Så växer de specialiserade AI-verktygen fram
De första AI-verktygen som fick stort genomslag var breda och generella. De kunde skriva text, sammanfatta information, skapa bilder och svara på frågor inom nästan vilket område som helst. Det gjorde dem användbara för många, men också ganska ytliga när arbetsuppgifterna blev mer specialiserade.
Nu sker nästa steg. I allt fler branscher utvecklas verktyg som inte bara använder AI eller automatisering, utan som faktiskt är byggda kring ett specifikt yrkes arbetsflöde.
En fotograf behöver andra funktioner än en programmerare. En ekonom arbetar med andra typer av data än en videoredigerare. En DJ behöver inte ett generellt analysverktyg, utan ett system som förstår BPM, musikalisk tonart, Camelot-koder och hur olika låtar kan fungera tillsammans.
Det är här specialiserad programvara börjar bli riktigt intressant.
Från generella verktyg till branschspecifika lösningar
Generella program har en stor fördel: de kan användas till många saker. Nackdelen är att användaren ofta själv måste anpassa verktyget efter sitt arbete.
Specialiserade verktyg gör tvärtom. De är byggda från början för ett visst problem och kan därför automatisera fler steg i processen.
Det kan handla om:
- Bildprogram som förstår kameradata och objekt i fotografier
- Utvecklarverktyg som känner igen programmeringsspråk och kodstruktur
- Ekonomisystem som kan tolka fakturor och transaktioner
- Videoprogram som automatiskt kan transkribera och identifiera scener
- Musikverktyg som analyserar tempo, tonart och harmonisk kompatibilitet
Ju bättre programvaran förstår arbetsuppgiften, desto mindre tid behöver användaren lägga på att förklara vad som ska göras.
Det handlar inte bara om AI
Begreppet AI används ofta som ett samlingsnamn för all ny programvara, men den verkliga utvecklingen handlar om mer än generativ artificiell intelligens.
Många av de mest användbara systemen kombinerar flera typer av teknik. Maskininlärning kan användas för klassificering, medan traditionella algoritmer hanterar beräkningar och automatisering. Databaser används för att lagra resultat och lokala processer kan analysera stora mängder material utan att det lämnar användarens dator.
För användaren spelar tekniken bakom systemet ofta mindre roll. Det viktiga är att ett arbetsmoment som tidigare tog en timme kanske kan göras på några minuter.
Specialisering kan ge bättre resultat
Ett generellt AI-system kan exempelvis resonera kring musik, men det betyder inte att systemet är optimalt för att analysera tusentals ljudfiler.
Ett specialiserat musikverktyg kan däremot vara byggt för exakt den uppgiften. Det kan läsa ett bibliotek, identifiera tekniska egenskaper hos varje låt och sedan lagra informationen på ett sätt som är användbart för den som faktiskt ska arbeta med materialet.
Det är samma princip som gör att professionella användare ofta väljer specialprogram framför generella kontorsverktyg.
Specialisering kan ge:
- Bättre precision
- Snabbare arbetsflöden
- Mindre manuellt arbete
- Funktioner anpassade efter branschens terminologi
- Bättre integration med befintliga system
Ett konkret exempel från DJ-världen
DJ-branschen är ett tydligt exempel på hur specialiserade verktyg växer fram kring ett specifikt arbetsflöde.
En DJ med ett stort musikbibliotek behöver ofta analysera BPM och musikalisk tonart innan materialet organiseras och används i ett set. Om biblioteket innehåller flera tusen låtar blir manuell analys snabbt orimlig.
Ett exempel på en specialiserad lösning är DJ Toolbox Pro Mix Architect. Verktyget kan analysera ett befintligt musikbibliotek och identifiera BPM, musikalisk tonart och Camelot-kod för varje spår. Resultaten kan sedan sorteras och användas för att hitta låtar som fungerar bättre tillsammans vid harmonisk mixning.
En intressant detalj är att analysen sker lokalt på användarens dator. Musikbiblioteket behöver alltså inte laddas upp till en extern molntjänst, vilket kan vara en fördel både för hastighet och integritet.
När verktyget också förstår arbetsflödet
Det verkligt intressanta uppstår när programvaran inte bara analyserar data, utan även förstår hur informationen används i praktiken.
I DJ-världen räcker det exempelvis inte att veta att två låtar har samma BPM. DJ:n vill också veta om deras tonarter fungerar tillsammans, om energin i setet utvecklas naturligt och om låtordningen passar den typ av spelning som planeras.
DJ Toolbox Pro har därför även ett verktyg kallat DJ CoPilot, som kan skapa ett första förslag på ett harmoniskt set utifrån bland annat genre, era, energinivå och önskad längd. Förslaget är redigerbart, vilket innebär att DJ:n fortfarande fattar de kreativa besluten medan systemet hanterar delar av den tekniska analysen.
Det illustrerar en större trend inom specialiserad AI: verktyget försöker inte ersätta yrkespersonen, utan tar över de repetitiva delarna av arbetet.
Lokalt eller i molnet?
En annan fråga som blir viktigare när programvara blir mer specialiserad är var själva analysen sker.
Många AI-tjänster arbetar i molnet. Användaren skickar information till en extern server, där beräkningen görs innan resultatet skickas tillbaka.
Det ger stora möjligheter, men lokala lösningar har också tydliga fördelar:
- Filer behöver inte laddas upp
- Arbetsflödet kan fungera utan internetanslutning
- Känsligt material kan stanna på den egna datorn
- Stora mängder data behöver inte skickas över nätet
Mix Architect är ett exempel på den modellen eftersom analysen av musikbiblioteket sker lokalt.
Liknande lösningar blir allt vanligare även inom andra områden i takt med att moderna datorer får kraftfullare processorer och särskilda kretsar för AI-beräkningar.
Specialiserade verktyg kan samla flera små problem
En annan utveckling är att program inte längre försöker lösa bara en enda uppgift.
I stället byggs verktygslådor kring hela arbetsflöden.
DJ Toolbox Pro är återigen ett bra exempel. Utöver analys av BPM och tonart innehåller plattformen funktioner för harmonisk setplanering, vokalseparation, ljudkonvertering, mashup-matchning och export till DJ-program.
Audio Converter kan exempelvis batchkonvertera format som WAV, FLAC, AIFF, M4A och MP3 lokalt på datorn.
Det viktiga här är inte just DJ-branschen, utan själva modellen. I stället för att använda fem eller sex separata tjänster kan användaren få flera verktyg som är byggda för samma typ av arbete.
Människan behöver fortfarande fatta besluten
Specialiserade verktyg kan automatisera analys, sortering och förslag, men det betyder inte att de automatiskt vet vilket resultat som är bäst.
En DJ kan få ett harmoniskt korrekt låtförslag, men måste fortfarande avgöra om det passar publiken. En fotograf kan få automatiskt brusreducerade bilder, men behöver själv välja vilken bild som berättar den bästa historien. En programmerare kan få AI-genererad kod, men måste kontrollera att den faktiskt löser problemet på rätt sätt.
Den mänskliga rollen förändras därför snarare än försvinner.
När tekniken tar hand om mer av det repetitiva arbetet blir omdöme, erfarenhet och förmågan att bedöma resultat ännu viktigare.
Varför utvecklingen går mot mer specialisering
Generella AI-verktyg kommer sannolikt att fortsätta vara viktiga. De är flexibla och fungerar bra för uppgifter där användaren behöver resonera, skriva, sammanfatta eller brainstorma.
Men ju mer professionellt och återkommande ett arbetsflöde blir, desto större blir värdet av ett verktyg som redan förstår problemet.
En specialist behöver inte bara ett smart system. Specialisten behöver ett system som förstår arbetets struktur, terminologi och tekniska krav.
Det är därför nästa våg av digitala verktyg sannolikt inte bara kommer att marknadsföras som AI. De kommer att marknadsföras utifrån vad de faktiskt hjälper användaren att göra.
Nästa generations programvara blir mindre generell
Utvecklingen från generell till specialiserad programvara är egentligen inte ny. Ingen använder ett ordbehandlingsprogram för avancerad videoredigering eller ett kalkylblad för professionell bildbehandling.
Det som förändras nu är hur intelligent den specialiserade programvaran kan bli.
När analys, automatisering och AI kombineras med djup förståelse för ett specifikt yrke kan programvaran ta över fler av de tidskrävande arbetsmomenten utan att försöka ersätta personen som fattar de viktiga besluten.
Det kan vara där den största nyttan med AI till slut hamnar: inte i ett enda system som försöker kunna allt, utan i hundratals specialiserade verktyg som är väldigt bra på varsin sak.