Tomas Lund

Baggrunden er digital læring. I mange år byggede jeg undervisning for virksomheder, og konklusionen blev, at det meste af det ikke virker. Ikke fordi indholdet er forkert — men fordi næsten ingen oplever, at det er noget værd. Det bliver klikket igennem og glemt.

Det blev til et forskningsspørgsmål: hvad er det egentlig, der bremser en handling? Svaret blev til Behavioral Friction Theory — en model for, hvordan konkurrerende muligheder afgør, om noget bliver gjort. Den viste sig at gælde både mennesker og sprogmodeller, og det er dét, der gør den brugbar til AI-arbejdet i dag.

I dag går forskning og praksis samme vej: det, jeg måler i min forskning, ender som værktøjer hos kunder — og det, der driller hos kunder, bliver til nye målinger.

På en arbejdsgang, en tekst eller et forløb er beviset et andet: at problemet kan beskrives så præcist, at I selv genkender det — og at indgrebet viser sig billigere end det, I havde bestilt. Se casene.

Metoden er åben. Måle-protokollen ligger offentligt, så I kan bruge den igen på jeres eget materiale.

Bygger vi derimod et AI-system, kan usikkerheden måles. Det er dér, tallene faktisk findes. Ingen kan garantere, at en model aldrig tager fejl — men man kan kalibrere den: måle hvor ofte den rammer forkert, og sørge for, at de beslutninger, der virkelig betyder noget, går forbi et menneske, uanset hvor sikker modellen lyder. I får tallene, og de er dem, en revisor kan bruge.

Se metoden og artiklerne →