Zet AI in op bulkprocessen
Maar deze specifieke systemen bieden wel het voordeel dat AI wordt ingezet op die bedrijfsprocessen waar het meeste voordeel behaald kan worden. Maar de vraag is: welke processen zijn nu het meest geschikt om AI toe te passen?
Nu het stof van de eerste AI-storm een beetje is gaan liggen, kunnen we ontwaren wat AI kan gaan betekenen. Naast allerlei mooie, interessante en fascinerende resultaten uit de AI-laboratoria, komen er nu de eerste bedrijfsmatige AI-gebaseerde applicaties naar boven. Deze applicaties doen wat ze moeten doen op hun nauwe toepassingsgebied. De toepassing bestaat voornamelijk uit analysewerkzaamheden. Zoals het interpreteren van beelden, het intelligent zoeken en interpreteren van teksten, het vinden van patronen in cijfers. AI wordt succesvol toegepast bij het diagnosticeren aan de hand van medische scans, het interpreteren van sollicitatiebrieven en Cv’s en het opsporen van fraudeurs.
Wat bij al deze cases geldt, is dat er niet echt menselijke intelligentie in zijn volle breedte wordt nagebootst. Het zijn beperkte taken die geautomatiseerd worden. Ik zie AI als de volgende stap in het mechaniseren van werk. AI is niet zo ver dat we haar hele processen laten overnemen. IBM stelt expliciet dat AI mensen moet ondersteunen (zogenaamde 'augmented intelligence') en niet vervangen. Al is het verleidelijk om hele processen te automatiseren en dus veel efficiëntievoordelen te behalen.
Conservatief
De huidige AI is vooral gebaseerd op machine learning en big data. Zonder grote hoeveelheden data kan AI niet de patronen herkennen waarop zij haar interpretaties en voorspellingen baseert. Maar data gaan over het verleden. Daarop worden de analyses gebaseerd. En resultaten uit het verleden geven dan garanties voor de toekomst. Vooral als het gaat om het afhandelen van uitzonderingen. Want die komen te weinig voor in de dataset. Dit betekent dat we vooral AI kunnen inzetten waar we eigenlijk geen creativiteit of improvisatie willen zien. Maar dat betekent ook dat AI niet zo goed in staat is nieuwe ontwikkelingen in een vroeg stadium te ontdekken. En het is moeilijk AI iets nieuws te leren als we bijvoorbeeld nieuwe innovatieve processen willen gaan gebruiken. Het kan zijn dat we het leertraject van AI opnieuw moeten gaan doen.
En daar zit dan ook de crux. AI is niet moeilijk vanwege de technologie. AI-algoritmes zijn vrij verkrijgbaar. Maar het leren van AI-systemen duurt bijna menselijk lang. Niet omdat computers langzaam leren, maar omdat we als mensen wel eerst het 'lespakket' moeten samenstellen. En dit pakket bestaat bij wijze van spreken niet uit een paar voorbeeldboeken, maar uit een bibliotheek met boeken, die wel eerst allemaal beoordeeld moeten worden op hun geschiktheid. (…) Ook de inpassing van AI-systemen in de bedrijfsprocessen vergt de nodige aandacht, maar dat geldt voor iedere nieuwe technologie.
Meerwaarde
Maar waar kunnen we AI het beste inzetten? Het beste is om het simpel te houden. Wie hoge verwachtingen wil waarmaken, zal veel inspanningen moeten verrichten. En deze inspanningen moeten wel terugverdiend worden. Veel businesscases rondom AI-projecten zijn moeilijk, omdat de investeringen niet terugverdiend kunnen worden. Ze blijven steken in de laboratoriumfase en dat is zonde. Hoe komt dat? Veel proefprojecten gaan over technisch en functioneel interessante toepassingen. Maar deze toepassingen hebben voor het bedrijf weinig meerwaarde in economische zin.
Wie aan de toepassing van AI begint, moet eerst een duidelijk beeld hebben van de meerwaarde – of eigenlijk klantwaarde – van het systeem. Wie denkt met AI de kip met de gouden eieren te kunnen kopen, komt van een koude kermis thuis. Er zijn zo veel mythes rondom machine learning en AI, dat je je eerst goed moet oriënteren wat dat allemaal inhoudt. Naast kennis van AI is vooral kennis van de eigen processen nodig. Want dan pas weet je waar je Artificiële Intelligentie het beste kunt toepassen.
Reacties
Om een reactie achter te laten is een account vereist.
Inloggen Word abonnee