Generasjon KI inntar arbeidsmarkedet

Nora Lien Røneid (25) fra Langesund og Regine Pösche Ruud (27) fra Lørenskog utenfor Oslo tilhører den nye generasjonen arbeidstakere som tar med seg denne erfaringen fra studiene og inn i arbeidslivet.

Begge er sivilingeniører fra NTNU i Trondheim, men bor nå i Oslo hvor de er i gang med henholdsvis første og andre året i Graduate-programmet Greenhouse i DNB.

DNB Greenhouse er et treårig teknisk-teoretisk utviklingsprogram, hvor det i motsetning til ellers i banken, og i samfunnet for øvrig, er like mange kvinnelige som mannlige teknologer.

Partiskhet i KI

Nora har master i kommunikasjonsteknologi og digital sikkerhet, med spesialisering i nettsystemer. Hun kan mye om teknologien knyttet til bruk av mobiltelefoner, 4G og 5G.

Regine har master i datateknologi med spesialisering i programvaresystemer. Hun skrev også masteroppgaven sin om KI, og den ble nominert til den neste beste innenfor temaet på NTNU i 2022.

Utgangspunktet for oppgaven hennes var at Universitetet i Oslo og Nasjonalbiblioteket har laget språkmodeller som behersker norsk veldig godt. Det er lignende modeller som for eksempel ChatGPT, men de har blitt trent på norske tekster istedenfor engelske. Disse språkmodellene testet Regine for partiskhet i masteroppgaven sin.

– Vi fant ut at de har partiskhet i stor grad, og at de produserer diskriminerende resultater når de brukes til å ta avgjørelser. De norske modellene har partiskhet på lik linje med de engelske som har vært forsket på. Det samme skal være tilfellet med Chat GPT, sier hun.

Disse modellene reflekterer og forsterker altså skjevhetene som allerede finnes i samfunnet gjennom å lære disse fra treningsdataen. For eksempel som følge av at en stor overvekt av menn er avbildet og omtalt på nettet og uttaler seg i mediene. Eller at en sykepleier for mange er ensbetydende med pronomenet hun.

Partiskhet kan bidra til alvorlige følgefeil

Regine mener at det er viktig at problemet med partiskhet (bias) løses, slik at bruk av KI i praktiske oppgaver ikke bidrar til ubevisst diskriminering eller til at det tas feil avgjørelser.

– I dag er det viktig å bruke disse språkmodellene kritisk, fastslår hun.

Det gjelder også DNBs egne løsninger for generativ KI: Copilot, som mange bruker til å effektivisere arbeidet sitt. Og GenAI Toolbox, som Nora er med på å utvikle, hvor de kan lage oppsummeringer og få tekst skrevet i DNBs tone of voice. 

Slik bruker Regine og Nora KI i DNB

Nora sier at de i Emerging Technologies, teamet som hun praktiserer i nå, ser blant annet på hvordan generativ KI kan brukes til å forbedre chatbotene.

– Gir du chatbotene for mye frihet går det galt. Om KI skal brukes er det viktig at chatbotene har fått klare linjer for hva de kan svare på og ikke. For den generative KI-løsningen teamet mitt jobber med nå, legger jeg til funksjonalitet som gjør at de ansatte kan legge inn sin egne spørringer, prompter på engelsk. 

Selv bruker hun generativ KI mest til å be om hjelp når hun har et programmeringsproblem.

– Den løser ikke problemet mitt, men den gir meg inspirasjon og hjelp til å finne ut av det selv. Det er slikt jeg bruker verktøyet oftest, til å få hjelp og til å effektivisere arbeidsdagen min.

Regine nikker. Nå bruker hun også verktøyet mest til hjelp i eget arbeid som systemutvikler.

– Men i det forrige teamet jeg var i testet vi det i et nytt verktøy for å vurdere lånesøknader. I stedet for at kredittanalytikerne selv må lage en oppsummering av bedriftens nøkkeltall, skal de i den hypotetiske løsningen kunne legge inn tall fra bedriftens regnskap og få ut en ferdig oppsummering for eksempel. Det vil spare dem for mye tid og arbeid.

Hva tror dere er de største farene eller utfordringene med AI i arbeidslivet?

Regine viser til konklusjonen i oppgaven sin.

– At disse modellene er gode på språk og tilsynelatende kan løse veldig mange oppgaver korrekt, samtidig som de blander lingvistikk og sosiale trender. Ordet sykepleier er ikke lingvistisk tettere knyttet til kvinner selv om flere kvinner enn menn historisk har jobbet som det. Men modellene er laget slik at de tror det. Derfor kan det få store negative konsekvenser hvis de brukes ukritisk.

Nora ser også en fare i at mange av dagens arbeidstakere kanskje ikke tar i bruk verktøyet og fortsetter å gjøre ting på gamlemåten.

– Da vil disse fort bli hengende etter. Samtidig er det, som Regine sier, en utfordring at det den lager ser så bra ut at noen sikkert vil bruke det rått. Det er derfor viktig at folk lærer seg å bruke dette som et hjelpemiddel og ikke som en fasit.

Når tror dere at vi se et skille i arbeidslivet på de som har lært seg å bruke KI og de som ikke har det?

Nora tror ikke det vil bli spesielt merkbart før de som begynte å bruke verktøyet allerede på videregående skole kommer ut i arbeidslivet.

– Da vil det plutselig være veldig mange ansatte i arbeidslivet som har benyttet generativ KI i hele sitt voksne liv.

Hun mener at det er viktig å skille på KI integrert i løsninger og systemer og på KI brukt som et hjelpemiddel til å effektivisere eget arbeid.

Regine tror den virkelige forretningsverdien vil komme da, når dette i større grad enn i dag integreres i bedriftenes systemer og produkter, fordi det først da vil kunne bidra til radikal bedring og effektivisering.

– For eksempel innenfor vurdering av lånesøknader kunne vi med fordel brukt KI istedenfor regelmotorer. Men teknologien er ikke moden for det ennå. Vi kan ikke legge ansvaret for hvilket svar kundene får i hendene på et amerikansk selskap uten at vi har god forståelse av hvorfor ulike svar blir gitt. Men dette utvikler seg fort.

Regine og Nora er også opptatt av å få flere kvinner til å velge teknologi – og DNB. De mener at mange av fremtidens utfordringer kan løses med teknologi og at hele befolkningen og et bredt spekter av perspektiver da må utnyttes.

Begge vil anbefale DNB som arbeidsplass for teknologer. Det som i størst grad trakk dem hit var tilbudet om Graduate-programmet Greenhouse.

Sjekk ut jobbmulighetene i DNB her