Een leven zonder artificial intelligence (ai) kunnen we ons, bewust of onbewust, niet meer voorstellen. Ai zorgt ervoor dat reizigers sneller en veiliger van A naar B worden gebracht, dat personen snel en correct geïdentificeerd worden, dat burgers sneller en beter met elkaar communiceren en ga zo maar door. Dit jaar eindigt ai als zesde in het IT Trendsonderzoek van Supply Value. We zien daarmee dat ai door de jaren heen een stabiele plek inneemt in dit onderzoek.
In het brede publiek wordt de term ai aangeduid met het vermogen van een systeem om externe data correct te interpreteren, van dergelijke data te leren en die lessen te gebruiken om specifieke doelen en taken te bereiken door middel van flexibele aanpassing. Neem bijvoorbeeld het (vroegtijdig) herkennen van kanker door artsen. Waar traditioneel gezien allerlei onderzoeken gedaan worden die geïnterpreteerd moeten worden door de ervaring en kennis van de arts, zal dat in de toekomst steeds meer door ai vervangen worden. Zo kunnen datascientists een model toepassen op het interpreteren van röntgenfoto’s, waarbij de ai leert te herkennen welke röntgenfoto’s vormen van kanker bevatten en welke niet. Hierdoor neemt de kans dat kanker in een eerder stadium gedetecteerd wordt toe en kunnen patiënten eerder een behandeling krijgen.
Specifieke ai-toepassingen
Binnen ai worden machine learning en deep learning in één adem genoemd. Deze onderzoeksvelden kunnen beide als ai worden geclassificeerd en zijn specifiekere toepassingen binnen de discipline. Daarnaast wordt er vaak onderscheid gemaakt tussen: weak/narrow ai (machines die gespecialiseerd zijn in één taak, zoals chatbots en conversational ai), strong ai (machines die meerdere taken kunnen uitvoeren en kunnen leren en problemen oplossen) en artificial superintelligence (asi, machines die echt op mensen gaan lijken omdat ze sociale vaardigheden en creativiteit ontwikkelen of ‘leren’).
De waarde van ai wordt al voor een langere tijd erkend door organisaties. De adoptie en implementatie van deze technologie bleef echter achter en de echte noodzaak was er niet. Nu blijkt dat door de coronacrisis de adoptie van ai omhooggeschoten is. Iets meer dan de helft van de bedrijven versnelde de ai-adoptieplannen gedreven door de crisis. De toepassingen die geïmplementeerd worden op het gebied van ai zijn erg divers. Uit het IT Trendsonderzoek komen vier toepassingen van ai naar voren die het populairst zijn onder respondenten.
Conversational ai
Google Translate, e-mails filteren of simpelweg het zoeken in Google. Het is mogelijk door natural language processing (nlp). Conversational ai is binnen nlp een concept wat in populariteit groeit. Het zorgt er namelijk voor dat nlp ingezet wordt voor verbale communicatie. De meest bekende voorbeelden die we kennen van conversational ai zijn Siri en Google Assistant.
De toepassingen van conversational ai betalen zich terug in een aantal aspecten. Als eerste besparen chatbots door automatisering tijd en mankracht, wat direct kostenbesparend werkt. Daarnaast zorgt een lerend algoritme dat er beter op de wensen van consumenten is in te spelen. Daarmee kan gesteld worden dat daar waar de machine leert, de organisatie (in potentie) mee groeit. De input van consumenten via conversational ai geeft waardevolle inzichten over hoe consumenten denken . Hoe meer kennis over de klant, hoe beter de business daarop is af te stemmen en hoe beter aan de wensen van de klant is te voldoen.
Machine learning en saas
Een bekend voorbeeld van een saas-model is Microsoft Office 365. Bij een dergelijk saas-model wordt bepaalde software aangeboden via het internet, waarbij per gebruiker betaald wordt. De groei van deze markt is enorm. De belangrijkste voordelen van een saas-model zijn de schaalbaarheid, wendbaarheid, gebruiksvriendelijkheid en beveiliging die ermee gepaard gaan.
Vaak zien we dat it-trends met elkaar gecombineerd worden om elkaars waarde te versterken. Zo zijn er aanbieders op de markt die saas combineren met machine learning. Op deze manier haken organisaties in op de populariteit van machine learning om deze zo toegankelijk en veilig mogelijk beschikbaar te stellen aan allerlei soorten organisaties.
Hybrid deep learning
Binnen machine learning is deep learning een specifieke toepassing die zich kenmerkt door de nabootsing van neurale netwerken. Neurale netwerken zien we terug in het menselijk brein, waarbij een groep neuronen (zenuwcellen) met elkaar verbonden is. Deep learning is in feite de kunstmatige versie hiervan. De toepassing van deep learning zien we terug in bijvoorbeeld zelfrijdende auto’s en gezichtsherkenning.
Een relatief nieuwe ontwikkeling binnen deep learning is het gebruik van hybride modellen. Wanneer er beperkte data aanwezig is of generalisatie lastig is, kunnen hybride modellen deep learning combineren met andere frameworks. Dit kan voor een grote toename in accuraatheid van de modellen zorgen. Het kan gebruikt worden in vele toepassingen waar met incomplete data gewerkt wordt, zoals gepersonaliseerde medicatie op basis van de verwachte (berekende) ontwikkeling van een ziektepatroon.
Ai voor besluitvorming
Dat organisaties steeds meer ai gaan toepassen lijkt geen discussie. Digitalisering maakt het mogelijk dat miljoenen besluiten per dag gemaakt kunnen worden omtrent klanten, producten en diensten, leveranciers, medewerkers en ga zo maar door. Ai maakt het mogelijk om in potentie betere en objectievere beslissingen te nemen. Dit gebeurt niet zonder interactie van mensen. Daar waar ai sterker is in het analysewerk en het verwerken van grote hoeveelheden data, is de mens nodig om dit gecontroleerd, veilig en betrouwbaar te implementeren. Zo stelt de mens de ai in staat om te werken met de juiste informatie en wordt de rekenkracht van ai optimaal benut.
De verwachting is dat de markt voor ai nog een lange tijd stevig doorgroeit. Deze ontwikkelingen gaan echter wel gepaard met uitdagingen. Zo kan het verkeerd inzetten van ai enorme gevolgen hebben, zoals het verkeerd behandelen en beoordelen van sollicitaties en asielaanvragen. Binnen de Europese Commissie worden dit soort uitdagingen geadresseerd door regulering in te zetten om misbruik van de technologie tegen te gaan.
Investeringen betalen zich uit
Aan de positieve kant zien we dat investeringen in ai zich uitbetalen. Zo blijkt dat elke euro die de overheid in r&d voor ai investeert tussen de 1,50 en 5,30 kan opleveren. Door dit soort investeringen ontstaan mooie samenwerkingsverbanden. Zo onderzoeken Hogescholen van Amsterdam, Rotterdam en Utrecht samen met 24 andere organisaties hoe ai op verantwoorde wijze is toe te passen. Daarmee trachten ze een methodologie te ontwikkelen die helpt bij het verantwoord ontwikkelen van ai . Dergelijke samenwerkingsverbanden in ai zorgen ervoor dat de volwassenheid van ai sneller ontwikkelt en de gehele maatschappij er sneller de vruchten van plukt.
In het IT Trendsonderzoek van Supply Value van vorig jaar zagen we een kleine dip in de prioriteit die werd gegeven aan ai door respondenten (van plek drie in 2019 naar plek in zeven in 2020). Dit jaar zien we dat ai een lichte stijging in prioriteit krijgt van respondenten met plek zes. De belangrijkste business-aanjagers die genoemd worden, zijn het behalen van efficiëntie en schaalbaarheid, betere klantervaringen en de druk vanuit de markt om met deze trend aan de slag te gaan.
Sterke cyber- en datasecurity
‘Om ai levensvatbaar, betrouwbaar en daarmee waardevol te implementeren is een goed fundament nodig’, meent Thijs Latour, consultant bij Supply Value. ‘De data die ten grondslag ligt aan ai is cruciaal. Hierbij gaat het niet alleen om actuele, volledige en betrouwbare data beschikbaar te stellen. Een randvoorwaarde voor de inzet van ai is een sterke cyber- en datasecurity. Het niet zorgvuldig omgaan met (gevoelige) data kan leiden tot imagoschade. Daarnaast bevelen we aan om clouddiensten in te zetten wanneer het gewenst is om met ai verder op te schalen, beter met elkaar samen te werken en kleinschalig te experimenteren met ai.’
De belangrijkste randvoorwaarde voor het duurzaam toepassen van ai is volgens Latour het opleiden van de mensen die gaan ‘samenwerken’ met de algoritmes. ‘Deze mensen moeten begrijpen wat ai doet, maar vooral wat zij daar zelf aan moeten toevoegen. Besteed dus tijdig aandacht aan mensen naast het investeren in ai. Vernieuw waar nodig het it-ontwikkelproces (en de besluitvorming eromheen) om succesvolle experimenten te herkennen en verder uit te bouwen. We zien dat allerlei andere it-trends nodig zijn om de potentiële waarde van ai volledig te benutten. Dit vergt nogal wat expertise vanuit verschillende hoeken. Samenwerken is daarom het sleutelwoord voor komend jaar om met ai aan de slag te gaan of de toepassing verder uit te bouwen.’
