19. Medtech med Magnus Littorin
Magnus Littorin är data- och AI-specialist på Microsoft med fokus på hälso- och sjukvård. Tillsammans med Henrik Enström diskuterar han det senaste inom medtech och hur man med hjälp av den senaste tekniken kan underlätta för patienter såväl som läkare och vårdpersonal. Observera att det här avsnittet spelades in innan coronaviruset kom till Sverige.
Länkar
Kontakta Magnus Littorin på LinkedIn eller maila magnus.littorin@microsoft.com.
Här kan du läsa mer om Microsofts satsningar på tillämpningar av AI.
Info om Soundscape, som diskuteras i podden.
Applikationen för synnedsatta och blinda, Seeing AI.
Om du inte hinner lyssna…
HE: Hej och välkomna till Let’s tech-podden. Jag heter Henrik Enström och välkommen hit, Magnus Littorin som är data- och AI-specialist på Microsoft.
ML: Tack så mycket.
HE: Kul att ha dig här.
ML: Tack.
HE: Vi som gör detta, det är Codic Consulting i Göteborg. Vi jobbar med konsulter inom programmering, och anledningen till att vi kontaktade dig var att vår säljare, Malin Brocker, såg dig på AcobiaFLUX-dagen. Det låter spännande, för du höll en presentation då om medtech och teknologin bakom.
ML: Mm, det stämmer.
HE: Så hur var det, var det en bra dragning?
ML: Det tyckte jag var kul. Det är alltid roligt att komma ut och inspirera och berätta lite grann om vad Microsoft och framför allt tillsammans våra partners, vad vi gör inom artificiell intelligens och automation, och alla de här bitarna som Acobia är väldigt duktiga på.
HE: Precis. Malin var lyrisk. Hon tyckte att det var en jättebra föreläsning. Hon kom ihåg dig väldigt väl, så att vi kan ju dyka in på det som fastnade den dagen. Det var några glasögon som man kunde ha även om man inte såg, och som hjälpte en att tolka omvärlden på något sätt?
ML: Ja, av alla saker har vi ju en iPhone-app. Det låter kanske lite roligt, men vi kan väl komma in lite mer på Microsoft och den lite nya approach senare.
HE: Ja, ni anammar ju massa olika OS och tekniker.
ML: Ja, precis, vi har ju öppnat upp oss väldigt mycket om man tittar på den utveckling som har skett de senaste kanske sex, sju åren. Framför allt sen vi fick ny VD, Satya Nadella, och så vidare. Men just det här exemplet med glasögonen, det handlar om en iPhone-app som heter Seeing AI, som går ut på att hjälpa synnedsatta och blinda med att tolka omvärlden helt enkelt. Så att antingen kan du använda din telefon och kameran i den och försöka, genom våra färdiga AI-tjänster, att titta på olika saker, som att tolka det där pappret som du har framför dig där, till exempel, att kunna se vad det faktiskt står på det. Eller titta på ditt ansikte och se om du verkar glad eller mindre glad, och se att du faktiskt lyssnar på det jag säger, trots att jag inte kan se det fysiskt och så där.
HE: Och används det praktiskt, är det personer som går runt och använder det här?
ML: Det finns det väldigt många som gör i dagsläget, ja. Och den applikation som jag visade upp där, det är framför allt den i kombination med ett par glasögon som heter Pivothead. Och i stället för att använda din iPhone och kameran i den, så kan du använda glasögonen som dessutom har högtalare inbyggda som berättar för dig vad du ser. Så att om du är, i det här fallet, ute i parken till exempel och hör att någonting sker runt omkring dig, kan du klicka snabbt genom att röra på glasögonen och få en uppfattning om appen har möjlighet att tolka vad som sker.
HE: Mm, det låter ju fantastiskt spännande. Det måste vara en helt ny värld då, om man har synproblem på det sättet?
ML: Absolut, absolut. Här i Sverige jobbar vi med en lösning som heter Soundscape, som också har som målsättning att hjälpa synnedsatta, synskadade och blinda att ta sig runt i omvärlden lite lättare. Så att det blir som en guidning till saker och ting runt omkring dig, så det är en riktig häftig lösning.
HE: Och rent tekniskt, vad har man då?
ML: Då har man någon ljudsändare helt enkelt, små installationer av hårdvara som gör att du hittar fram och tillbaka i din fysiska miljö. Appen kan helt enkelt berätta för dig vad du ser omkring dig, hur du tar dig till olika saker, och så vidare. Så att det är någonting. Vi tittar bland annat på att göra kollektivtrafiken mer tillgänglig för blinda och synskadade, som kanske kommer till en busshållplats, vet inte exakt när bussen kommer att gå. Bussen står parkerad kanske inte exakt vid busshållplatsen för den är tillfälligt lite flyttad. Massor med såna spännande applikationer som man kan göra med Soundscape.
HE: Ja, kul. Vi kan ju komma tillbaka till dig lite. Vi hoppade in här i tekniken, men vem är du? Hur började du med det här och vad är din bakgrund?
ML: Som sagt, min roll heter data och AI-specialist. Mitt fokus är framför allt offentlig sektor och hälsa- och sjukvård. Det låter ju kanske som att man springer runt och kodar och bygger lösningar, eller jobbar som någon slags IT-arkitekt, men det är inte riktigt det det handlar om, utan min roll handlar mycket mer om att komma ut, träffa mina kunder, kika på: ”Vad de har för data, hur kan vi få lite ordning och reda i den data och framför allt, hur kan vi skapa värde av all den data ni har?” Så det kan vara allt ifrån att bygga rapporter i någon slags business intelligence-lösning, till att börja applicera artificiell intelligens som Machine Learning på datamängderna, till att hjälpa till med den här typen utav mer IoT-relaterade lösningar där det handlar om uppkopplade enheter runt om i vår verklighet.
HE: Ja, och hur hamnade du på Microsoft? Vad gjorde du innan?
ML: Egentligen har jag jobbat med IT, försäljning och marknadsföring väldigt länge, så jag har jobbat inom business intelligence, jag har jobbat inom systemintegration och jag har jobbat med olika mjukvarulösningar som tjänst, SaaS-lösningar helt enkelt. Sen dök just den här tjänsten upp då, som specialist på Data AI för ett och ett halvt år sen ungefär, och det gick ju bara inte att säga nej till. Framför allt när man som sagt får jobba med någonting så meningsfullt som hälsa och sjukvård och den typen.
HE: Ja, nej, det förstår jag. Vi ska säga att du är baserad i Stockholm. Vi har ju lite Göteborgsfokus här, hur känns det att vara i Göteborg i dag?
ML: Perfekt. Jag är här jättemycket. Jag jobbar ju med både regionen och staden, så att det är ingen slump att jag är här i dag, utan jag spenderar mycket tid i Göteborg.
HE: Ja, kul. En annan sak som dök upp när jag frågade lite om vad man kunde fråga någon från Microsoft, var något som ni släppte i somras. Någon AR-lösning som fick ganska mycket genomslag?
ML: Ja, jag gissar att du tänker på HoloLens?
HE: HoloLens. Ja, just det, så var det.
ML: Och den har ju funnits en bra stund. Om vi tittar på den här lösningen, så är ju det egentligen också en typ utav glasögon. Men i stället för att vara en 2D-representation av världen runt omkring dig, så är det en AR. Precis som du säger, alltså en augmented reality-lösning med hologram-funktion, vilket innebär att du kan bygga en applikation som kan, i det rum du befinner dig, projicera i dina glasögon en 3D-representation av någonting.
HE: Då tänker jag ju direkt på Minority Report, när han står och viftar i luften och styr olika saker.
ML: Exakt så.
HE: Eller kanske till och med Holodeck i Star Trek.
ML: Just det, precis.
HE: Så det är det ni skapar.
ML: Det är lite åt det hållet, ja, precis. Och om vi tittar på just Göteborgsområdet och regionen och så vidare, så, jag tror det är ett par år sen nu, så utvecklade faktiskt Folktandvården här i regionen en applikation för just det här, där de tar 3D-röntgen på tänder och käkben och så vidare, och kan då projicera den här i ett hologram, så att du kan framför dig med fingrarna egentligen, vrida och vända på den här röntgen-bilden. Och då i utbildningssyfte, i stället för att ha en fysisk representation av en käke med tänder, så kan du jobba med en digital version och träna blivande läkare och tandhygienister på hur de ska tolka de här bilderna.
HE: Coolt. Jag tänker också på en annat sånt initiativ. Vi pratar mycket om det här med glasögonen och AR och så vidare. Google hade ju ett sånt initiativ med glasögon, som känns som att det är i samma linje som vi pratar om nu, men som de ju la ner. Vad kommer det sig?
ML: Jag vet faktiskt inte varför det inte lyckades, men det finns ju kanske en skillnad mellan Googles, vad ska man säga, sätt att se på data och världen och sin affärsmodell, jämfört med Microsofts, där öppen data för oss innebär öppen och säker data väldigt mycket. Vi är väldigt fokuserade på att ha en klar och tydlig värdeskapande applikation på det vi gör. Nu spekulerar jag bara, men funktionen, värdet, som ska skapas med det här, var kanske inte glasklar och jättetydlig för Google Glasses.
HE: Nej, det är ju tydligare om man har någon som har synnedsättning. Om man får hjälp, liksom. Det kanske är lite mer awkward om man sitter med någon som har glasögonen på sig och man vet inte riktigt varför. Och man kan bli filmad eller den personen kan få upp information om en från nätet eller någonting. Det kanske är lite svårare att acceptera det, jämfört med de som får hjälp att hitta bussen, som du nämnde som ett exempel.
ML: Det kan vara en anledning, att man inte har identifierat klart och tydligt vad applikationen är: ”Vad ska vi använda det här till, vad för värde ska det skapa?”
HE: Ja, precis. Och du jobbar ju mycket med … ja, du pratade om regionen och så, och det är mycket med medtech och så. Har du några exempel på vad ni gör där, och vad ni kan bidra med för mer värde än vad vi redan har nämnt här för människor?
ML: Ja, alltså, någonstans om man får gå tillbaka till hälso- och sjukvårdsutmaningen, så som vi ser det, så är det ju ingen hemlighet att vi blir fler och fler, och äldre och äldre, i Sverige och överallt på jorden. Det är ju egentligen ett jättestort dunk i ryggen. Vi har lyckats med något här. Vi lever längre och vi är friskare. Och det enda problemet med det, är så att säga tillhandahålla riktigt bra hälsa och sjukvård för den här åldrande populationen, både kostnadsmässigt, resursmässigt och så vidare. Det är liksom en ekvation som inte riktigt håller ihop. Jag läste någonstans att SKR hade räknat ut att mellan 2020 och 2022 så kommer just den här ekvationen att skapa ett gap på ungefär 43 miljarder mellan intäkter och kostnader för hälso- och sjukvården, eller välfärdstjänster över huvud taget, då. Och om vi med hjälp av modern teknik på något vis kan ändra arbetssätt, effektivisera och kanske helt enkelt innovera och börja jobba på helt nya sätt som krymper det här gapet lite grann, så har vi gjort någonting fantastiskt, tycker jag.
HE: Ja, det är ju något som man brottas med, just hur vi ska hantera att vi lever längre. Vi måste ju jobba längre förmodligen då. Pensionsåldern kommer säkert att höjas, som det pratas mycket om. Och kostnaderna, det brottas man ju med inte minst i USA, med Medicare och Medicaid, och allt vad det heter. Man börjar gå back helt enkelt, om vi lever längre och längre. Så vad tror du själv, kommer vi att leva i 150 år snart, eller?
ML: Ja, jag tror till och med att det var någon utav dina tidigare poddgäster som var väldigt positiv till att vi skulle leva för evigt. Det är lite mer science fiction än det jag håller på med, och jag tycker det är lite … generellt angående allt som gäller AI som ju är så hett nu för tiden, så ligger man kanske i tanken lite längre fram än där vi faktiskt är i dag. Så att om jag tittar på vad AI egentligen betyder för mig när jag är ute och pratar med mina kunder, så handlar det egentligen inte om raketforskning, utan vi har ju egentligen hållit på med AI kan man säga i 100 år. Det är egentligen inga nyheter. Ända sen miniräknaren kom, så är det någon slags artificiell intelligens som kan räkna.
HE: Just det, man flyttar målet hela tiden för vad som är intelligens, liksom.
ML: Ja. Så det är som det är nya nu kan jag tycka, det är att via börjar se att maskinerna för det första kan tolka data som inte är 100 procent tillrättalagd för att fungera som en dator fungerar. Alltså, med ettor och nollor, utan den kan hantera data som inte är perfekt. Och att datorer och maskiner nu mera faktiskt kan tolka omvärlden mer som vi människor gör. Det börjar kunna förstå vad som sker i bilder som vi var inne på med den där kameran, vad som sägs och skrivs, och tolka omvärlden som sagt, mer som en människa. Kunna känna igen ansikten, röster och alla såna här saker. Så det är väl en del. Och en tredje grej som jag tycker är väldigt spännande med just machine learning-delen av AI, det är att vi börjar gå från att titta på … datorerna har alltid sen vi började med business intelligence och allt sånt här, har datorer och programvara kunnat hjälpa oss att förstå vad det är som har hänt. Och sen har vi människor fått gissa vad som kommer att hända i framtiden. Med maskinlärande så börjar vi faktiskt kunna jobba med mer prediktiv analys. Så nu kan vi börja ställa frågor, inte bara vad är det som har hänt, utan vad tror vi kommer hända. Och i många fall så börjar de här algoritmerna bli så pass bra nu, att de faktiskt är bättre än oss människor på just den typen utav utmaningar. Så att om vi tittar på till exempel här i Region Västra Götaland, så har vi exempel från Södra Älvsborgs sjukhus, till exempel, där vi håller på och jobbar med en maskinlärande algoritm som ska räkna ut om en patient lämnar akuten och hamnar på en vårdmottagning, hur länge blir den patienten kvar där?
HE: Det låter svårt att lista ut. [skrattar]
ML: Ja, och det roliga med såna här algoritmer, är ju att man vet ju inte förrän man har börjat på riktigt tillsammans med sina data scientist, sitta och titta på siffror och gå igenom enorma mängder historisk data, vad det egentligen är för parametrar som påverkar det. Det är lätt att gå på magkänsla som kliniker och tror att man har koll på de här grejerna, men man blir ofta förvånad över vilka parametrar som man inte hade tänkt på, som kanske också har ett stort inflytande förutom de som man kanske med magkänsla kan tänka sig är rätt. Och effekten utav det är naturligtvis att staden som ska ta över inom vård och omsorg, så fort patienten är utskriven, behöver ha en bra prediktion på det för att kunna planera sitt arbete. Patienten själv vill ju naturligtvis veta ungefär: ”När kommer jag komma hem?” Patientens anhöriga vill veta det och sjukhuset vill ju veta: ”När blir den där sängen ledig?” Så att de kan börja planera sin nästa patient som behöver sängen, och så vidare.
HE: Det går att se ett värde. Men nästan ännu tydligare tycker jag det är när det kommer nyheter som jag tycker kommer ganska titt som tätt, att olika Machine Learning-lösningar blir bättre än specialister på att se på en scanning på en bild, om det är cancer eller inte.
ML: Absolut.
HE: Där är det ju väldigt tydligt, att det måste vara väldigt, väldigt bra om man kan ha högre träffsäkerhet där.
ML: Absolut.
HE: Och dessutom avlasta specialisterna.
ML: Ja, och en dator är ju inte trött och stressad, och har 1000 andra bollar i luften, utan kan ta hand om de här grejerna dygnet runt i enorma volymer, utan att för den sakens skull bli överbelastad på det sätt som en människa skulle kunna bli, utan hålla samma höga kvalité. Och det här var ett exempel, vi har ju hur många till som helst.
HE: Ja, vad tycker du är det mest spännande som händer inom medtech nu? Något som man ska fara iväg med tanken liksom, att: ”Shit, kan det bli så?”
ML: Ja, det är en svår fråga, för det finns så otroligt mycket. Men jag brinner lite själv för mental hälsa och vi har gjort ett projekt på … även här i Västra Götalands-regionen kring återinläggning och att förutspå: ”Vilka patienter som lämnar till exempel psykakuten löper störst risk att vara tillbaka här igen inom en vecka eller två?”
HE: Men har man tillräckligt med data om det? Det låter otroligt svårt.
ML: Ja, det är svårt, men återigen, de här algoritmerna är ju lärande algoritmer. Så ju fler återkopplingar vi får om hur precis var den här modellen egentligen, träffade den rätt med den här patienten, så får vi en återkoppling som gör att modellen hela tiden blir bättre och bättre och bättre. Men du är inne på något väldigt viktigt, och det är mängderna med data. Och där har vi, tycker jag, en utmaning i Sverige med att få tillgång till stora mängder data. Det är en utmaning i hela den offentliga sektorn att få dela med sig av data. Det här anses ju vara känslig data, av förklarliga skäl. Och även anonymisering av den här data är inte alltid lätt att få till på ett bra sätt, och framför allt att få juridiken att hänga med.
HE: Ja, med GDPR och så, där det är väldigt mycket som blir personlig data. Om det går att spåra tillbaka till någon, så är det personlig data.
ML: Precis. Och just hälso- och sjukvården lyder ju inte bara under GDPR, utan också patientdatalagen och så vidare. Så att det finns några utmaningar här som vi jobbar väldigt hårt på att tillsammans med våra kunder och de juridiska avdelningarna och såna instanser som regering och politiken också påverkar, hur vi kan komma framåt i de här frågorna. För det är ingen som vill att någons patientdata ska röjas, framför allt inte i onödan.
HE: Nej, men det är lätt att se en motsättning där, till exempel om man tar patienter med psykisk ohälsa, att om machine learning-algoritmerna kunde ha access till deras mobil, till exempel. Helt otänkbart, antar jag, men då skulle de kunna få hjälp tidigare. Men det skulle nog inte gå på grund av datasäkerhetsproblematiken som uppstår då.
ML: Precis, och här finns det ju naturligtvis lösningar som har jobbat på ett annat sätt, med medgivande från slutanvändaren och så vidare, där det finns en organisation kring cancer specifikt då, där ett helt nätverk med folk som har drabbats av just den här typen utav cancer, har valt att dela med sig av all sin vårddata till en stor plattform, där man då kan bedriva forskning och där olika medicinbolag kan vara inblandade och titta på: ”Hur fungerar egentligen vår behandling på de här olika patienterna?” Och börjar dra riktigt bra slutsatser.
HE: Det låter ju otroligt spännande. Jag kommer ihåg, det finns ju något exempel. Eller, jag kommer inte ihåg exakt, men jag tror det var Island eller något, där de har extremt bra data records tillbaka i tiden på något sätt, och man kan använda det just för forskning och hitta samband för att till exempel spåra vad som orsakar cancer och sånt. Så att om man bara kan ge tillgång till data, så går det säkert att nå helt extremt bra resultat, skulle jag gissa.
ML: Ja, absolut, och vi har ju andra. Vi har ju partnerlösningar. Vi behöver inte gå så djupt som att gå egentligen på någon slags AI eller någon väldigt komplex algoritm för saker och ting, utan vi har ju remote monitoring-lösningar som våra partners har utvecklat, där man till exempel tittar på speciella patientgrupper. Diabetiker eller hjärtsviktspatienter och så vidare, där man helt enkelt får hem en blodtrycksmanschett och en våg som är uppkopplade. Och där vårdgivaren i det här fallet hela tiden kan se när du går och ställer dig på vågen, får de in data för det. När du tar ditt blodtryck, får de in data för det. Och helt enkelt har superenkla modeller som säger: ”Nu har du gått över ett visst tröskelvärde.” Och då kommer en alert till vårdgivaren eller sjuksköterskan.
HE: Bara det psykologiska att veta att någon sitter och tittar på ens vågresultat hade kanske gjort att man åt lite mindre. Jag vet inte.
ML: Kanske det. Och det här är en sån sak, återigen då, det krävs patientens medgivande för att vara med i det här, men jämför det då framför allt kanske i glesbygden när du ska ta dig tre, fyra mil till vårdcentralen och göra det här tre gånger i veckan, jämfört med att kunna göra det tre gånger om dagen utan att röra på dig över huvud taget.
HE: Ja, då blir det av.
ML: Det blir av. Sjuksköterskan, distriktssköterskan eller klinikern kommer ju faktiskt närmre patienten, får fler avstämningar med patienten. Vi ska ju naturligtvis inte, och det görs inte heller, helt byta ut den mänskliga kontakten här, men det blir en förhöjd vårdkvalité. Du som patient går inte in, gör dina mätningar och sen så försvinner ditt data in i någon slags black box där du inte ser vad som händer, utan du blir faktiskt mer delaktig i din egen hälsa än du var i den gamla världen.
HE: Just det. Vi pratade om att du rör dig mycket mellan Göteborg och Stockholm, eller Västra Götalands-regionen här. Ser du några skillnader när det gäller teknik, teknikbolagen och Medtech? Eller tillgängligheten på pengar till exempel, som vi har haft uppe i podden innan?
ML: Ja, det skulle jag nog vilja säga. Jag vet att ni tidigare har pratat i podden en hel del om investeringsmöjligheter och hur mycket lättare det är att få bidrag för ett kommande projekt, eller en kommande produkt som ligger i sin linda, i Stockholm jämfört med här. Men för mig skulle jag säga, jag jobbar över hela landet. Och den största skillnaden jag ser är nog faktiskt storstadsregionerna och glesbygden egentligen. Det är en helt annan värld i Region Jämtland-Härjedalen och Norrbotten, Västerbotten än vad vi ser i Skåne, Göteborg och Stockholm. Så är det ju.
HE: Så det är stora skillnader i tillgången på teknik, pengar och kapital?
ML: Kompetens.
HE: Kompetens.
ML: Ja, verkligen kompetens. Och det är ju verkligen en utmaning då när vi tittar på den kompetens som verkligen krävs för det här området, som ju är både en väldigt specifik verksamhetskompetens. Det är inte jättemånga som kan både sjukvård och IT. Och där behöver vi tror jag i hela samhället göra en stor insats kring utbildning. Och det är en stor del av det jag gör också, att försöka nå ut till verksamheten och inspirera och förklara vad som är möjligt. Och locka folk till att faktiskt lära sig mer om det här. Vi på Microsoft har ju hur mycket gratiskurser som helst kring AI for Health och det finns hur mycket såna här saker som helst, som man kan ta till sig, men det gäller ju att vi når ut och att vi får folk att faktiskt bli inspirerade och göra de här grejerna, att ta sig tiden att öka sin kompetens och bli mer taggad på att faktiskt titta på hur det kan hjälpa mig i min vardag.
HE: Men ser du en framtid där det faktiskt kommer finnas en hel kompetens i Jämtland också, eller kommer det fortsätta att samlas runt storstadsregionerna?
ML: Oj, svår fråga. Absolut, och jag tror över huvud taget att den tekniska kompetensen kommer att finnas hos oss alla någonstans. Vi pratar mycket om Citizen Developers, att göra våra verktyg och våra plattformar så pass enkla att förstå sig på och komma igång med, att du som mellanchef på en större restaurangkedja kan börja bygga dina egna appar för att planera hur din personal ska jobba och hur vi kan öka bokningarna, och så vidare. Allt sånt finns det liksom möjligheter för folk att göra, därför att gränssnittet, vägen in, startsträckan för att komma igång och börja utveckla, har blivit så pass mycket kortare.
HE: Ja, men det finns ju en möjlig framtid där datorerna programmerar sig själva så att säga, efter mer instruktioner. Det är nästan lite scary för en sån som mig som själv är utvecklare och jobbar med rekrytera utvecklare, men det kan ju definitivt gå åt det hållet.
ML: Ja, och det tror jag säkerligen att vi kommer se mer och mer av, av att AI blir så pass smart. Men som sagt, i dag är vi inte riktigt där, utan i dag tycker jag att vi har otroligt mycket vi kan hjälpa till och göra med den artificiella, eller som jag brukar kalla det mer, assisterande intelligens, som finns på marknaden i dag. Och när det gäller de här bitarna, så ser jag inte i dagsläget att AI över en natt kommer ersätta särskilt många jobb, egentligen. Eller stjäla jobb från folk som behöver dem över natt. Möjligtvis kommer självkörande bilar att göra det lite jobbigt för taxi- och transportindustrin.
HE: Tror du verkligen inte att fler jobb kommer ersättas?
ML: Det tror jag. Jag tror att arbetsuppgifter kommer ersättas, vilket kommer ge möjlighet att för de här jobben att utvecklas till någonting mer “värdeskapande”.
HE: Just det, så man jobbar med andra saker bara? Det är inte att man blir av med jobbet.
ML: Precis, på samma sätt som industrialismen gjorde. Sen var de tar vägen längre in i framtiden är naturligtvis en helt annan fråga.
HE: Det är svårt att säga om. Vi nämnde lite i början där om er någorlunda nya VD där, Satya Nadella, som hade en lite ny approach när det gällde er business, så att säga. Kan du berätta lite mer om det?
ML: Ja, över huvud taget så har han lagt om skutan, både utifrån vår affärsmodell, den kan vi ju komma tillbaka till. Men kanske framför allt kulturen, kan jag tycka.
HE: Ja, just det. För jag menar, jag kan själv se, nu vet jag inte exakt om det är en officiell policy som är uttalad, men det känns som att det har varit mer proprietär mjukvara med Microsoft, att det nu finns en hel del som är open source och en sån lyckad grej som jag ser bara här på Future Skill, vårt systerbolag som … där vi utvecklar så använder vi ju … Visual Studio Code som bygger på .NET Core och så där. Och det kan köras inte bara på Windows, utan också på andra operativsystem som Linux och Apple OS X. Och det är en jättebra utvecklingsmiljö, så det känns som lite nytänk där, att man mer och mer … det är inte lika viktigt att allting ska vara Windows, utan man finns överallt.
ML: Nej, hela det protektionistiska tänket har vi egentligen gått ifrån. Vår satsning på GitHubs är ganska mycket om hur vi ser på open source, kan jag tycka. Så att det är ju verkligen en enorm skillnad, och vi ser ju … det är återigen tillbaka till det här att vara det där stödet till så många som möjligt. Det handlar ju någonstans om att vi skapar mer värde i samarbeten, än vi gör i stuprör och silos.
HE: Kan man knyta sånt till personer? Är det en skillnad mot Bill Gates och Steve Ballmer och er nya nuvarande VD, i hur man tänker? Eller är det en nödvändighet, för att världen ändrar sig, så ändrar sig Microsoft också?
ML: Det är nog både och, men det är klart att en person som Satya Nadella skiljer sig från en person Steve Ballmer. Men i vilken omfattning personen versus bara omständigheterna runt omkring oss har haft en betydelse, det är svårt för mig att spekulera i.
HE: Ja, men jag tycker att det är en kul utveckling. Jag menar, jag får själv en mycket mer positiv känsla för Microsoft när man går in i mer open source. Alltså, en sån enkel grej kan ändra hur väldigt många personer ser på företaget.
ML: Mm, och det är som sagt, jag tycker det här är väldigt vitt och brett. I mitt område kring AI till exempel, så är det ju … om vi ska börja titta på de här science fiction-utmaningarna där AI faktiskt börjar bli på riktigt lite läskigt bra på att vara som oss människor, så blir det ju extremt viktigt att titta på de etiska aspekterna av det här. Det räcker med att ta ett sånt exempel som den här prediktiva modellen vi pratade om på Södra Älvsborgs sjukhus här, att försöka predicera saker baserat på någonstans uppgifter som kanske är kopplade till dig som person, kan ju vara väldigt precist för om vi säger merparten av det normativa underlaget, om vi säger medelålders, svenskfödda, men kanske helt missar målet i någon minoritet av patientgruppen. Är det etiskt att tänka så, att låta en maskin vara så kategorisk? Kanske inte. Vi har alla hört om bottar som efter att ha blivit utsatta för lite sociala medier, förr eller senare kommer ut med märkliga uttalanden.
HE: Blir väldigt olämpliga helt plötsligt.
ML: Ja.
HE: Det kommer finnas mycket etiska överväganden helt enkelt, och vi måste kunna styra hur AI-maskininlärning används.
ML: Precis, och att ta ett proaktivt grepp om det, i stället för att luta sig tillbaka och säga: ”Ja, vi tillhandahåller bara en plattform. Vad folk väljer att göra med våra produkter, det kan vi inte blanda oss i.” Det kan jag tycka blir väldigt viktigt när man är ett så pass stort och inflytelserikt bolag som Microsoft är. Och där har vi startat AI Ethics, där vi tillsammans med de andra plattformarna och världsledare egentligen på området jobbar med de här frågorna, ser till: ”Hur kan vi se till att AI inte gynnar folk olika beroende på vad de har för bakgrund och förutsättningar”, och så vidare.
HE: Mm, det låter ju väldigt viktigt. Jag tror vi börjar närma oss slutet här. Ska vi ta helt enkelt den gamla fina frågan om framtidsspaning. Har du någon framtidsspaning om medtech, AI, hur det kommer påverka både i Sverige och globalt?
ML: Ja, om jag hade någon framtidsspaning? Det kan jag ju inte säga att jag har suttit och klurat fram någonting på kammaren hemma som inte alla redan har klurat på och funderat på, men som jag är inne på och har varit ända sen början, min spaning är att vi måste lösa den här ohållbara ekvationen om inte det svenska samhället ska kollapsa totalt på grund av ohållbara ekonomiska förhållanden, och i förlängningen en försämrad sjukvård, i stället för den trend vi har haft med att vi faktiskt bara blir friskare och friskare. Så att min framtidsspaning är att vi till slut löser upp de här knutarna, börjar kunna applicera AI och analys på rätt sätt, och ny teknik på rätt sätt, för att kunna, utan att det drabbar individer på ett negativt sätt, faktiskt börja stänga det här gapet mellan de inte tillräckligt snabbt ökande intäkterna, men de skenande kostnaderna vi har för hälso- och sjukvård.
HE: Just det, vi kommer klara den ekonomiska kalkylen med hjälp av AI och maskininlärning?
ML: Och kanske med lite tur till och med kunna använda samma tänk kring klimatet och de förändringar vi ser där.
HE: Fint, jättebra slut. Tack så mycket Magnus Littorin från Microsoft.
ML: Tack.