Atom — så gick Bonnier News från AI-vision till affärsvärde
Låt oss inleda med ett tankeexperiment: En svart låda presenteras för dig. Vi hävdar att den innehåller den mest sofistikerade artificiella intelligensen som någonsin skapats. Naturligtvis undrar du hur du kan interagera med denna AI. Om vi svarar att det inte finns något sätt att kommunicera med den, hur skulle du reagera?
Troligtvis skulle du starkt betvivla sanningshalten i vårt påstående. Dessutom, även om världens mest avancerade AI verkligen befinner sig i lådan så är den i praktiken värdelös. Utan ett användargränssnitt är en produkt, per definition, oanvändbar.
Utvecklingen av AI-drivna produkter och verktyg hos Bonnier News startar genom att identifiera de ytor där interaktionen mellan användare och system borde vara mer naturlig och direkt. De uppenbara fallgroparna är annars många. Det finns otaliga exempel på produkter och tjänster som med skakig teknik försökt lösa ett problem men som i praktiken tvingat in användaren i beteenden som mestadels kostar energi och tålamod. Rösttjänster som inte förstår vad vi säger, touchkontroller utan precision och mobilappar utan intuitiva gränssnitt är tydliga exempel på där teknik avkräver oss ett agerande som vi inte är bekväma med. Med våra mest AI-tunga projekt är vi därför fast beslutna att gå användaren till mötes snarare än tvärtom. En bra AI är någon du reser med, inte en destination du ibland besöker.
Ett projekt med fokus på att göra det enkelt att konversera med vår data och teknik
De stora och strategiskt viktigaste delarna av Bonnier News ekosystem är utvecklade internt. Ett av de främsta skälen till detta är att vår teknikstrategi säger att vi måste säkerställa att de av våra produkter och tjänster som behöver vara snabbrörliga är det. Trender i hur digitala innehållsprodukter ser ut och fungerar samt vilka tekniska lösningar användaren har tillgång till kan skifta snabbt. Dessa produktlager, mellan konsument och ekosystemet, utgör våra gränssnitt. Det är den insikten som i stor utsträckning strukturerat vårt utforskande produktutvecklingsarbete med den nya generationen av AI-drivna tjänster.
Vi har förhållandevis lång erfarenhet av att träna och applicera textmodeller, stora som små, i såväl publika produkter som interna verktyg. Vi har gått från att använda modellerna för att sortera innehåll till att de nu är en del av vår databehandling. För Bonnier News är generativ AI något som skapar förutsättningar i skärningen mellan vår expertis inom maskininlärning och vår syn på produktutveckling.
Atom — snabb hjälp med just dina frågor
Projektet Atom markerar en milstolpe för Bonnier News, där vi nu kan skapa dialogbaserade gränssnitt ovanpå våra befintliga plattformar. Interaktionen och dialogen med våra system kan nu ske på ett sätt som närmar sig mänsklig kommunikation. I grunden innebär detta en demokratisering av vår systemstruktur, där användarna inte bara använder, men även hjälper Atoms artificiella intelligens att förstå och lära sig om de möjligheter som den, och därmed även användaren, kan tänkas ha.
Atom är ett AI-baserat system med bred tillgång till Bonnier News ekosystem, kombinerat med en systemarkitektur som möjliggör att gränssnitt utvecklas ovanpå. Detta innebär att vi har kunnat identifiera kontexter där vi tidigare varit hindrade av “mänskliga steg” som lett till långa ledtider och repetitiva arbetsuppgifter och hittat nya lösningar. Ett väldigt tydligt exempel är såklart kundservice. En traditionell chattbot som hanterar enkla frågor och guidar användare är användbar, men att ha en bot som självständigt också sköter ärenden, ändrar prenumerationer och uppdaterar kontouppgifter som en medarbetare annars skulle behöva göra, tar det ett steg längre. Hantering av reklamationer, adressändringar och konto-uppdateringar är några av flera områden som redan idag hanteras av Atom via ett gränssnitt byggt och förvaltat av Bonnier News centrala techteam för kundservice. Vi lanserar vår kundservicebot för våra kunder stegvis under året i takt med att vi samlar data och itererar.
Flera lager av AI ger ökad precision
Tanken har från start varit att Atoms “personligheter” är ett abstraktionslager som flyter ovanpå själva systemet, vilket visade sig lösa ett problem i ett tidigt stadie när vi insåg att det effektivaste sättet att säkerställa kvalitén på vår kundservicebot var att låta den övervakas av en annan bot.
Även detta är en modul helt baserad på Atom och möjligheten att aktivera en observatör har också visat sig vara intressant andra sammanhang, till exempel om vi i vissa interna kommunikationskanaler i realtid vill kunna fånga upp avvikelser. Detta koncept med en observatör visade sig över tid leda oss in i en riktning där Atom blev allt mer rekursiv. Idag kan vissa av våra botar lösa mångbottnade ärenden genom att be andra “personligheter” inom Atom om hjälp. Observatören är inte bara en teknisk komponent, utan också en del av en filosofi där botar samarbetar för att nå högre servicekvalitet.
Under de senaste månaderna har projektet även tagit initiativet att utveckla ett antal interna digitala verktyg, de flesta med unik expertis och funktionalitet. Gränssnittets utformning spelar en central roll i denna utveckling, och varje verktyg har konstruerats med särskilda attribut för att möta specifika behov inom organisationen.
Finns där användaren finns
Behoven där Atom kan användas som en möjliggörare är många. Självklart för att effektivisera och anpassa, men också för att tillgängliggöra. Vår vision med Atom är att alla mikrobeslut vi tar internt ska bli lite mer underrättade genom att göra det enklare att hitta informationen.
Där har vi nu ett sätt att sålla och strukturera den informationen. Men för att det faktiskt ska användas behöver det finnas lättillgängligt och vid rätt tillfälle. Mycket av den information vi använder i Atom finns där ute någonstans, men ofta är det svårt att veta var man ska leta eller hur man kommer åt den. Det gäller både enkla frågor om när det är halvdag eller inte och data om vår prenumerationsaffär.
Därför är det naturligt att implementera Atom där användaren är. I dag kan som redan nämnt en del av våra kunder interagera med Atom via vår kundservice-sida, där tekniken är sömlöst sammankopplad med övriga delar. För en kund som behöver hjälp med sin prenumeration finns det en yta att vända sig till. Likväl kan Atom även guida användaren att få ut mer av sin prenumeration genom att berätta om de tjänster och produkter som en prenumeration ger tillgång till.
När vi skulle utarbeta våra interna användningsområden av Atom behövde vi tänka på samma sätt: var befinner sig våra kolleger när de behöver stödet? Givet alla sitter i sina egna verktyg — några i writers, några i kampanjplaneringssheet och några i programmeringsverktyg— behövde vi hitta en gemensam yta att börja med.
Svaret tedde sig självklart: vi behövde introducera Atom i Slack — där våra kolleger redan tillbringar en stor del av sin arbetstid. Detta skapade en möjlighet för oss att snabbt skapa en skalbar teknik som kan anpassas för respektive behov, i en kontext där användaren redan vet hur den ska bete sig.
Medarbetare exponeras för Atoms värde i interna kanaler
Genom att effektivisera informationshantering och automatisera repetitiva processer, möjliggör Atom att medarbetare kan ägna sig åt mer stimulerande och värdeskapande aktiviteter. Närheten till en kapabel och inlyssnande AI gör det enklare för enskilda medarbetare att skapa fokus.
Genom att introducera Atom i våra interna verktyg, med Slack som första anhalt, blev det snabbt tydligt för oss vilka typer av AI-assistenter som utgjorde de ”lågt hängande frukterna”. Nedan följer några exempel på Slack-botar som vi lanserade tidiga versioner av under början av året:
HR-bot. Denna digitala HR-representant är programmerad för att assistera medarbetare med ett spektrum av HR-relaterade frågeställningar. I skapandet av denna AI har betydande ansträngningar lagts på att finjustera dess tonalitet, för att säkerställa att gränssnittet erbjuder en upplevelse som förmedlar både trygghet och förtroende.
Arbetet med att skapa en AI anpassade för att hantera HR-ärenden är även ett väldigt tydligt exempel på hur viktigt det är att denna typ av projekt görs i korsfunktionella grupper. Allt från hur boten ska utrycka sig, vad den förväntas svara på svåra frågor och hur vi säkerställer att det som loggas i konversationerna inte riskerar medarbetarens integritet är helt och hållet en effekt av hur HR-representanterna i projektet lutat sig in i tekniken på ett professionellt och nyfiket sätt.
Sales-assistent. Denna bot har designats för att inte bara besvara frågor kring försäljningsrutiner och annonsformat, men är även integrerad direkt i våra annonssystem. Följaktligen kan den övervaka bokningar, förhandsvisa annonser och utarbeta kampanjrapporter. Vi strävar även efter att låta Sales-supporten spela en aktiv roll i kundmötesförberedelser, affärsutveckling och strategisk planering.
IT-support. En AI-kollega som tillhandahåller IT-hjälp, från att lokalisera instruktionsguider till att dirigera ärenden genom vårt hanteringssystem. När användaren ställs inför komplexa frågor som överskrider botens kapacitet, har IT-supporten ett inbyggt system för att vägleda användaren genom förfarandet att förbereda ärendet för mänsklig intervention. En viktig komponent specifikt för denna AI är integrationen med IT-organisationens ärende- och dokumentsystem.
Ekonomi-assistent. I dess nuvarande form, assisterar denna AI med frågor kring kontoplaner, faktureringsadresser och budgetposter. Även om mer utvecklingsarbete återstår, särskilt när det gäller systemintegrationer, är det tydligt att Finance-boten med tiden kommer att förenkla processer och minska administrativt arbete relaterat till fakturering och ekonomisk rapportering. En viktig uppgift framöver för produkter som dessa blir att säkerställa ökad kompatibilitet med andra AI-lösningar hos våra systemleverantörer.
Vi har även påbörjat implementationer av bland annat en Legal-version av motsvarande lösning, med initialt fokus på att skapa en hjälp för medarbetare att navigera sig igenom avtalshantering och legala aspekter i till exempel projektbeskrivningar.
Redaktionellt stöd. De redaktionella appliceringarna av Atom hanteras av ett dedikerat team, som dels utvecklar skräddarsydda gränssnitt ovanpå plattformen men som även skapar ny funktionalitet där andra centrala AI-satsningar vävs samman med Atom-konceptet.
En personlig analytiker
En avgörande teknisk milsten för projektet skedde när vi utöver de specialiserade botarna (Atoms personas) även påbörjade utforskandet av funktionalitet som kopplar samman Atom med Bonnier News data. Utöver affärsdata och statistik har Bonnier News sedan länge centraliserat sitt data för innehåll och interaktioner i produkter spridda över koncernens varumärken och produkter. Genom att presentera Atom i rollen som en analytiker öppnar vi upp för att alla medarbetare med behov av analyser och dataunderlag i praktiken har tillgång till en personlig analytiker.
Ur ett utvecklingsperspektiv innebar introduktionen av analysversionen ett flertal avgörande tekniska språng för projektet. Utöver det mest uppenbara, som funktionalitet för att hantera tabeller i SQL-databaser, ledde denna del av projektet till mer sofistikerade sätt för Atom att utan vidare inspel från användaren interagera i flera steg med underliggande system. När Atom hämtar data för att besvara en fråga och resultatet inte ser ut som förväntat kan AI:n autonomt undersöka eventuella felkällor. För att hjälpa Atom att göra detta introducerade vi även funktionalitet som gör det möjligt för Atom att lagra ny kunskap löpande, baserat på hur den coachas av medarbetare för att lösa problem och utmaningar.
Vartefter projektet har ökat i komplexitet har vi börjat förlita oss alltmer på denna dynamiska inlärning , bland annat har en specialiserad version av Atom fokuserad på redaktionell analys utformats till stor del genom interaktioner med medarbetare. Detta är även användbart i andra instanser av plattformen, då till exempel representaterför IT-avdelningen framöver kan sätta sin bot i ”inlärningsläge” och korrigera eventuella misstag och bristande resonemang.
Nästa steg — Helpy
Versionen av Atom som demonstreras i filmen i början av denna artikel är ett exempel på hur vi låter arkitekturen med specialiserade botar skapa synergier i form av en mer generell AI .
Det är såklart svårt att säga exakt vart vidareutvecklingen av Atom kommer att leda oss. Initialt startade projektet med fokus på att lösa kundserviceärenden, men vartefter systemet har utvecklats och förfinats har projektets omfattning växt. Vi insåg tidigt att det fanns uppenbar potential i att använda Atom som grund för en flora av specialiserade assistenter, varav några beskrivs ovan. Men ganska tidigt föddes också idéen om en generell assistent, i form en digital medarbetare som kan navigera mellan olika typer av ämnen och avdelningar. Detta koncept har vi döpt till ”Helpy”, och snarare än att enbart introducera ytterligare en assistent har vi här tagit inspiration av den typ av den modellarkitektur som ofta kallas ”Mixture of experts”. I korthet har vi byggt en rekursiv lösning där vi ger Atom förmågan att anropa sig själv, vilket innebär att ”Helpy” istället för att själv försöka söka efter rätt information ber de olika specialiserade assistenterna om hjälp.
Approachen med att låta en samordnande AI-assistent kommunicera med andra AI-assistenter håller komplexiteten nere, då varje enskild assistent kan hållas förhållandevis ”smal” och fokuserad. Men det skapar också en intern konversation inom systemet där flera assistenter ofta resonerar sig fram till ett svar innan det presenteras för användaren. Även om denna metod kan leda till längre svarstider, då information flödar fram och tillbaka mellan assistenterna, resulterar den ofta i bättre svar jämfört med om användaren ställer en fråga direkt till en specialiserad AI.
Botarna blir också smartare och mer effektiva gemensamt, än var för sig. Ett exempel på detta är att den samlade kunskapen kring både HR och IT gör det möjligt att svara på frågan om det är möjligt att lämna in en dator för felsökning på Skärtorsdagen. Det behövs samlad kunskap för att både kunna väga in rutiner för felsökning — och att IT-personalen har halvdag just den dagen.
Denna approach skapar en balans mellan komplexitet, specialisering och skalbarhet. Att låta AI:n arbeta i lager förbättrar förmågan att ge korrekta och användbara svar. Genom att låta assistenterna kommunicera med varandra kan systemet ge mer precisa och omfattande svar, samtidigt som det undviker problemet med att överbelasta en enda assistent med för mycket information.
Atom är i grunden modell- och leverantörsagnostisk, vilket innebär att när vi använder rekursiva anrop inom systemet så kan ibland ett antal olika modeller användas parallellt för att producera ett relevant svar.
Sammanfattningsvis har introduktionen av Atom och dess olika personligheter inneburit ett paradigmskifte för hur Bonnier News hanterar både extern kundservice och interna processer. Genom att demokratisera tillgången till information och expertis via naturligt språk har vi skapat förutsättningar för ökad effektivitet, bättre beslutsunderlag och mer stimulerande arbetsuppgifter för våra medarbetare.
I takt med att Atom fortsätter att utvecklas och förfinas kommer dess förmåga att förstå och assistera att växa. Nästa steg, med avstamp i introduktionen av en arkitektur där multipla AI-assistenter samarbetar för att lösa komplexa frågeställningar, öppnar dörren till en framtid där artificiell intelligens sömlöst integreras i alla delar av vår verksamhet.
Vår vision är en framtid där varje medarbetare har tillgång till en personlig AI-assistent som höjer individens kapacitet och förmåga. Genom att fortsätta utforska och utveckla Atom tar vi ytterligare steg mot att realisera den visionen.
