Hvornår har du sidst hørt nogen sige "vi bruger ChatGPT" om noget der viste sig at være tre vidt forskellige ting? Sætningen kan betyde at medarbejderne har hver deres gratis chatkonto, at virksomheden betaler for et erhvervsabonnement, eller at der er bygget en løsning på en sprogmodel via API. De tre situationer har tre forskellige svar på det vigtigste spørgsmål af alle: hvor ender jeres data? For at kunne stille det spørgsmål rigtigt, skal begreberne først på plads, og de er mere overskuelige end de lyder.
Hierarkiet i fire lag
- Kunstig intelligens (AI) er hele fagområdet: software der løser opgaver som normalt kræver menneskelig intelligens. Feltet er årtier gammelt og rummer alt fra skakcomputere og billedgenkendelse til prognosemodeller og talegenkendelse. Intet af det behøver at kunne chatte.
- Maskinlæring er den gren af AI hvor systemet ikke programmeres med regler, men lærer mønstre af data. Et system der lærer at spotte svindel-transaktioner ved at se millioner af eksempler, er maskinlæring uden ét ord involveret.
- Sprogmodeller og generativ AI er maskinlæring anvendt på sprog og indhold: modeller trænet på enorme tekstmængder, som kan forstå og producere tekst (og efterhånden billeder og lyd). Det er dette lag der har skabt de sidste års AI-bølge. Begreberne fra laget har vi samlet i vores AI-ordbog.
- Produkterne er det du faktisk møder: ChatGPT er OpenAI's produkt bygget på deres GPT-modeller, Claude er Anthropics, Gemini er Googles, og Copilot er Microsofts produkter bygget oven på modeller. Produktet bestemmer brugerfladen, prisen og vilkårene; modellen bestemmer hvad der overhovedet er muligt.
Forvekslingen sker næsten altid mellem lag 3 og 4: "ChatGPT" bruges som navn for hele teknologien, ligesom en generation sagde "at google" om al søgning. Det er harmløst i frokoststuen, men dyrt i en beslutning, for produkter kan skiftes ud, og det kan vilkår også.
Derfor er forskellen en forretningsbeslutning
Tag data-spørgsmålet. Bruger medarbejderne gratis forbruger-versioner af chatapps, gælder forbrugervilkårene, og dér kan samtaler som udgangspunkt indgå i at forbedre modellerne, medmindre det aktivt er fravalgt. Tegner I en erhvervsaftale, følger der typisk træningsfravalg og databehandleraftale med som standard. Og bygger I en løsning på en model via API, bestemmer I selv arkitekturen: hvad der sendes, hvad der logges, og hvor længe det ligger. Samme "ChatGPT" i daglig tale, tre helt forskellige risikoprofiler. Vilkår ændrer sig løbende, så det konkrete svar skal altid findes i den aktuelle aftale, men SPØRGSMÅLET kan kun stilles af den der kender forskel på app, abonnement og API.
Forskellen afgør også hvad I kan forvente af kvaliteten. Et produkt som ChatGPT eller Claude er generalister for alle; en løsning bygget på en model kan trænes på jeres eget indhold, kobles til jeres systemer og få faste rammer for hvad den må. Det er forskellen på at ansætte en vikar med generel erfaring og at oplære en medarbejder i netop jeres forretning, og den forskel er hele pointen med skræddersyede AI-løsninger frem for endnu et abonnement.
Fire ord der rækker langt
AI-forordningens krav om AI-kompetencer hos medarbejderne handler netop om den her slags skelnen: at vide hvad værktøjet er, og hvad det betyder for måden man bruger det på. Så her er hele artiklen kogt ned til fire sætninger, klar til at give videre: AI er feltet. Maskinlæring er metoden. Sprogmodellen er motoren. ChatGPT, Claude og Gemini er biler bygget på hver deres motor, og hvilken bil I sætter jer ind i, og på hvilke vilkår, er en beslutning der fortjener mere omtanke end et tilfældigt gratis login.
