Hva er en AI-native app?

01Hva betyr AI-native?

De siste årene har nesten all programvare fått en AI-funksjon: en knapp som oppsummerer tekst, en chatboks i sidepanelet, et felt som fylles ut automatisk. Denne tilnærmingen er programvare med AI som tillegg. Produktet fungerer som før, og kunstig intelligens er bare en hjelper.

Den AI-native tilnærmingen starter fra motsatt ende. Produktet designes fra begynnelsen med den forutsetningen at en språkmodell kan forstå, resonnere og bruke verktøy. Skjermer, datastruktur, arbeidsflyter og prismodell bygges etter denne forutsetningen.

En enkel test er denne: Hvis du tar kunstig intelligens ut av appen, sitter du igjen med et produkt som er til nytte? Hvis ja, er kunstig intelligens en funksjon. Hvis produktet mister meningen sin, har du AI-først-programvare foran deg.

02Tillegg eller AI-native?

Forskjellen mellom de to tilnærmingene viser seg i alle lag, fra brukeropplevelse til infrastruktur. Tabellen under oppsummerer forskjellen.

La oss tenke på et konkret eksempel. På en klassisk rapportskjerm velger brukeren datoperiode, justerer filtre, eksporterer tabellen og tolker den selv. I versjonen med tillegg får den samme skjermen en knapp i hjørnet: «oppsummer denne tabellen». I den AI-native versjonen sier brukeren: «sammenlign salget forrige måned med året før og vis produktene som har gått ned». Systemet henter de riktige dataene, gjør sammenligningen, tegner grafen og skriver ned punktene som fortjener oppmerksomhet. Brukerens jobb er ikke å bruke skjermen, men å vurdere resultatet.

03Byggeklossene

Bak en AI-native app finner du vanligvis de samme få komponentene. Sammen gjør de at modellen ikke bare snakker, men også utfører arbeid.

Språkmodell

Kjernen som forstår brukerens forespørsel, planlegger og skriver svaret. De fleste produkter er ikke bundet til én modell. De bruker raske og økonomiske modeller til enkle oppgaver og kraftigere modeller til vanskelige.

Kontekst og minne

Å gi modellen informasjon som bedriftsdokumenter, kundehistorikk og produktkatalog i rett øyeblikk. Strukturer som søker semantisk i dokumenter og henter dem frem, kommer inn her.

Verktøy og API-er

Verktøy som er definert slik at modellen kan gjøre ting som å spørre databasen, sende e-post og opprette bestillinger. Protokollene som standardiserer disse koblingene, har vi forklart i artikkelen om hva MCP er. Å koble til eksisterende systemer er ofte den største delen av prosjektet og krever et solid integrasjonsgrunnlag.

Kontrolllag

Laget som kontrollerer modellens svar mot regler, stopper uautoriserte handlinger og ber om menneskelig godkjenning i kritiske trinn. Påliteligheten til AI-native produkter avhenger i stor grad av dette laget.

04Hvordan endres grensesnittet?

I AI-native produkter endrer grensesnittet oppgave. I klassisk programvare var skjermen et kontrollpanel som viste alt brukeren kunne gjøre. I den nye tilnærmingen er grensesnittet der for å ta imot brukerens intensjon og vise åpent hva systemet har gjort.

Det betyr ikke at alt blir til en chatboks. Chat er ikke det beste grensesnittet for alle oppgaver. Tabeller, grafer, dra og slipp og godkjenning med ett klikk er fortsatt svært verdifulle elementer. God AI-native design bruker samtale og visuelt grensesnitt sammen. Å finne denne balansen krever erfarent UI/UX-design.

• Åpenhet: vis hvilke data systemet bruker og hvilket trinn det tar.
• Mulighet til å angre: la brukeren omgjøre handlinger med ett klikk.
• Forhåndsvisning: vis resultatet og be om godkjenning før viktige handlinger.
• Skjermer som foreslår: vis et ferdig utfylt utkast i stedet for et tomt skjema.

05Eksempler på apper basert på kunstig intelligens

Apper basert på kunstig intelligens finnes nå i mange bransjer. Det de har til felles, er at brukeren beskriver oppgaven og systemet gjør beskrivelsen om til handlinger som kan utføres.

• Kodeeditorer: assistenter som gjør endringen utvikleren beskriver i flere filer og kjører testene.
• Researchverktøy: apper som deler et spørsmål i delspørsmål, går gjennom kilder og lager en rapport.
• Kundestøtteplattformer: systemer som forstår henvendelsen, finner riktig post, foreslår en løsning og overfører til en medarbeider ved behov.
• Reiseliv og booking: grensesnitt som gjør en forespørsel som «en tur for fire personer i juni, nær havet» om til passende pakker. I bakgrunnen bygger de på data fra systemer som programvare for reisebyrå.
• Eiendomssøk: assistenter som gjør et fritekstsøk om til filtre og forklarer annonsene. Annonsedataene kommer fra strukturer som eiendomsprogramvare.

06Agenter og automatisering

Et steg lenger enn AI-native produkter går AI-agenter, som ikke bare svarer, men planlegger og utfører flere trinn for å nå et mål de har fått. En agent kan for eksempel lese en innkommende tilbudsforespørsel, opprette en kundepost, velge passende produkter, lage et tilbudsutkast og legge det frem til godkjenning. Dette begrepet har vi gått nærmere inn på i artikkelen om hva AI-agenter er.

Agenter og klassiske automatiseringsverktøy er ikke konkurrenter, men utfyller hverandre. For gjentakende oppgaver med klare regler er regelbaserte flyter mer forutsigbare og billigere. Der trinnene er uklare og krever tolkning, kommer kunstig intelligens inn. Hvordan disse to verdenene kombineres, kan du lese i artikkelen vår om automatisering av arbeidsflyt.

07Risiko og begrensninger

Den AI-native tilnærmingen har både sterke sider og sider som krever aktsomhet. Å planlegge dem fra starten forhindrer dyre rettelser senere i prosjektet.

• Uforutsigbarhet: samme forespørsel kan gi ulike resultater til ulike tider. Testing og måling må gjøres kontinuerlig.
• Kostnad: hver brukerhandling betyr et modellkall. Kostnaden øker når bruken øker.
• Forsinkelse: modellsvar er tregere enn vanlige databasespørringer. Grensesnittet bør ikke la brukeren merke det.
• Sikkerhet: modellens rett til å bruke verktøy kan utnyttes med ondsinnede inndata. Rettighetene bør holdes så smale som mulig.
• Personvern: unødvendige deler bør fjernes før personopplysninger sendes til modellen. Sjekk gjeldende regelverk og snakk med en juridisk rådgiver.
• Leverandøravhengighet: for å unngå å låse deg til én modellleverandør bør du velge en arkitektur som gjør det mulig å bytte mellom modeller.

08Hvor bør virksomheter starte?

Det er ikke nødvendig å gjøre all programvare AI-native fra bunnen av. For de fleste virksomheter er den riktige veien å velge en prosess som tar mest tid og gjentas mest, og bygge en liten modul der med kunstig intelligens i sentrum. Etter hvert som suksessen blir målbar, utvides omfanget.

Før du starter, bør du avklare tre ting: Er dataene dine ryddige og tilgjengelige? Hvilke handlinger krever menneskelig godkjenning? Hvordan skal du måle suksess? Svarene på disse spørsmålene handler mer om forretningsprosessen din enn om teknologien.

Når Aurora Yazılım utvikler programvareløsninger for bransjer, ser vi data, integrasjon og brukeropplevelse i sammenheng. Vil du snakke om hvordan kunstig intelligens kan passe inn i din egen prosess, kan du ta kontakt via kontaktsiden vår.