Zelf een ai-model bouwen? Dit zijn de basisvoorwaarden

BLOG – Het is niet de vraag óf je als bedrijf iets met ai gaat doen, maar wannéér. Net zoals het geval was bij de opkomst van de computer en internet. En voor elke technologische ontwikkeling geldt: er zitten twee kanten aan de medaille.

Waar de mogelijkheden van ai groot zijn, verschijnen er ook verontrustende berichten over nepnieuws, data-vervuiling en CO2-uitstoot. Aangezien daar al veel over wordt geschreven, focus ik op de mogelijkheden van ai voor je organisatie. Of beter gezegd, een stap daarvóór. Namelijk de basisvoorwaarden om zelf een ai-model te kunnen ontwikkelen. Dat heeft nu meer voeten in de aarde dan een beetje stoeien met ChatGTP of GitHub Copilot.

Input

De output van een ai-model is zo goed als de input die je het model geeft. Met andere woorden: je moet goed nadenken met welke data je het model ‘voert’. Over het algemeen geldt dat je het model zoveel mogelijk data wil geven. Het is immers aan het algoritme om beslissingen te nemen en te bepalen welke data belangrijk zijn en welke niet. Als je het model gericht gaat voeren, dan spreken we van machine learning in plaats van ai.

Het is dus van belang dat je binnen je organisatie zoveel mogelijk data verzamelt. Nu doen veel organisaties dat al, maar er is vaak nog veel waardevolle informatie die nog niet wordt vastgelegd. Denk aan beslissingen of brainstormsessies. Dit is unieke data die betrekking heeft op de business van jouw organisatie. Dat vind je niet op internet, maar dat zijn wél de data waarmee je het algoritme wil voeren. Denk dus na hoe je zoveel mogelijk waardevolle informatie binnen je organisatie opslaat en bewaart. Nog beter is om te indexeren wat je verwacht van ai. Welke vragen verwacht je te gaan stellen en welke output wil je? Kijk vervolgens welke data nodig zijn om het model die antwoorden te laten geven.

Daarnaast is het zaak data uit verschillende bronnen en systemen te koppelen en te combineren. Je moet het model straks immers trainen. Hoewel een ai-model meestal wel met verschillende vormen van data overweg kan, is ook fijn dat jij naderhand sporen kan terugvinden in de data. Sla data dus centraal op, leg de juiste koppelingen en maak ontsluiting mogelijk.

Schaalbaarheid

Je voelt hem aankomen: het verwerken van zoveel data vraagt om passende infrastructuur. De kans is groot dat de huidige infrastructuur binnen je organisatie niet is ingericht op de mate van schaalbaarheid die vereist is voor ai. Hoe zit dat precies? Een ai-model is het grootste deel van de tijd aan het leren. Dit betekent dat het op het ene moment meer processing capaciteit en resources nodig heeft dan op het andere moment. Je kan ervoor kiezen om veel infrastructuur neer te zetten, maar dan wordt de beschikbare capaciteit niet continu volledig benut. Schaalbaarheid is dus fijn. Bij het neerzetten of aanpassen van je infrastructuur is het dus belangrijk om een cloudpartij te zoeken die de juiste mate van schaalbaarheid biedt om te werken met ai. Vergelijk je infrastructuur met een Formule 1-circuit. Als er gaten in de weg zitten of de bochten te scherp zijn, moet een coureur ongewenst veel afremmen en kan hij nooit een optimale tijd neerzetten.

Je wil niet dat de concurrent straks inzicht heeft in jouw unieke bedrijfsdata, omdat het per ongeluk ergens op het web belandt

Verder is het bij het werken met data uiteraard belangrijk om er een sterk securitymodel omheen te bouwen. Je wil niet dat de concurrent straks inzicht heeft in jouw unieke bedrijfsdata, omdat het per ongeluk ergens op het web belandt. Hetzelfde geldt voor privacygevoelige gegevens van medewerkers of klanten. Ook is het belangrijk om rekening te houden met eventuele landsgrenzen en de wet- en regelgeving die daarbij komt kijken.

In huis

Een laatste basisvoorwaarde om met ai aan de slag te kunnen, is het in huis hebben van de juiste kennis. Het klinkt zo logisch, maar de misvatting bestaat dat de gemiddelde softwareontwikkelaar ook weet wat hij met ai aan moet. Maar dit is echt een andere tak van sport. Je verwacht van Max Verstappen ook niet dat hij de MotoGP net zo soepel rijdt als de Formule 1. Zeker het ontwikkelen van een eigen ai-model is niet iets wat een it-medewerker er even bij doet. Het is belangrijk dat je hier specialisten voor inhuurt of intern opleidt, zodat de juiste kennis in huis is.

Aan de slag

Na het lezen van deze drie basisvoorwaarden, heb je wel door wat de kern is als je aan de slag wil met ai: neem het serieus. Zeker als je een eigen model wilt ontwikkelen en daar flink de vruchten van wilt plukken, dan is het advies om niet zomaar te beginnen. Ga aan de slag met de basisvoorwaarden en zorg dat je het juiste fundament neerzet binnen je organisatie.