Print:

In vijf stappen naar een goede toepassing van AI

Redactie IIR, Trainingen & Conferenties

LinkedIn profiel

De hype rond Kunstmatige Intelligentie (AI) is nog lang niet voorbij. Ook in 2019 denderen de ontwikkelingen alsmaar door. De verwachting is dat de toepassing van AI dit jaar verdriedubbelt ten opzichte van 2018. Volgens Amerikaanse analisten zal AI in 2030 voor bijna $16 biljoen bijdragen aan de wereldeconomie. Tegen die tijd is robotisering voor ons dan net zo normaal als het internet dat nu is en gemotoriseerd vervoer honderd jaar geleden.

Artificial Intelligence (AI) Fundamentals | IIR

 

De belangrijke vragen die veel bedrijven zich nu stellen, zijn: hoe haal ik zoveel mogelijk waarde uit mijn data? En, hoe passen we AI-technieken als chatbots, deep-learning en neurale netwerken optimaal toe in ons gehele bedrijfsproces? Het antwoord is niet simpel, maar hieronder doen we een goede eerste poging, in 5 stappen to-do-AI.

1. Begin klein

Wat veel mensen niet weten is dat er maar weinig AI-algoritmes nodig zijn om diverse zakelijke problemen op te lossen. Indien succesvol toegepast op een enkel bedrijfsproces, kan AI daarna worden uitgebreid naar andere delen van de organisaties. Bijvoorbeeld: uit alle facturen wordt automatisch alle informatie verzameld om de kosten en verwerkingstijd te verminderen. Vervolgens worden dezelfde AI-codes aangepast en ingezet bij klantenservice, marketing, belastingafdracht en supply chain management; allemaal afdelingen die enorme hoeveelheden ongestructureerde en semigestructureerde data verwerken. Uiteraard moet een hecht team van gecommiteerde en visionaire leiders en AI-deskundigen deze uitbreiding stap voor stap begeleiden. Ze houden nauwkeurig bij wat de succesjes zijn die ze kunnen uitbouwen naar andere afdelingen.

2. Faciliteer de techneut én de digibeet

Het is logisch dat niet bij iedereen in de organisatie de betavaardigheden even groot zijn. Met het gebruik van complexe AI-technieken in de bedrijfsvoering wordt die kloof alleen maar groter, tenzij je het slim organiseert. De meerderheid van de werknemers moet waarschijnlijk training krijgen om effectief gebruiker van de applicaties te worden. En leren om hulp te vragen wanneer dat nodig is, bijvoorbeeld bij gespecialiseerde collega’s die additionele training krijgen om ‘citizen developer’ te worden. Dit zijn de veelgebruikers van de techniek, die de usecases en datasets kunnen identificeren en toepassen. Als bruggenbouwers werken zij ook nauw samen met de derde groep van AI-specialisten: data-ingenieurs en datawetenschappers die de nieuwste AI-toepassingen ontwikkelen.

3. Bouw vertrouwen in

Er bestaat nog altijd veel wantrouwen jegens AI vanwege de impact op onze privacy en cyberveiligheid, de baanzekerheid en economische ongelijkheid. Het is daarom belangrijk om vertrouwen in de bedrijfsprocessen in te bouwen. Bijvoorbeeld door: zoveel mogelijk de bias uit de data en AI-modellen te halen. Leg ook uit wanneer en hoe een AI-model beslissingen neemt en zorg ervoor dat die beslissingen accuraat zijn. Bouw veiligheid en betrouwbaarheid in, zodat de prestaties op peil blijven en de systemen bestand zijn tegen aanvallen van buitenaf. Zorg ervoor dat duidelijk is wie verantwoordelijkheid draagt voor de AI-systemen en wie de controles uitvoert. En voldoe altijd, altijd aan alle wet- en regelgeving, zoals de Europese Algemene Verordening Gegevensbescherming (AVG). Mochten er ethische kwesties de kop opsteken, maak dit bespreekbaar en schuif het niet onder het tapijt.

4. Labelen en verzilveren

Een van de grootste uitdagingen is hoe een bedrijf haar gigantische hoeveelheden ruwe data effectief categoriseert op zo’n manier dat het waarde toevoegt. De eerste stap is om alle bestaande datasets te categoriseren. Met een Center of Excellence (CoE) voor AI kunnen datastandaarden worden gecreëerd voor monitoring, maar ook voor systemen en processen voor toekomstig gebruik. Kunstmatige intelligentie kan vervolgens aan de hand van bestaande datasets zelf ook weer trainingdata samenvoegen, met technieken van machine learning, het zogeheten ‘generative adversarial networks’ en digital twins.

Op dit moment worden AI-technieken veelal gebruikt om de bestaande productiviteit efficiënter te maken. Maar de verwachting is dat AI zich steeds meer op lifestyle keuzes gaat richten, bijvoorbeeld in de gezondheidszorg, auto-industrie en retail. Nu onze persoonlijke profielen online steeds beter bekend worden, zal het product- en dienstenaanbod steeds vaker op onze voorkeuren worden afgestemd – met dank aan AI.

5. Combineer AI met analytics en IoT

AI wordt pas echt krachtig wanneer het geïntegreerd wordt met andere technologieën als analytics, het zogeheten ‘internet of things’ (IoT) en blockchain. Met de data van miljoenen IoT sensors uit bedrijfs- of consumentenapparatuur spelen AI en analytics een cruciale rol in het ontdekken van patronen voor systeemondersteuning, onderhoud en nieuwe marketinginzichten. Maar dit houdt ook in dat de specialisten in het bedrijf nauw met elkaar moeten samenwerken. Hier is een rol weggelegd voor DevOps-technieken, waarbij ontwikkelaars en operationele teams in continue feedback loop samenwerken aan het verbeteren van de dienstverlening en producten.

Wilt u meer kennis opdoen over deze technologieën of bent u nieuwsgierig hoe u AI zelf toe kunt passen in uw organisatie? Benut het potentieel van machine learning, AI, IoT en blockchain tijdens de 2-daagse masterclass Artificial Intelligence Fundamentals.

Meer informatie?

Laat uw e-mail achter en ontvang de brochure direct in uw mailbox.

Wij gebruiken cookies om IIR.nl gemakkelijk te maken. Bezoekt u onze website, dan gaat u akkoord met deze cookies meer informatie

De cookie-instellingen op deze website zijn ingesteld op 'toestaan cookies "om u de beste surfervaring mogelijk. Als u doorgaat met deze website te gebruiken zonder het wijzigen van uw cookie-instellingen of u klikt op "Accepteren" hieronder dan bent u akkoord met deze instellingen.

Sluiten