Datadrivna organisationer – Bästa praxis för AI-implementering i Sverige
Hur kan en organisation bli datadriven på riktigt? Det ska AI Swedens nya MLOps-projekt, med det formella namnet Data-driven organizations – Best practices for operationalization of AI in Sweden, ge svar på. Projektet, som löper fram till December 2025, är AI Swedens största hittills, sett till antalet partner som deltar.
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. Vi samlar nu resultat och lärdomar på ai.se/ddo.
Workshop i Göteborg.
Vad är MLOps?
Machine Learning Operations (MLOps) är en uppsättning metoder, verktyg och processer som syftar till att göra maskininlärningsutvecklingen mer robust och skalbar, med en högre grad av automatisering och samarbete över olika avdelningar och discipliner.
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.
Deltagare i MLOps-workshopen besöker Edge Lab på AI Swedens kontor i Göteborg.
Fakta
Finansiering: Deltagande partner samt medfinansiering från Vinnova och den Europeiska regionala utvecklingsfonden inom ramen för projektet ”Ökat nationellt samarbete för accelererad användning av AI i alla branscher”.
Projektbudget: 35.7 millioner SEK
Deltagare:
- AI Sweden
- AIXIA
- Linköping University
- NetApp
- Proact
- Red Hat
- Region Halland
- Sahlgrenska universitetssjukhus
- SCB
- Skatteverket
- Stormgrid
- Trafikverket
- Volvo Parts
- Västra Götalandsregionen
- IBM Svenska
- Predli Consulting
- Hopsworks
Projektperiod: April 2024 - December 2025
För mer information om projektet, välkommen att kontakta oss:
Relaterad artikel
