– Det er ikke teknologien som begrenser oss lenger. Det er forestillingsevnen vår

Frank Barth-Nilsen er ikke utvikler. I hvert fall ikke på dagtid.

Han kommer fra journalistikken, og jobber nå med kompetanse, HR og organisasjonsutvikling i NRK.

Men på fritiden bygger han avanserte, agentiske KI-systemer som på sikt skal kunne analysere informasjon, håndtere spesifikke arbeidsoppgaver og «simulere» mange av de prosessene han jobber med i det daglige.

– Jeg har en del KI-prosjekter jeg gjør i arbeidstiden, men å teste grensene for KI-løsninger er på en måte som mitt strikketøy. Det er noe jeg holder på med på kveldstid og i helgene, forteller han.

Et strikketøy med kompliserte masker og mønstre – og potensielt store ringvirkninger.

– Vil komme utviklingen i møte

Det begynner å ligne en klisje, men uttrykket holder fortsatt stand: «I fremtiden er det ikke KI som tar jobben din, men noen som er gode på å bruke det».

For Barth-Nilsen startet motivasjonen med en ganske enkel erkjennelse. Mange av oppgavene hans, særlig innen HR, kompetanseutvikling og analyse, er oppgaver kunstig intelligens kan løse, i hvert fall delvis.

Kanskje ikke neste måned eller neste år. Men for alle som følger med er det tydelig hvilken vei pilene peker.

– Jeg ville komme utviklingen i møte og lære meg å bruke KI-verktøy og utvikle skreddersydde digitale løsninger tidlig, før noen andre gjør det for meg.

Møt FARAO

Et av resultatene av timene er pilotprosjektet FARAO.

Navnet spiller på to ting. Det første er et akronym for «Franks Agentiske Research-, Analyse- og Organisasjonsutviklingsverktøy».

Det er en litt Reodor Felgen-aktig humor i det, men navnet er likevel ganske presist. For det er nettopp disse tingene systemet er laget for – trent på spesifikke bruksområder, erfaringer og metodikker tilegnet gjennom over 30 år i mediebransjen.

Setter agenter i sving

Navnet spiller også på den historiske betydningen. I det gamle Egypt betydde farao «det store huset».

I praksis fungerer FARAO som en orkestrator. Du snakker bare med den ene agenten. Den planlegger oppgaven, setter andre agenter i sving, som henter verifisert informasjon fra datagrunnlaget – det store huset – for deretter å sy svarene sammen og levere det ferdige resultatet tilbake.

Hovedagenter kan «bestille» nye underagenter hvis de har behov for å utvide kapabilitene sine. På sikt skal dette skje så automatisk som mulig. Systemet har også en meta-agent som bare jobber bak kulissene.

Agenten OSIRIS evaluerer alle oppdrag som systemet leverer og foreslår optimaliseringer. Den lager også oppsummering av all innsikt og læring i hvert team, og gjør den klar for deling mellom team. En administrator må foreløpig godkjenne forslagene.

På mange måter er ambisjonen at systemet skal simulere det team – og fagpersoner som han selv – gjør i utviklingsprosjekter.

Målet er å løse et velkjent problem, nemlig at kunnskap blir sittende fast i siloer, hvor mange jobber med det samme, og går opp de samme stiene hver for seg

– Vi bruker mye tid på å samle inn kunnskap, gjennom prosjekter, analyser og erfaringer. Utfordringen er at mye av den blir liggende der den oppsto. Da risikerer vi at ulike team gjør det samme arbeidet flere ganger, uten å vite at noen allerede har funnet svarene, sier han.

Handler om det han lærer på veien

Barth-Nilsen understreker at dette er et pilotprosjekt som han jobber med på siden. Det er langt fra å være i produksjon, og det er heller ikke et «offisielt» eller bestilt prosjekt.

Systemet er fortsatt umodent, og det er mange uløste spørsmål om hvordan det skal brukes i praksis. Blant annet er han opptatt av å ikke automatisere innsiktsdeling som kan eksponere sensitiv informasjon, før systemet er gjennomtestet.

Men den reelle verdien handler ikke nødvendigvis om at verktøyet skal ut i produksjon. Men heller om alt han lærer på veien.

Nettopp på grunn av de nye ferdighetene han har tilegnet seg gjennom «strikketøyet», har Barth-Nilsen begynt å se oppgaver med nye øyne.

Et eksempel var da noen kollegaer for hånd skulle registrere 10 000 datafelter. Barth-Nilsen skjønte raskt at mye av arbeidet kunne automatiseres.

– De kunne slippe å bruke det neste halve året på det. Vi kan kanskje klare det på to uker, sier han.

Spagettikode

Da Barth-Nilsen først begynte å KI-kode slet han med dårlig selvtillit. Det var så mye han ikke kunne, som «ekte utviklere» kan.

– Men så innså jeg at det er mye jeg kan bruke til min fordel som utviklere ikke har, nemlig konteksten i det jeg jobber med til daglig, sier han.

Derfra ble prosjektene mer og mer avanserte. Det var likevel ikke alltid koden ble spesielt pen eller funksjonell. Ofte endte han med det som kalles «spagettikode», der filene blir lange, rotete og vanskelige å holde oversikt over.

Men nettopp disse utfordringene ble også en viktig del av læringsprosessen.

– Jeg var redd for å gjøre sikkerhetsfeil, så jeg brukte flere ulike løsninger til å sjekke sikkerhet og beste praksis. Etter hvert har jeg ryddet opp i spagettien, byttet verktøy og lært mye underveis.

Ikke lenger teknologien som setter begrensninger

På mange måter sier Barth-Nilsen at utviklingen innen kunstig intelligens minner om da internett for alvor tok fart. Mange ventet på at teknologien skulle bli moden nok.

Helt til det kom til et punkt hvor det ikke lenger var teknologien som var utfordringen. Det var vår egen evne til å tenke ut hva vi kunne gjøre med den.

– Nå begynner det å nære seg det samme punktet. Det er ikke teknologien som setter begrensninger for oss lenger. Det er forestillingsevnen vår, sier han.

Og forestillingsevne, mener han, er noe som vokser gjennom erfaring, testing, prøving og læring.

– Jo mer jeg skjønner av dette, jo mer skjønner jeg hva som faktisk er mulig, både i dag, og i fremtiden når teknologien er enda mer moden enn den er i dag.

Samtidig er han også opptatt av bærekraftsperspektivet.

– KI og skyløsninger bruker mye ressurser. I en verden hvor nesten alt er mulig, blir det viktigere enn før å prioritere og avklare hva som er godt nok, sier Barth-Nilsen.