att det vi bygger är de faktiska problemen och att det skalas av affärssidan. Det var det som gjorde att det fungerade.
Arti:Det var inte för att jag var AI-kompetens. Det handlar inte alls om det. Jag förstår AI, jag är ingenjör I grund och botten och fattar det här men sista gången jag kodade programnivån så var jag på 90-talet någon gång. Så nej, jag kan inte AI. Det är massor av människor som är mycket smarta än mig.
Arti:Det handlar om att hitta den här transformationskänslan den här mänskliga biten och titta på det här och det börjar alltid med en själv. Ska man leda en transformation på det här sättet så måste man titta på sig själv. Min gamla vd, nuvarande ordförande på H&M, Carl Johan Pehrson, han brukade säga När det liksom När det går bra ska man kolla ut I fönstret och när det går dåligt ska man kolla I spegeln och titta på vad kan jag förbättra? Jag tror det handlar om att vad han menade med det, jag tyckte det var jättebra sagt, My business, det är det jag kan ändra på. Adher people business och Goat's business, det kan jag inte påverka.
Arti:Men My business kan jag göra. Så börja titta på en själv, våga transformera den, våga tänka annorlunda, våga titta och reflektera. Jag tror det är otroligt viktigt. Vi har alldeles för få ledare som reflekterar. Hur gör jag?
Arti:Vad är det som händer? Hur hjälper jag mina personer att växa? Hur tar jag hand om min organisation gentemot mina chefer? Man måste vända ledarskapet och säga: Jag leder en massa människor och ska hjälpa dem att de ska få lyckas Och det finns en ledarskapsprincip som heter Tight Loves tight Där man är väldigt tight med att säga, var är målbilden, var är det norrstar hur det ser ut, vilka ramverk finns och vilka begränsningar finns det. Och så när man los låter människor som är där jobba under de förutsättningarna och göra det de kan.
Arti:Alltså du tar in människor, du litar på dem, du får lita på dem. Vissa passar inte in och de kommer kanske själv flytta på sig men de som passar de kommer göra jävligt bra jobb Och så är det tight igen att du följer upp och se till att blev det gjort så vi inte har en massa säng kost och massa pengar som vi slänger Det är otroligt viktigt att vara tajt I var vi ska och vara tajt att följa upp och däremellan vara lös och låta dem jobba. Jag tog inte många AI beslut I mina år utan de som kunde göra det. Men jag sett till att de hade en plattform att kunna jobba på. Jag vet inte om det
Speaker 2:är det som är det? Jag tänker oftast som nutidens ledare eller ledare I framtiden Man kan titta på Elon Musk eller Steve Jobs eller de asiatiska ledare också. De har superkoll på det nya landskapet, superkoll på tekniken, är väldigt inne I sina produkter. Tror du att många företagsledare idag förstår data som tillgång? En viktig tillgång de också äger är såklart människor, produkt men också den datan de genererar och att kunna använda den.
Arti:Jag tror att man nu börjar fatta. Jag har inte undgått att data är viktigt
Speaker 2:numera.
Arti:Kanske har det blivit svårare för några år sedan. Däremot att faktiskt äga den. Det är fortfarande en sak som många bolag inte riktigt har kommit dit än. Jag tror det är en viktig punkt att låta de som använder data och skapar data äga data. Och det är färre.
Arti:Idag är det många bolag, de flesta bolag skulle jag kunna nästan sticka I hakan och säga, som Där IT-avdelningen äger datan och ansvarar för den. Och sen så sitter de varje dag och får skäll från affären Varför är det inte en ren? Varför är den dålig? Varför är den inte ackret? Varför är den inte bra kvalitet?
Arti:Och så vidare.
Speaker 2:Varför ökar kostnaderna?
Arti:Eller varför ökar kostnaderna? Och det som är att Att den är som den är beror på affärsbeslut som tagits under åren. Man har skrivit avtal med en extern part. Man har gjort det här och det andra. Alla de har påverkat innehållet av datan.
Arti:Så om man ska få en datakvalitet som är hög och affären ska verkligen kunna få nyttja datan på ett bra sätt utan att man behöver konstant hålla den rätt, då behöver man någon som känner sig accountable för datan. Och det är affärerna som kan göra det. Den resan att äga sin data och ansvara för den är något som man är på nu och börjar titta på. Och det är den konversation jag har I princip alla jag träffar. Jag ser ofta när jag pratar med ledningsgrupper att seaion sitter och nickar Yes yes, äntligen någon som säger det här som jag har sagt här länge.
Arti:Och de andra tittar och förstår att okej, jag behöver äga. Och så är det några som börjat lite på olika sätt. Det är en tråkig bit, till exempel data governance. Jag träffade Zayane på Wallmart och hon berättade att de hade fyrahundrasju definitioner på jordgubbar när de höll på med det här. Hur definitioner kan man jordgubb.
Arti:Att komma överens kring sådana saker är ju svåra saker, men jag tror man behöver titta på det. Att det är viktigt, det tror jag man förstår. Hur man gör det, det tror jag inte riktigt där ute än.
Speaker 2:Då kommer man in på det här med risk och etik, hur man använder datan och AI och vad man lägger bort och sådant. Vad brukar vara frågeställningar som dyker upp när man börjar jobba med det här runt risker och kanske även etiken runt att använda viss data I
Arti:AI? Den finns ju där och den är väl olika beroende på vilken bransch man är. Jag kommer ihåg att när jag började med det här på H&M Vi brukade inte vara ute och tala så ofta på konferenser utan det var väldigt få. Egentligen var det hållbarhetschefen som mest talade ute på konferenser. Sedan sa jag väldigt tidigt att jag måste göra det för jag måste visa var vi befinner oss och kan attrahera talanger och sätta h&M på kartan inom AI-världen Så jag fick godkänt att vara en språksperson och prata och då kom jag ihåg att vi medirätts självklart som alla folk I den positionen måste tränas och hur man tar emot media.
Arti:Då brukade hon som var hållbarhetschef få tuffa frågor och tränas på det och jag fick aldrig några tuffa frågor. Han sa: How about me? Kan inte jag få det tuffa? Ditt område är så enkelt, det är så kul, alla vill AI, det var jätteroligt. Nej, det kommer inte vara roligt.
Arti:Om vi missköter datat, om vi inte vet vad vi gör måste vi förstå vad vi pysslar med. Jag insåg att det här är ett område som är ganska Folk tittar inte på det än. Tvåtusen arton rekryterade en dam som hette Linda Leopold till hennes och Mauritz som blev vår Head of Responsible AI. Förra året utnämndes av Forbs Maggasen, en av nio I världen inom det området. Så det är en fantastisk resa vi gjorde då.
Arti:Men vi kom tidigt till den frågan. För mig var det viktigt att GDPR och sådant är en compliance. Om jag ska använda AI på ett rätt sätt så måste den vara schysst. Så gott jag kan måste den vara så. För jag måste skapa en tröst mellan mig och en tillit mellan mig och kunden För att den där datan är inte bara kundens data, det är faktiskt min egen data Mina barns data Min frus data Vi är alla medlemmar I våran klubb osv Om man ser det mer som att det finns en tröst I det här Tröst skapar en relation och relation gör att den personen den kunde återvända Så om man hanterar min data skjuts Sen kan man säga att om man vill göra det här med din data, är det okej?
Arti:Ja, då kan man vara lite introsive. Eller så är man inte alls det. Men jag tror att det finns jättemycket I det här att man behöver titta på det etiska perspektivet ganska tidigt och behöver dra in det här både Responsible AI och ettical AI väldigt tidigt I det man gör. Sedan är det olika från bransch till bransch. Vad innebär det I vår bransch?
Arti:Är man I en bank så har det betydelse, är man I sjukvård och hälsovård då har det helt annan betydelse och I retail då har en tredje betydelse. Men att man tittar på det tror jag är oerhört viktigt.
Speaker 2:Jag tycker det är spännande. Hur ser du på det här med nyckeltal och sånt där? Finns det något bra nyckeltal eller några bra KPI som man kan titta på för att mäta effekthämtning eller vad man investerar för och jämför olika initiativ mot varandra?
Arti:Jag tror att egentligen, det man behöver göra är att börja titta på om man har tagit hem effekten. Det spelar egentligen vad det är, om det är AI-projekt eller vilket projekt som helst. De flesta bolag drar igång en massa projekt och så drar de igång nya projekt och så glömmer man bort det här business-caset med Dit werechet. Nådde vi den? Fick vi faktiskt pengar?
Arti:Eller är det så att man lägger på nya saker? Jag gillar tanken att man nästan tänker sig det som dragknästet det här TV-programmet. När man kommer en så får man visa att man kan det här. Innan man får nästa pengar för nästa projekt så måste man visa att det förra projektet gick bra. Och den tankemodellen tror jag är inte så vanligt fortfarande.
Arti:Och då spränger det om det är ett AI-projekt eller inte. Sen I ett AI-projekt kan som KPI-inne vara olika. När jag drog igång första resan för gruppen som vi höll på från tvåtusen sexton och framåt. Vi gick in och löste de här faktiska problemen. Vilket betydde att vi löste operationella problem per område En viktig sak var också att sprida dom här problemen som vi löste på över hela värdekedjan Så vi tog bara ett område som marknadsföring eller försäljning eller inköp och bara fokusera på dem.
Arti:Vi hade en heden agenda att lyfta hela organisationen för att bli datadrivna. Vilket betyder att man måste gå och lösa de faktiska problemen. Oftast är de här organisationerna, H&M, precis som alla andra, väldigt sidifierade I början. De jobbar självklart med varandra men det är väldigt mycket alla KPI är ofta suboptimerat inom den här silon. Så när vi löser de problemen så var de KPI:erna viktiga där och då.
Arti:Men ett och ett halvt år inne på projektet så såg jag att affären bara inser att vi är beroende upstream, downstream. Så kan vi börja titta annorlunda. Då blev det liksom cross, den nya silon där folk börjar titta på varandra. Då ändras kopiierna. För om jag löser ett problem med mark downns for sales samtidigt som jag löser problem med överköp för inköp snart kommer sales inte lika mycket markdowns.
Arti:Men I början måste jag lösa båda problemen för att öka förståelsen för AI och data och sedan kommer de hitta ett nytt samarbete sätt och så kommer det komma nya kopior. Och jag kommer ihåg att redan efter år två så gick jag till min dåvarande Head of control på gruppnivå och sa Fredrik, jag behöver hjälp för vi måste börja mäta på nya sätt som vi inte har gjort tidigare. Man måste titta på helheten och det är nog de flesta som inte gör. Och den tror jag är både företag och verksamhet specifik Så det finns inga specifika KPM man måste titta på utan det är så här Vad betyder det här för oss? Sen finns det vissa saker man skulle kunna titta på när man skalar en produkt När man hittat en produkt utvecklat den och sedan skapar skala, då finns det självklart en del standardgrejer.
Arti:Hur många procent sharoff business har vi nått? Hur väl använder de den? Hur ofta? För ibland kan det gå tillbaka. I början använder de mycket, sedan börjar de använda den mindre.
Arti:Och då vill man ju kunna mäta sig varför används den mindre? Har tilliten minskat och varför det? Och det är mer för själva hur man håller en produkt vid liv. Den skiljer sig inte heller från AI-produkt än vilken teknikprodukt som helst. Man måste ju mäta hur den används och varför den inte används.
Arti:Men det finns ingen AI-KPI:er. Jag skulle inte vilja säga det. Det är affärskoier. Gör vi det vi ska göra, får vi pengar som vi har tänkt oss, får vi det värde vi har fått? Om inte, Kelit.
Arti:Kel your darlings.
Speaker 2:Tycker det är intressant för ofta tycker jag oftast att identifiera ett problem är en utmaning, att vi verkligen hittar det riktiga problemet I en process eller en kedja. Det andra är att identifiera det KPI som faktiskt skapar förändring, effektivitet eller produktivitet. För oftast blir det att man mäter profibility eller growth eller något generellt. Man vill nästan vara så här, tar man en ekonomisk process. Om vi kör tusen fakturor och det tar trettio sekunder så ska det ner till fem sekunder automatiserat.
Speaker 2:Man hittar någonting som borde göra någonting.
Arti:En av sakerna som tror jag var väldigt viktigt, I och med att jag pratade om de faktiska problemen. Är att hitta de här faktiska problemen. Vi drog inte igång alla andra ställen som jag har varit involverad I. Om det inte fanns ett affärsprojekt. Problem hos affärssidan, när de dragit igång ett projekt och förstått vad är problemet Vad är vi vill uppnå Vad är business case?
Arti:Men de har inte kunnat lösa det för att det krävs en bit Matematik och data och AI Låt oss hjälpa er I den här problemetvärlden och hjälpa er bli smartare I just den biten Ni äger fortfarande projektet, ni äger outcome, era KPIer men vi hjälper er den här mattedelen Stopp whening when can calculat brukar vi säga Då är det ju faktiskt någon som har tänkt ut dom där sakerna Och så kan man efteråt se till att nådde vi dom resultaten ja eller nej Men det är viktigt att det fanns en person som hade tittat på det, en grupp som hade tittat på det och förstått vad värdet är och vad det är vi ska uppnå Det tror jag är väldigt viktigt att det finns klara och tydliga bild på vad det är vi ska uppnå Det är därför Pokopilot som är coola aldrig tar fart för att de är oftast byggda på en eller man inspirerar någon och vill du göra det här? Aldrig låter spännande det är inte deras faktiska problem.
Speaker 2:Hur ser du framtiden? Vad ligger bakom hörnet om ett-tre år? Fem-tio år? Vad ligger där borta I horisonten? Hur kommer AI förändra den här alla
Arti:branscher? AI kommer från alla branscher. Jag är ingen orakel. Vi kunde inte gissa hur snabb Gerhilda WeiA är. Jag tror att det kommer gå ännu snabbare.
Arti:Hur snabb? Jag kan inte. Jag är inte tillräckligt kompetent för att kunna säga vad som kommer hända Det som jag är säker på Det är att förändringen kommer ske snabbare Och vi behöver bygga den här resiliensen I organisationer hos människan Och det handlar om en transformation Det handlar om en persons egen transformation Så alla Behöver börja jobba med sig själva I den transformationen Att man kan reflektera och förstå vad som händer Ta det lugnt Det är fortfarande inga kognitiv AI som tänker av sig själv så länge. När den dagen kommer då har vi alla problem.
Speaker 2:Men vi är
Arti:inte där än. Just nu är det ett hjälpmedel. Det var ju någon som sa, jag tror det var en professor AKani som sa att det är inte AI som tar jobb från människorna, det är människor som kan AI som tar jobb från andra människorna. Och det är väl det att man förstår och testar och lär sig vad det här kan handla om. För vi stöter på AI hela tiden I vår vardagsliv, I våra telefoner, där vi håller på med apparna, vad som helst.
Arti:Så det handlar om att få bort den här rädslan och känna sig trygg I det man gör. Så det kommer vi behöva fortsätta jobba på. Bolagen behöver utbilda och se till att folk förstår oss, upskillas och reskillass. Sen vad som kommer komma om två-tre år, det har vi ingen aning om. Med den speed som vi har idag på utvecklingen.
Arti:Allting är redan idag kopplat med AI på något sätt och det kommer bli bara ännu mera.
Speaker 2:Vad ger för då till fastighetsbranschen? De som jobbar I fastighetsbranschen idag? Hur ser du på det utifrån och in?
Arti:Fastighetsbranschen tror jag är väldigt spännande med. Många av de här incomventerna som är gamla branscherna är jättespännande för det finns väldigt mycket där som går att göra och jag har ju sett redan många bolag. Vi har ju pratat tidigare om saker som ni pysslar med och jag har sett andra verksamheter där man tittar på hur vi kan börja använda oss av IoT devices och AI för att titta på hur mycket energi vi använder och hur vi kan bearbeta våra utstrålning av energi och carbon footprint Men även också hur det ser ut med folk som går in och ut och rokar rum, olika shoppingmals Det finns jättemycket där som är väldigt spännande Fastighetsbranschen kommer lite efter Men jag tror att när den bommen började dra igång så kommer det bli väldigt stora förändringar Och det kostar ju för det är också mycket fysiska Det är ju inte bara digitalt att man kan bygga någonting I en app och det funkar utan man måste faktiskt göra fysiska installationer Så då får man ju respekt för att det kommer ta sin tid Men jag kommer ju från fysiska världen, men som Ariz var det en fysisk värld Det var ju väldigt spännande att se de här sakerna som vi gjorde, som påverkade de faktiska varor vi flyttade, hur vi kunde påverka att vi minskade våra utsläpp för att vi är mer korrekta på vad vi köper istället för att köpa lite random eller hur vi flyttar mellan länder.
Arti:Allt det där var jättespännande. Jag tror att AI kommer att vara, är och kommer att fortsätta vara en av de bästa enablers för att uppnå ens hållbarhetsmål. Och det tror jag gäller fastighetsbranschen. Sen finns det säkert en massa nya områden som man kan komma på där I fastighetsvärlden. Men jag tror just den här kopplingen till hållbarhet är nog av de viktigaste vidare.
Arti:Vi börjar
Speaker 2:närma oss slutet. Vi försöker hålla det kompakt och intressant. Det har varit jätteintressant. Om du skulle ge några sista råd till lyssnarna runt AI och transformation, hur summerar du ihop allt?
Arti:Alltså då måste jag säga ett tio tvåtusen sjuttio Glöma, alltså om det är någonting vi ska ta med från den här podden så är det ekvationen tio tvåtusen sjuttio Det är tio procent som är AI tjugo procent tech-dataplattform sjuttio procent är människan, processen, transformationen Känslorna, rädslorna allt det där Det är vad det handlar om Det vet man oftast men man spenderar oftast väldigt lite på den biten utan man tänker direkt och går in på lösningen och produkten Tänk människan och processerna, det är absolut viktigaste Och nummer två Skulle jag vilja säga det är vad jag brukar oftast prata om, value-bufor-struktur och det är att fokusera mer på värdet man håller på och bygger och inte så mycket på de strukturella. Det betyder inte att man ska fundera på strukturen och en struktur kan ju vara plattformar, tekniken, roller, organisation Utan man plockar lite precis så mycket som behövs för att skapa värde När man väl har skapat värde då är det mycket lättare att prata om struktur och säga nu ska vi bygga så här Det är många fajtas från början Vem ska äga det här? Hur ska organisationen se ut? Vem rapporterar till? Det blir bara strukturfrågor, man kommer aldrig till värde Så värdey before struktur och tio, tjugo, sjuttio, det är nog de två sakerna Tänker ni på de två grejerna kommer lyckas ganska långt
Speaker 2:Och sen lös faktiska problem Jättebra, tusen tack!
Arti:Tack