Start » Entreprenör » Karl Bohlin – ”Tillbaka till skolbänken”
Entreprenör

Karl Bohlin – ”Tillbaka till skolbänken”

Jag har byggt ekonomisystem sen jag var 16, parallellt med min universitets utbildning i datavetenskap. Det är 38 år nu. De utmaningar jag står inför nu är inspirerande, fantastiska och kommer att förändra världen.

Jag integrerar nu självlärande AI i vår produktlinje. Vi integrerar automatisk dokument-scanning som inte bara förstår vilken typ av dokument det är men också lär sig hur ditt företag brukar boka det. Systemet kommer att själv kunna följa ditt email-flöde och hitta kvitton och fakturor.

Självklart kommer det att fråga när det är osäkert, det är så AI lär sig.

Det kan se klockslag för att funderar ut om det är privat eller representation, det kan se vilken leverantör det är och om det är vanliga varor som skall lagerföras eller om det skall kostnadsföras. Självklart kommer det att fråga när det är osäkert, det är så AI lär sig.

Stora möjligheter

Vi bygger chat-bottar för support, som läser våra manualer och sen hjälper kunderna.

Vi bygger en talkbot som kan svara i telefon, själv koppla vidare, boka möten och diskutera obetalda fakturor och sena leveranser med dina kunder. Möjligheterna är stora.

Just idag designar jag en “grå eminens” som kan själv läsa av dina email och lyssna på dina telefonsamtal som den bästa assistent och sen ge råd om både din kunds och din egen emotionella status. Den kommer att vara ovärderlig för säljare, HR personal och chefer.

Öppnar nya dörrar

Den mest spännande projektet är att låta Watson från IBM se alla transaktioner i ett system för att sedan kunna ge råd till finanschef, inköpare och personalchefer. Ett helt annat tänk än våra gamla statistiska hårdkodade algoritmer. Visst har dom sitt värde också, men “deep learning” öppnar nya dörrar för avancerad funktionalitet. Det kommer att bli mycket lättare att starta och driva eget när du har Watson i ryggen.

“Deep learning” öppnar nya dörrar för avancerad funktionalitet.

Min gamla utbildning från 1984 i datavetenskap kommer väl till pass, men jag måste lära mig mycket nytt, för att förstå var gränserna går idag och var dom kommer att gå nästa år och året efter det. Vad är relevant information, hur skall vi samla in den, vad är för stora datamängder, vad är för små datamängder? Frågorna är många.

Nästa artikel