Datadrivna organisationer
Bästa praxis för AI-implementering i Sverige
Under 20 månader har organisationer från näringslivet, offentliga sektor och akademi jobbat tillsammans för att hitta svar på hur man tar AI från experiment till verklig implementering. Tillsammans har de identifierat de organisatoriska, tekniska och styrningsmodeller som möjliggör ansvarsfull, skalbar och effektiv AI-drift.
Varför gick de samman i projektet Datadrivna organisationer? Tack vare AI finns nu en verktygslåda som gör det möjligt att skapa lösningar som tidigare var otänkbara. Under de senaste åren har potentialen i AI utforskats genom proof-of-concepts och piloter hos många svenska organisationer. Denna fas har är nödvändig för att bygga en förståelse för hur AI kan skapa värde.
Men när du väl har en idé om vad du vill göra, står du inför en ny fråga: Hur du ska fortsätta utvecklingen och sätta modeller i produktion på ett strukturerat och organiserat sätt och i stor skala. Därför formulerades projektet Data-driven Organizations: Best practices for operationalizing AI in Sweden (DDO).
Projektet har finansierats av de deltagande organisationerna och Vinnova. AI Sweden delfinansieras av European Regional Development Fund inom projektet "Ökat nationellt samarbete för accelererad användning av AI i alla branscher".
Användningsfall
En stor del av arbetet i DDO har skett i tre konkreta användningsfall som adresserar verkliga behov hos några av projektdeltagarna: Hur kan vi använda AI på ett hållbart sätt, hur kan vi dela fysisk infrastruktur mellan olika tillämpningar och fortfarande följa alla regelverk, och hur hanterar vi en situation med tusentals modeller i drift?
Användningsfall 1: Sustainable AI infrastructure lifecycle
Hur kan vi säkerställa att användningen av AI är ekonomiskt rimlig och hållbar under hela sin livscykel, även med begränsade resurser? I ett samarbete mellan Region Halland och Aixia utvecklades benchmarks för både språkmodeller och bildanalys för att jämföra hur bland annat energiförbrukningen förändras beroende på hårdvara, modell och utvecklingsramverk.
Användningsfall 2: 1000 models in production
Hur går det att skala driften av AI-modeller från några få till hundratals eller till och tusentals modeller, med bibehållen effektivitet och styrning utan att samtidigt behöva öka antalet anställda? I det här användningsfallet jobbade Volvo Parts tillsammans med Hopsworks, Red Hat och Linköping Universitet. Syftet var att identifiera praktiska strategier för att hantera livscykeln för tusentals modeller utan att antalet anställda måste öka proportionellt med antalet modeller.
Användningsfall 3: Centralized AI Infrastructure with Kubernetes: Secure and Compliant
Trafikverket har ett behov av att kunna dela resurser som GPUer mellan olika tillämpningar och faser av utvecklingen och samtidigt följa de regelverk som bland andra MSB sätter upp. Samarbetet mellan Trafikverket, Stormgrid, Red Hat och Proact tog sig an den utmaningen. Tillsammans har de identifierat hur den fysiska infrastrukturen kan delas mellan utveckling-, test- och produktionsmiljöer på ett sätt som är förenligt med gällande regelverk och därmed möjliggör bättre resursutnyttjande.
Whitepapers
Håll utkik här: Alla projektets whitepapers släpps den 16 december!
Vill du få en avisering när alla whitepapers publicerats? Anmäl dig till vårt nyhetsbrev.
Tekniska demos
Som ett komplement till våra white papers presenterar vi projektets viktigaste resultat även i videoformat. I den här sektionen hittar du dedikerade presentationer av varje användningsfall, tillsammans med tekniska djupdykningar och demon som visar hur ramverken implementeras i praktiken.
AI Operation Talks: Insikter från frontlinjen av AI-driftsättning
Samtidigt som projektet sätter ramarna för styrning och struktur, visar serien AI Operation Talks hur arbetet faktiskt går till i praktiken när man bygger AI-drivna organisationer. Serien är framtagen tillsammans med den svenska AI-communityn och består av TED-liknande föreläsningar från experter, tekniker och entreprenörer som just nu navigerar övergången från experiment till produktion.
Spellista för AI Operations Talks: Se alla 21 inspelningarna från denna webbinarieserie.
Vill du fördjupa dig ännu mer?
Flera av projektpartnerna erbjuder mer information på sina webbplatser – utforska dem nedan.
Blogginlägg från Red Hat:
MLOps-utmaningen – att skala från en modell till tusentals ”Tänk om hantering av modeller inte behövde vara kaotiskt?”
Bok om MLOps av Jim Dowling på Hopsworks:
Building Machine Learning Systems – Batch, Real-Time, and LLM Systems
Artikel skriven av Tiger m.fl. inom projektet:
Exploratory Visual Analysis for Increasing Data Readiness in Artificial Intelligence Projects
Projektpartner
Anmäl dig till AI Swedens nyhetsbrev
Som prenumerant får du en avisering när alla whitepapers och andra resurser har lagts till på denna sida. Du får också månatliga uppdateringar, inbjudningar och de senaste nyheterna från det svenska AI-ekosystemet.
Kontaktuppgifter
