Företag lägger fortfarande timmar – ibland dagar – på att samla in och analysera information. Idag kan AI hantera samma uppgifter på några minuter. Det slog mig när jag såg tillbaka på min tid som försäljningschef. Vi behövde regelbundet jämföra oss med konkurrenter. Ofta innebar det att vi manuellt letade upp rapporter, tolkade siffror och text, och sedan satte allt i relation till vårt eget företag. Det tog tid och energi som kunde ha använts till strategiska beslut.
Tänk om jag då haft dagens AI-verktyg. Jag hade kunnat mata in all text och alla dokument jag hittade och få tydliga och användbara sammanställningar. Jag hade även kunnat upptäcka oväntade samband, utan att lämna vår interna IT-miljö. Det var därför jag bestämde mig för att testa IBM watsonX – ett AI-labb där jag kan analysera dokument säkert, helt isolerat från internet och allt utanför företaget.
Starten på experimentet
Som start laddade jag ner några PDF:er med årsrapporter från olika klädkedjor som fanns tillgängliga på nätet.
Sen ställde jag en fråga direkt till chatten. Frågan var både högaktuell och lite komplex:
Hur skiljer sig utvecklingen i hållbarhet mellan olika klädföretag?
Första insikterna från IBM watsonX
Jag blev imponerad över att IBM watsonX hade läst alla uppladdade PDF:er. De innehöll text, bilder och tabeller. Det dröjde inte länge förrän AI:n började leverera insikter. Till exempel visade det sig att Burberry hade minskat sina utsläpp mest procentuellt – cirka 25 % mellan 2022 och 2023. H&M hade också gjort betydande förbättringar, men inte lika mycket. Varner/Dressmann låg strax bakom Burberry i resultat.
Utmaningar med datakvalitet
För att göra jämförelsen rättvis använde jag utsläpp enligt Scope 1–3 i relation till intäkter. Ganska snabbt insåg jag att företagen inte riktigt pratade samma språk. De använde olika kategoriseringar, hade olika definitioner och prioriteringar. Jag började inse att jag försökte jämföra äpplen och päron.
Så jag gjorde det jag ofta annars gör när jag chattar med AI: började följa en tråd… som snabbt ledde vidare till en ny tråd… som öppnade upp för ännu fler frågor. Till exempel: Vad exakt ligger bakom skillnaderna i definitioner?
En stor fördel med IBMs lösning är att alla dokument ligger kvar i den säkra miljön, tillsammans med historiken över de frågor jag ställt. Allt kräver inloggning och förblir inlåst i en slags “AI-box” – känns tryggt när man arbetar med konfidentiellt material. Och det kanske bästa av allt – jag behövde inte programmera (även om jag gärna gör det i helt andra sammanhang). Jag ställde mina frågor direkt i AI-chatten och fick snabba svar, direkt baserade på just de dokument jag laddat upp.
Så vad hade jag som försäljningschef haft för nytta av IBM watsonX?
Med IBM watsonX kunde jag spara värdefull tid, låta AI-assistenten ta hand om det tunga arbetet, få djupa insikter och samtidigt vara trygg med att ingen av de viktigaste chat-informationerna läckt utanför företagets skyddade väggar. Istället hade jag kunnat fokusera på strategiska beslut, medan AI:n tog hand om insikter på ett säkert sätt.
Prova IBM watsonX i en säker miljö
Vill du utforska IBM watsonX och se hur AI kan förenkla era analyser på ett säkert sätt? Kontakta oss på Middlecon. Vi hjälper dig med rådgivning, setup, analys och allt däremellan, så att ni kan få insikter snabbt – utan att kompromissa med säkerheten.
