När tekniken blir osynlig – då fungerar den som bäst

Den mest avancerade tekniken är inte alltid den vi ser. Tvärtom kan framtidens viktigaste innovationer vara de som knappt märks alls. När system kan förutse våra behov, automatiskt justera sin funktion och upptäcka problem innan de uppstår försvinner själva tekniken ur vår uppmärksamhet. Bilar bromsar innan föraren hinner reagera, elnät balanserar belastningen i realtid och digitala system kan identifiera fel och reparera dem utan mänsklig inblandning. Det förändrar också vår syn på vad teknik är. När automatisering, prediktion och artificiell intelligens byggs in i infrastrukturen blir tekniken inte längre ett verktyg vi använder – utan en omgivning vi lever i.

När systemen börjar fatta besluten åt oss

Teknik har länge varit något människor aktivt använder. Vi trycker på knappar, väljer inställningar och ger instruktioner. Den utvecklingen håller på att förändras. Allt fler digitala system är byggda för att själva tolka situationer, väga olika alternativ mot varandra och agera utan att någon behöver ingripa. Det kan handla om allt från navigationssystem som räknar ut den snabbaste vägen till programvara som automatiskt upptäcker bedrägerier. När besluten flyttas från människan till systemet förändras också vår relation till tekniken. Vi använder den inte bara längre. Vi börjar förlita oss på den.

Från instruktion till förutsägelse

Den stora förändringen ligger i att dagens system inte längre behöver vänta på en exakt instruktion. Med hjälp av stora datamängder, sensorer och maskininlärning kan de identifiera mönster och göra kvalificerade förutsägelser. En streamingtjänst föreslår exempelvis vad vi sannolikt vill titta på, medan ett transportsystem kan förutse trafikproblem innan köerna har hunnit bildas. Tekniken reagerar alltså inte bara på det som redan har hänt. Den försöker avgöra vad som kommer att hända härnäst och anpassar sig därefter.

Det gör automatiseringen betydligt mer avancerad än traditionell programmering. Ett klassiskt datorsystem följer regler som människor har formulerat i förväg. Ett AI-baserat system kan i stället tränas på enorma mängder data och upptäcka samband som inte nödvändigtvis är uppenbara för en människa. Resultatet blir system som kan hantera situationer som utvecklarna aldrig uttryckligen har beskrivit. Det är en av förklaringarna till varför artificiell intelligens snabbt har blivit en del av allt fler samhällsfunktioner.

När människan blir den som övervakar

I takt med att systemen blir bättre förändras också människans roll. I stället för att fatta varje enskilt beslut kan människan övervaka att systemet fungerar som det ska. Det är redan tydligt inom exempelvis industrin, där automatiserade processer kan kontrollera produktion, upptäcka avvikelser och justera maskiner i realtid. Människor behövs fortfarande, men deras uppgift blir allt oftare att hantera undantagen snarare än det normala.

Det skapar en paradox. Ju bättre automatiseringen fungerar, desto mindre behöver människor tänka på den. En förare som får hjälp av avancerade säkerhetssystem behöver kanske aldrig märka att bilen har identifierat en risk. En bankkund behöver inte veta att ett algoritmiskt system har stoppat en misstänkt transaktion. För användaren blir resultatet enkelt, trots att tekniken bakom kan vara mycket komplex.

Beslut som blir svåra att se

Det finns samtidigt en samhällsfråga i denna utveckling. När tekniska system fattar allt fler beslut blir det viktigare att förstå vilka principer besluten bygger på. Ett system kan vara snabbt och effektivt men ändå fatta fel beslut. Det kan också behandla olika grupper olika om datan som används för att träna modellen innehåller skevheter. Därför räcker det inte att fråga om tekniken fungerar. Vi måste också fråga vem som har kontroll över den och hur besluten kan granskas.

Tekniken som upptäcker problemen innan vi gör det

En av de mest betydelsefulla förändringarna inom modern teknik är övergången från reaktion till förebyggande. Tidigare har många tekniska system larmat när något redan har gått fel. Framtidens system försöker i stället upptäcka de små signalerna som kommer före ett fel. Det kan vara förändringar i temperatur, vibrationer, energiförbrukning eller belastning. Genom att analysera sådana förändringar kan tekniken identifiera problem innan de blir synliga för människor. På så sätt blir själva underhållet en del av den automatiserade infrastrukturen.

Från reparation till förebyggande underhåll

Inom industrin används redan sensorer för att övervaka maskiners tillstånd. Om en komponent börjar bete sig annorlunda kan systemet upptäcka avvikelsen och beräkna sannolikheten för att ett fel är på väg. I stället för att vänta tills maskinen stannar kan underhåll planeras när det faktiskt behövs. Det minskar både kostnader och driftstopp. Samma princip kan användas på allt från hissar och vindkraftverk till tåg och annan teknisk utrustning.

Det intressanta är att tekniken inte behöver vara spektakulär för att få stor betydelse. En sensor som upptäcker ett slitet lager flera veckor innan det går sönder kan spara stora resurser utan att någon utanför organisationen någonsin märker det. Det är ett exempel på den osynliga teknikens logik. Framgången mäts inte i hur mycket uppmärksamhet systemet får, utan i hur mycket problem det lyckas förhindra.

När systemen börjar reparera sig själva

Nästa steg är system som inte bara upptäcker avvikelser utan också kan korrigera dem. Inom digital infrastruktur kan programvara exempelvis övervaka servrar och automatiskt starta om tjänster, flytta belastning eller aktivera reservsystem när något går fel. Målet är att ett tekniskt fel ska kunna hanteras utan att användaren ens märker att det har inträffat. Detta är en central idé bakom så kallade självläkande system.

Utvecklingen kan beskrivas genom några återkommande funktioner:

• Systemen övervakar sin egen funktion kontinuerligt.

• Avvikelser identifieras innan de utvecklas till allvarliga fel.

• Automatiserade åtgärder sätts in utan manuell styrning.

• Reservkapacitet kan aktiveras när belastningen förändras.

• Systemen kan lära sig av tidigare störningar och förbättra framtida beslut.

Det perfekta systemet lämnar inga spår

När tekniken fungerar på det här sättet blir användarupplevelsen märkligt odramatisk. Ett problem uppstår, hanteras och försvinner innan någon hinner reagera. Det är ett tydligt tecken på att tekniken har blivit en del av infrastrukturen snarare än ett separat verktyg. Samtidigt ökar beroendet av att systemen verkligen fungerar. Ju mer automatisering som byggs in i samhället, desto större blir konsekvenserna när flera automatiserade funktioner slutar fungera samtidigt.

Ett samhälle där infrastrukturen tänker själv

Den osynliga tekniken blir särskilt intressant när den flyttar från enskilda produkter till hela samhällssystem. Ett modernt samhälle består redan av nätverk som kontinuerligt samlar in information och anpassar sin funktion. Elproduktion, transporter, vattenförsörjning, telekommunikation och logistik är exempel på områden där beslut måste fattas snabbt och ofta baserat på stora mängder data. Artificiell intelligens kan göra det möjligt att samordna dessa system på en nivå som människor har svårt att hantera manuellt.

El, trafik och energi i realtid

Elnätet är ett tydligt exempel. När produktionen i allt högre grad kommer från väderberoende energikällor behöver systemet kunna hantera snabba förändringar i både produktion och efterfrågan. Digitala styrsystem kan analysera belastningen och anpassa hur energi distribueras. På liknande sätt kan trafiksystem använda information från fordon, kameror och sensorer för att identifiera flaskhalsar och justera trafikflöden. Målet är inte att människor ska sitta och styra varje enskild del, utan att infrastrukturen själv ska kunna balansera systemet.

Det innebär också att artificiell intelligens kan få en roll som tidigare låg hos stora organisationer och många anställda. Ett system kan väga samman tusentals datapunkter på kort tid och hitta samband som är svåra att upptäcka manuellt. Förutsatt att systemen är korrekt utformade kan det ge effektivare användning av energi, transporter och andra resurser. Men det innebär samtidigt att teknisk kompetens och kontroll får större strategisk betydelse.

När infrastrukturen blir en digital organism

Ju fler system som kopplas samman, desto mer liknar infrastrukturen ett sammanhängande digitalt ekosystem. En förändring på ett område kan påverka flera andra. Ökad efterfrågan på el kan exempelvis påverka produktionen, distributionen och lagringen. En trafikstörning kan påverka kollektivtrafik, leveranser och energianvändning. AI-system kan hjälpa till att hantera dessa samband genom att kontinuerligt analysera information från olika delar av infrastrukturen.

Men samma sammankoppling skapar nya sårbarheter. Om viktiga funktioner blir beroende av automatiserade beslut måste samhället kunna hantera situationer där systemen gör fel eller slutar fungera. Därför blir redundans, cybersäkerhet och mänsklig överblick minst lika viktiga som själva AI-tekniken. Ett samhälle som kan automatisera mycket måste också kunna återgå till manuella lösningar när det behövs.

Den nya tekniken syns minst där den betyder mest

Den kanske största förändringen är därför inte att maskiner börjar göra fler saker. Det är att gränsen mellan teknik och omgivning gradvis suddas ut. När sensorer, algoritmer och automatiserade beslut byggs in i vägar, byggnader, energinät och kommunikation blir tekniken svårare att urskilja. Den finns överallt men märks nästan ingenstans. Det är just där den kan få sin största betydelse. Den mest avancerade infrastrukturen behöver inte kräva vår uppmärksamhet. Den ska helst fungera så väl att vi glömmer att den finns.