Algoritme

En algoritme er en trinvis opskrift, som en computer følger for at løse en opgave. I AI-sammenhæng er algoritmen den metode, der lærer af data og bygger en model, som så bruges til at give anbefalinger, score leads eller vise annoncer. I daglig tale kalder folk ofte et anbefalingssystem eller et feed for "algoritmen", men husk at skille den lærende model ad fra en simpel regel.

Sådan virker en algoritme i praksis

Forestil dig en opskrift: ingredienser, rækkefølge og tilberedning. En algoritme tager data som ingredienser, en række trin som opskriften, og leverer et resultat. I en webshop kan den eksempelvis tage kundens tidligere køb, sidetid og en prisliste og beregne hvilke produkter, der skal vises først. Den "lærer" når den justerer sine trin baseret på hvad kunderne faktisk klikker på.

Analogi og virkelighed. Analogien hjælper, men vær konkret: en algoritme er ikke magi. Den giver prioriteringer ud fra et mål, for eksempel "flest klik" eller "laveste omkostning per ordre". Stil det mål skarpt, ellers optimerer algoritmen efter noget, du ikke ville have.

Hvorfor marketingfolk taler om 'algoritmen' på sociale medier

Når marketingfolk skriver om "algoritmen" på LinkedIn, Meta eller Google, mener de ofte en maskinlæringsmodel, som optimerer efter et mål som tid på platformen, klik eller konverteringer. Det er ikke faste regler der sidder i en skuffe; det er adaptive modeller, der ændrer sig, når brugere reagerer anderledes.

Det betyder noget for dig som marketingchef: ændrer målet sig, ændrer adfærden sig automatisk. En kampagne eller en post kan derfor få færre visninger ikke fordi en person har truffet en beslutning i hånden, men fordi modellen har fundet en anden måde at nå sit mål på. Spørg altid: hvad optimerer algoritmen efter, og hvilke data bruger den til det?

Eksempel: Indkøbschefen vurderer en leverandørscore

Indkøbschefen i en mellemstor virksomhed får tilbud på et nyttigt værktøj: en leverandørscore baseret på en algoritme. Det er torsdag formiddag, to uger før kontraktunderskrift. Værktøjet lover at rangere 120 leverandører automatisk.

Problemet opstår straks: leverandørerne med gode gamle papirfakturaer får lavere score, fordi systemet bruger 'tidsstempel på elektronisk faktura' som en vigtig feature. Indkøbsteamet ser tal, men forstår ikke hvorfor deres langvarige kundeforhold ikke tæller. De kræver dokumentation. Det koster en uge ekstra i møder, tre opklarende mails og en ændring i kravspecifikation.

Løsningen var ikke teknisk: indkøbschefen bad om en liste over de vigtigste features, en forklaring af målvariablen og en prøveberegning på fem kendte leverandører. Værktøjsleverandøren tilføjede en vægtning, så "historik i kontrakt" vægtede højere. Det tog tid, men gjorde algoritmen håndterbar i praksis.

Algoritme er ikke det samme som en simpel regel

Mange forveksler en algoritme med en manuel regel, fx "vis altid indlæg med flest likes først". En moderne AI-algoritme vejer derimod tit hundredevis af input, kaldet features (Feature på engelsk), og kombinerer dem på måder, der ikke altid er intuitive. Resultatet kan ligne en regel, men beslutningen er statistisk.

Samtidig er der forskel på algoritme og "Svag AI". Svag AI er systemer designet til én opgave, det er normalt hvad folk mener, når de taler om algoritmer i virksomhedssammenhæng: et system, der anbefaler produkter eller scorer leads, ikke en generel tænkende intelligens.

Hvad du skal være opmærksom på

Mål: Spørg hvad algoritmen optimerer. Hvis målet er tid på siden, får du indhold der holder folk længere, ikke nødvendigvis relevant indhold. Data: Bed om hvilke features der bruges, og hvordan data indsamles. Transparens: Kræv forklaringer og eksempler på beslutninger, så du kan validere.

Bias og utilsigtede konsekvenser kan opstå, når en feature hænger sammen med noget uønsket, som alder eller geografi. Sikkerhed: Tjek, hvordan modellen opdateres, og hvem der kan skifte mål eller træningsdata. Drift: En algoritme kræver vedligehold; hvis leverandøren lover at den bare kører, så spørg til overvågning, tests og fallback-planer.

Spørgsmål du kan stille leverandøren: Hvad er målfunktionen? Hvilke features påvirker mest? Hvordan evaluerer I resultater? Hvad sker der, hvis modellen ændrer adfærd? Det er ikke avanceret teknik; det er kravstyring, så du får det resultat, I har brug for.

Som en lille note: algoritmer kan være effektive, men de er ikke trylleformularer. Med lidt omtanke får du fordelene, og undgår de fleste overraskelser. Men ikke hvis du lader målet være uklart, for så optimerer algoritmen efter det, der er målbart, ikke det, der er rigtigt.

Vil I arbejde videre med algoritme på jeres egne opgaver, er det dét, en AI-workshop går ud på. Skal I beslutte, hvor meget algoritme må fylde hos jer, er det den slags valg, AI-rådgivning handler om.