Onze economieën en samenlevingen hebben al veel veranderingen ondergaan. Vaak kwamen deze veranderingen door externe factoren. Elke crisis, of dit nu een bankencrisis is, natuurramp of een pandemie zoals Covid-19, vraagt om operationele veerkracht en flexibiliteit van zowel mensen als organisaties. Om dit te realiseren, is het noodzakelijk voor organisaties om hun bedrijfsprocessen intelligenter te maken.
Technologie speelt een grote rol bij het intelligenter maken van deze bedrijfsprocessen. Met name in deze ongewone tijd zijn ‘game-changing’ technologieën meer dan ooit noodzakelijk om de continuïteit van organisaties te waarborgen en de gevolgen van de crisis op korte en lange termijn versneld aan te pakken. Dit is de tijd om de operationaliteit van je organisatie te herzien.
Artificiële intelligentie (ai) en software kunnen hier een belangrijke bijdrage aan leveren. Door ai en cognitieve interacties aan traditionele bedrijfsprocessen en applicaties toe te voegen, kunnen organisaties risico’s verminderen, meer agility realiseren, kosten verlagen, operationele activiteiten herzien, domeinkennis borgen, kritische assets beschermen en nieuwe kansen creëren. Als medewerkers met specifieke domeinkennis bijvoorbeeld door externe factoren niet inzetbaar zijn of op een andere manier hun werk moeten uitvoeren, vanwege bijvoorbeeld het nieuwe normaal of omdat ze ziek zijn, dan kan dit een grote impact hebben op een organisatie.
Om niet afhankelijk te zijn van individuele kennis van medewerkers is het voor een organisatie belangrijk om deze kennis te borgen binnen de organisatie. Door expliciete kennis impliciet te maken, kan een organisatie de continuïteit van de kennis veiligstellen. Met andere woorden, door menselijke waarnemingen over te dragen aan machines kan de kennis binnen de organisatie blijven.
Kunstmatige intelligentie integreren
Echter realiseren organisaties zich niet altijd dat ai een continu proces is. Traditionele applicaties hoef je vaak alleen maar te configureren, implementeren en te beheren, terwijl een ai-model altijd moet leren. Als je als organisatie ai goed wilt integreren in je bedrijfsprocessen, zul je eerst moeten identificeren voor welke toepassingen je ai wilt inzetten. Investeer daarom voldoende tijd in het identificeren van bronnen die waarde opleveren. Op basis van deze analyse kun je interessante kansen ontdekken en jouw ai-initiatieven hierop afstemmen.
Nadat je weet hoe je ai wilt in gaan zetten, kun je beginnen met het toevoegen van domeinkennis aan de data door middel van labels. Hoe meer labels je toevoegt aan de data, des te eerder zal het voorspellingsmodel patronen en context herkennen in de informatie die het verzamelt. Net zoals mensen informatie interpreteren door patronen en context te begrijpen in hun perceptie van de wereld. Dus als we een computer bijvoorbeeld een reeks afbeeldingen van een wegdek laten zien waarbij we telkens zeggen of het wegdek in goede of slechte staat is, zal de computer zelf bepaalde fysieke kenmerken gaan identificeren die vaak terugkomen, zoals een gat in de weg.
Zodra het voorspelmodel goed genoeg is kan er worden opgeschaald om supersnel een groot aantal gegevens te verwerken. Een voorspellingsmodel is erg eenvoudig op te schalen als het eenmaal werkt. Een goed werkend voorspellingsmodel zorgt voor een constante feedback loop om continue te kunnen blijven leren. Dus hoe meer feedback data je krijgt des te beter het model wordt, waardoor je steeds meer moeilijke problemen kunt oplossen.
Tenslotte kun je het voorspellingsmodel operationeel gaan inzetten, zodat een verandering in het wegdek automatisch kan worden geïdentificeerd volgens de normen van bijvoorbeeld het Crow of Rijkswaterstaat. Indien de norm wordt overschreden, zal een inspecteur worden geïnformeerd middels een automatische ticket, die hij vervolgens kan doorzetten naar een wegwerker.
Mensen en machines hebben elkaar nodig
Kortom, het nieuwe normaal vraagt organisaties om bedrijfsprocessen versneld intelligenter te maken. Dit kan men realiseren door menselijke intelligentie toe te voegen aan data, zodat men betere beslissingen kan nemen. Op deze manier kunnen ze operationele kosten verlagen, corporate intelligence waarborgen, processen efficiënter maken en snel resultaat realiseren. Om menselijk intelligentie toe te voegen, zullen organisaties op zoek moeten gaan naar een digitaal platform dat ai toegankelijk maakt. Als domeinexperts zelf hun processen intelligent kunnen maken, bijvoorbeeld ai-modellen kunnen voeden met de juiste data in plaats van een dataspecialist, zal dit betere resultaten opleveren.
Een onderhoudsinspecteur kan bijvoorbeeld veel beter bepalen of assets, zoals verlichting, rookdetectors en bewakingscamera’s, onderhoud nodig hebben dan een dataspecialist. Bovendien hoeft een bedrijf hierdoor zijn data science-team niet uit te breiden of zich zorgen te maken over complexe ai-technologie. Mensen en machines hebben elkaar dan ook hard nodig om bedrijfsprocessen intelligenter te maken. Want waarnemingen die een mens kan interpreteren, kunnen machines leren.
Dit slappe gezwam in de ruimte is van een externe deskundige. De inhoud vertegenwoordigt dus niet noodzakelijk het gedachtegoed van de redactie.