Data-driven organizations – Best practices for AI operationalization in Sweden

Tillsammans kommer femton av AI Swedens partner, från näringsliv, offentlig sektor och akademi, ta sig an frågor som handlar om storskalig drift av AI-lösningar och hur man använder AI på bred front i en organisation.

Utmaningar

Till de tekniska utmaningarna hör bland annat förändring hos både data och modeller.

• Kommer ny data fungera på samma sätt som existerande data i en befintlig modell? 
• Kommer en uppdaterad modell att förhålla sig till data som en befintlig modell? 
• Och hur tränar man om modeller med ny data?

I det organisatoriska spåret finns frågor om vilka ansvar och roller som behövs, vilka processer som måste finnas på plats för att kunna styra AI-användningen mot rätt mål, förutsättningar för nya projekt, data och teknik.

Syfte & förväntat utfall

Att skapa förutsättningar för funktionell och skalbar MLOps för AI-implementering hos svenska organisationer, inklusive kringliggande processer och organisatoriska förändringar.

Det övergripande målet är att bygga förståelse för hur en organisation ska förhålla sig till att data och teknik förändras över tid, med ambitionen att utveckla verktyg och guidelines som hjälper en verksamhet att få organisation och teknik på plats för att kunna jobba datadrivet bortom prototyp- och teststadiet.

Leverantörsparterna kommer att bidra genom att upprätta en sandlåda för MLops för att testa olika lösningar. Andra parter kommer att bidra med användningsfall och exempel på bästa praxis från sin verksamhet.

För mer information, kontakta