Kunstmatige intelligentie (ai) en machine learning (ml) ontwikkelen zich als technologieën die steeds toegankelijker en betaalbaarder voor organisaties zijn om in gebruik te nemen. Toch kijken bedrijven liever de kat uit de boom. Niet doen, vindt Massimo Capoccia, hoofd technologie bij Infor. Een gesprek over de mogelijkheden en uitdagingen van ai en ml.
‘Organisaties vinden het vaak eng om met nieuwe technologie, zoals ai en ml, aan de slag te gaan. Hierdoor zijn er nog maar weinig organisaties die ai en ml daadwerkelijk geïmplementeerd hebben’, vertelt Capoccia. Hij ziet een aantal oorzaken in de diverse stadia van een ai-project. ‘Wanneer organisaties overwegen een ai-project te starten, kijken ze voornamelijk naar het verwachte kostenplaatje en haken al snel af. Dat is niet verstandig. Organisaties kunnen beter achteraf pas het financiële plaatje bekijken. Dan is het inzichtelijk hoeveel het project gekost heeft en wat het heeft opgeleverd.’
Een andere veel voorkomende reden om niet met ai te starten, is omdat de business de meerwaarde van de technologie niet inziet en daardoor niet toegewijd is om het in gebruik te nemen. ‘De inzet van ai wordt vaak als een it-project of een technisch feestje gezien. Het is echter belangrijk dat de business ook het nut van de technologie inziet en hier doelstellingen aan koppelt. Van tevoren moet de business bedenken welke problemen met ai zijn op te lossen en wat het de organisatie concreet kan opleveren. De push van ai-adoptie moet vanuit de business komen. Dan pas wordt de implementatie succesvol.’
Datamigraties
Als innovatieve cio’s besluiten met ai te starten, blijkt dat ze eerst nog hun datahuis op orde moeten brengen voor ze überhaupt een algoritme kunnen bouwen. ‘Een ai-model moet getraind worden om de juiste antwoorden te geven. Dit doe je door het model te voeden met data. De eerste stap in een ai-project is dan ook om een dataset voor het model te creëren. En aangezien de data vaak in verschillende databases staan opslagen, moet dit eerst op één plek worden samengebracht. Het kost organisaties al snel drie tot zes maanden om hun data te migreren en de datasets op orde te brengen.’
Pas wanneer de juiste datasets gerealiseerd zijn, kunnen organisaties daadwerkelijk starten met ai en ml. ‘Vaak gebeurt dit in de vorm van een proof of concept (poc). Helaas zie ik te vaak dat organisaties na de pilotfase besluiten om ai of ml toch maar buiten de deur te houden.’
Capoccia benadrukt het belang voor organisaties om ai in productie te nemen: ‘De concurrentie gaat wel aan de slag met ai. Zij doen de nodige inspanningen en maken kosten om een ai-project te realiseren. Wanneer jij dit niet doet, loop je achter, word je compleet irrelevant en sta je uiteindelijk buitenspel. Dit speelt in Nederland en België, maar eigenlijk in heel Europa. In de Verenigde Staten zijn ze wel druk bezig met ai. Europese bedrijven moeten dus serieus naar ai kijken om niet de trein te missen waar de VS wel op springen.’
Templates voor snelle productie
Infor wil organisaties helpen om hun ai-projecten in productie te krijgen. Hiervoor heeft de erp-leverancier tijdens de jaarlijkse gebruikersconferentie Inforum, die tussen 23 en 25 september in het Amerikaanse New Orleans plaatsvond, het zogeheten Infor Coleman AI-platform geïntroduceerd. ‘Via dit platform kunnen organisaties hun data op één plek samenbrengen’, legt Capoccia uit. ‘Daarnaast bieden we templates die gebaseerd zijn op branchespecifieke datasets. Deze templates bieden tachtig procent van het ai-model. De overige twintig procent wordt gebouwd op basis van de eigen data van organisaties. Dit stelt gebruikers in staat hun model te personaliseren en zo concurrentievoordeel op te doen.’
Capoccia beweert dat klanten via het Coleman-platform binnen zes weken een ai-model operationeel kunnen hebben. ‘Ai was voorheen enkel beschikbaar voor een elitegroep aan profielen die hier kennis van hebben. Hierdoor was het moeilijk om deze projecten op te schalen. Via ons platform willen we ai juist voor iedereen toegankelijk maken, zodat ook niet-technische gebruikers zonder specifieke ai-vaardigheden de ai-modellen kunnen ontwikkelen.’ Hij geeft toe dat dit nog toekomstmuziek is. ‘Het platform is een nieuw product en wij moeten klanten nog ondersteunen bij de implementatie van deze ai-modellen. Ik verwacht dat klanten pas over drie jaar zelfstandig een ai-model kunnen ontwikkelen en in gebruik nemen.’
Voorspellend onderhoud
Het platform is al twee jaar geleden aangekondigd en nu beschikbaar voor Infor-klanten. In de tussentijd heeft de erp-leverancier pilots bij klanten uitgevoerd. Eén van die pilot-klanten is het Cern. Deze Zwitserse onderzoeksinstelling naar elementaire deeltjes gaat één keer in de vijf jaar bijna een jaar dicht voor renovaties aan het gebouw om de gebuikte apparatuur te vervangen, repareren of verbeteren. Het wil ai inzetten om het onderhoud van de aanwezige (elektronische) apparatuur, waaronder supergeleidende magneten en stralingsmonitoring, te optimaliseren.
Dat is dan ook wat volgens Capoccia de heilige graal van ai is: het doen van voorspellingen, bijvoorbeeld in het onderhoud van apparatuur (predictive maintenance). Bij Cern is dat getest bij de aanwezige rookmelders, vertelt David Widegren, hoofd asset & maintenance management bij Cern. ‘Onze rookmelders krijgen elke drie maanden een onderhoudsbeurt en worden dan gereinigd. Via ml kunnen we meten hoeveel stof er in deze rookmelders zit en vervolgens met een hoge accuraatheid voorspellen wanneer ze gereinigd moeten worden.’
Menselijke factor
Volgens Widegren zijn er vele ai-tools beschikbaar op de markt die soortgelijke uitkomsten kunnen bieden. ‘De onderscheidende factor van Infor is dat het ons in staat stelt (historische) data uit verschillende bronnen aan elkaar te koppelen. Wij hebben de aflopen dertig jaar data verzameld en beschikken hierdoor over een heuse datagoudmijn. Via Infor Coleman kunnen we deze data integreren en hier analyses op uitvoeren. Dit stelt ons in staat patronen en trends op te sporen en hiermee toekomstige problemen te voorspellen. Via deze voorspellingen willen we de downtime van apparatuur minimaliseren en de kosten optimaliseren, waarbij we garanderen dat de apparatuur altijd operationeel is.’
Daarnaast wil Cern de end of life van zijn apparatuur beter voorspellen. ‘Voorheen vertelde een leverancier de levensduur van een apparaat. De levensduur is echter afhankelijk van factoren, waaronder de frequentie van gebruik en de omgeving van het apparaat. Via ml willen we per apparaat voorspellen wanneer deze aan vervanging toe is.’
Widegren benadrukt dat Cern de beslissingen nog altijd door mensen worden gemaakt. ‘We willen ons personeel via de technologie ondersteunen om betere beslissingen te maken. Zo moet het ml-model informatie bieden over de mogelijke oorzaak en hoe dit in het verleden is opgelost. Het moet medewerkers de beste mogelijke opties adviseren. De zogeheten next best actions.’
Robotgestuurde procesautomatisering (rpa)
Infor is al een aantal jaar bezig om ai voor zijn klanten beschikbaar te maken onder de productgroep die de naam Coleman draagt. Zo werd vorig jaar de digitale assistent geïntroduceerd en staat dit jaar het AI Platform centraal in de ai-strategie. Capoccia werpt ook alvast een blik in de toekomst wat we volgend jaar op ai-gebied van Infor kunnen verwachten. Dan wil de erp-leverancier zijn aanbod op het gebied van robotic process automation (rpa) uitbreiden.
‘Robotgestuurde procesautomatisering bestaat op drie niveaus. Op het eerste en laagste niveau kunnen robots acties uitvoeren. Deze acties worden gevisualiseerd op een scherm, zodat een medewerker kan meekijken en begrijpen wat een robot precies doet. Op het tweede niveau gaat het om semi-automatisering, waarbij de robot automatisch werk uitvoert en een medewerker uiteindelijk nog wel goedkeuring op een handeling moet geven. Denk hierbij aan het opstellen en bevestigen van nieuwe orders. Op het derde niveau worden processen volledig geautomatiseerd en dit gebeurt allemaal op de achtergrond.’
Capoccia stelt dat Infor al diensten biedt op het tweede en derde automatiseringsniveau, met name voor het mkb en enterprises. In 2020 wil de leverancier ook diensten op het eerste niveau aanbieden. ‘Het gaat om een zogeheten bot recorder. Dit product geeft visueel weer hoe een robot te werk gaat en is vooral bedoeld voor kleine organisaties die een eerste stap in automatisering willen zetten. Use cases zijn bijvoorbeeld voor financiële medewerkers om facturen te verwerken, maar de bot is ook voor collega’s in onderhoud of inkoop.’