Att omsätta AI till praktiska lösningar som gör skillnad
Nästa expert för en bättre morgondag som vi vill att du ska lära känna är Yixin Zhang på Sigma Technology i Göteborg. Hon hjälper kunderna att överbrygga gapet mellan AI:s möjligheter och verksamhetsnytta genom att omvandla komplexa utmaningar till praktiska lösningar som människor kan lita på och använda i sin vardag.
Yixin beskriver sig själv som en designer av data- och AI-lösningar med en gedigen bakgrund inom industriella tillämpningar, särskilt inom energi- och fordonssektorn. Även om AI ofta uppmärksammas för sina tekniska möjligheter är det framför allt möjligheten att skapa konkret värde i den dagliga verksamheten som driver henne.
Som Senior Data Engineer and Analyst fungerar Yixin som en brygga mellan data, AI och affärsmål. Hennes arbete börjar ofta där många projekt stöter på sina största utmaningar, när problemet ännu inte är tydligt definierat. Innan diskussionen handlar om modeller, algoritmer eller teknik fokuserar hon på att förstå vad kunden vill uppnå, vilka beslut som är svåra att fatta och var processer inte fungerar som de ska. Därifrån strukturerar hon utmaningen, bedömer vad som är möjligt utifrån tillgängliga data och utformar kompletta lösningar anpassade efter verksamhetens verkliga behov.
Yixin tog både sin kandidat- och masterexamen vid Lunds universitet. Efter studierna ville hon utforska hur AI kunde användas inom olika branscher och i verkliga tillämpningar. Det handlade mindre om tekniken i sig och mer om att förstå hur den kunde lösa konkreta problem. En nyfikenhet som ledde henne till konsultrollen, där hon får möjlighet att arbeta med en stor variation av branscher, utmaningar och verksamheter.
Genom åren har hon arbetat med allt från prediktivt underhåll och optimeringsprojekt till avancerad utveckling av AI-agenter. Erfarenheterna har lärt henne att AI:s verkliga värde sällan ligger i själva modellen. Framgång handlar i stället om hur väl lösningen är utformad, integrerad i befintliga arbetssätt och anpassad till den organisation som ska använda den.
Yixin arbetar nära sina kunder för att bättre förstå vad de vill uppnå, vilka beslut de kämpar med och var ineffektivitet eller andra utmaningar uppstår i verksamheten. Därefter analyserar hon tillgängliga data, befintliga plattformar och tekniska förutsättningar innan hon utformar en lösning som passar.
Detta arbetssätt har format en rad olika projekt. Ett exempel är prediktivt underhåll, där Yixin har hjälpt kunder att identifiera viktiga signaler i stora datamängder för att upptäcka potentiella fel innan de leder till kostsamma driftstopp. Genom att anpassa modeller efter förändrade driftsförhållanden och begränsningar i datan säkerställer hon att prognoserna förblir tillförlitliga över tid.
Ett annat exempel är utvecklingen av AI-agenter, där hon har lett det övergripande arbetet. Det handlar bland annat om att samla data från flera olika källor, strukturera hur information ska hanteras och delas samt skapa intelligenta system som gör det enklare för olika team att samarbeta. Genom hela processen är hon involverad från idé till implementering för att säkerställa att slutresultatet inte bara är tekniskt robust utan också användbart i praktiken.
Det som driver Yixin är möjligheten att skapa lösningar som ger långsiktigt värde. I stället för engångsinsatser vill hon bygga AI-system som är handlingsbara, anpassningsbara och kan utvecklas tillsammans med kunderna som använder dem. Oavsett om målet är att effektivisera verksamheten, möjliggöra smartare beslut eller upptäcka problem tidigare handlar det alltid om att skapa mätbar nytta.
AI-tekniken utvecklas idag i en extraordinär takt och Yixin ser stora möjligheter framåt. Nya modeller och möjligheter tillkommer ständigt, men den verkliga utmaningen är fortfarande att hjälpa organisationer att använda dem på ett meningsfullt sätt. För Yixin mäts framgång inte i hur avancerad en AI-modell är, utan i om den hjälper människor att fatta bättre beslut, lösa verkliga problem och skapa långsiktigt värde. AI handlar inte om att ersätta människor. Det handlar om att ge dem bättre verktyg, så att de kan göra ännu större skillnad i sitt arbete.
