AI, hoe maak je van articifial intelligence een succes?

december 3, 2019 Door Massimo Capoccia


Een onderwerp dat volop in de schijnwerpers staat, is artificial intelligence (AI). In de consumentenmarkt is AI al in volle bloei en dat zie je terug in de verkoop en acceptatie ervan. De logische volgende stap is verovering van de zakelijke markt, echter de aanpak die voor consumenten werkt kan niet 1-op-1 naar het bedrijfsleven worden gekopieerd. De verwachtingen van AI in het zakelijk segment zijn hooggespannen, maar de implementatie moet zorgvuldig gebeuren. Softwareleveranciers, van startups tot grote conglomeraten, zien hoe zakelijke gebruikers worstelen om AI te begrijpen, te omarmen en ten langen leste de waarde ervan te bevatten.

Over het algemeen zijn consumenten sneller bereid nieuwe technologieën te omarmen, risico’s te nemen en ook de tijdelijke tekortkomingen ervan te accepteren. In een zakelijke omgeving staat er simpelweg teveel op het spel. Zakelijke gebruikers kunnen bijvoorbeeld niet zonder meer vertrouwen op AI om een miljoenenopdracht, bijvoorbeeld omtrent productie, verkoop of distributie, uit te voeren of er alleen al bij te assisteren. Ze kunnen niet dezelfde risico’s nemen als particuliere gebruikers en moeten hun doelen en eisen helder gedefinieerd hebben, inclusief specifieke parameters en doorlopende feedbackrondes. Dit is niet eenvoudig, zeker wanneer je bedenkt aan welke hoge eisen zakelijke softwaresystemen tegenwoordig moeten voldoen omtrent complexe integraties, data-aggregatie, upgrades, enzovoort. Om succesvol te zijn, is het raadzaam dat AI-ontwikkelaars zich focussen op onderstaande onderwerpen:

Self-sustaining data repository

Oplossingen aan elkaar binden en op elkaar afstemmen is niet eenvoudig. Zeker als het gaat om cloudoplossingen waar IT beperkt toegang toe heeft en waarbij ze afhankelijk zijn van support. Hoewel tanende, zitten we nu nog steeds in het tijdperk van modificaties. Het upgraden van nieuwere technologieën, zoals AI, kan daardoor een nachtmerrie zijn.

Dit wordt gemakkelijker wanneer toegang tot de data, en de tools zelf, vanaf het begin deel uitmaken van de oplossing. Het is alom bekend dat de waarde van AI volledig wordt bepaald door de beschikbaarheid en kwaliteit van data. Diensten in lagen toevoegen op een aparte repository volstaat niet. De beste oplossingen kunnen data genereren uit een ‘data lake’ en overtreffen een datawarehouse omdat dat een beperkte data-set heeft. Ze helpen om complexe integratiemomenten te beheren en data te bewerken, op te schonen of zelfs bij te werken. Gebruikers zouden niet verantwoordelijk moeten zijn voor dit onderhoud.

Ingebouwde beveiliging

In het domein van zakelijke AI is beveiliging zonder enige twijfel een heet hangijzer. Niet elk bedrijfsmodel kan extra beveiligingsrisico’s aan. Samen met spraakgestuurde mogelijkheden zorgt het voor een nieuwe vorm van beveiligingsrisico’s. Sommige oplossingen hebben misschien een controleaspect in zich, maar hoe koppel je die aan je belangrijkste beveiligingssysteem?

Het antwoord is wellicht het authentiseren van gebruikers op basis van de stem, PIN of zelfs gezichtsanalyse – maar hoe wijs je in een zakelijke omgeving effectief een rol, een werkgroep of een ander protocol toe dat op veiligheid is gebaseerd? Tenzij dit is ingebouwd in de oplossing, komt hier wederom het probleem van koppelingen om de hoek kijken. Zet in op leveranciers die dit dilemma van het begin af aan kunnen afvangen.

Continue feedbackmechanismen

Feedbackcycli zijn een verplicht onderdeel voor elke AI-oplossing. Zonder de juiste audit trails of validatielinks zullen zakelijke gebruikers nooit volledig op de technologie vertrouwen en kan het dus niet zijn ware potentieel bereiken. Een AI-platform moet visueel bewijs kunnen leveren van data en uitvoering, toegang bieden tot de informatiebron om die te valideren alsook de data achter de systematische besluitvorming.

Mensen worstelen soms al om hun eigen besluitvormingsparameters te beschrijven. Als dit met deep learning naar een hoger niveau wordt getild, voegt dit alleen maar complexiteit toe. Feedbackmechanismen moeten zo creatief mogelijk worden overwogen in elke modelleeromgeving.

Toolkits voor ‘citizen developers’

AI is nog steeds verworven kennis. We vertrouwen op codeerexperts en datawetenschappers om de ervaring te definiëren. Op dezelfde manier dat citizen developer-terminologie een sleutelrol is gaan spelen in softwareontwikkeling, zal datawetenschap dezelfde trend volgen. Wiskundige en ontwikkelvaardigheden blijven cruciaal, maar er moet ook een nieuwe belevingslaag worden toegevoegd om te profiteren van de kansen die AI te bieden heeft. Dit vergt dat gebruikers niet bang zijn om te experimenteren met de mogelijkheden van een AI-oplossing omdat ze te weinig kennis op ontwikkelgebied hebben. AI is het nieuwe programmeermodel waarmee alle ontwikkelaars zullen programmeren. Hierdoor verdwijnt de exclusiviteit van AI die de data scientist toebehoorde. Alle informatici die nu afstuderen hebben diepere AI-kennis dan hun voorgangers wat tevens het proces van democratiseren bevordert.

De technologie blijft innoveren en consumenten gebruiken wat er op dat moment voor handen is om hun opties te verkennen. Zij hoeven niet te weten hoe het werkt of waarom; ze willen alleen de resultaten zien. Dat is uiteindelijk wat technologische revoluties vooruit drijft: kennis uitbouwen door kritisch te denken en slim gebruik te maken van bestaande innovaties.

Steven Spielberg hoeft niet te weten hoe een bioscoopcamera van binnen werkt om meesterlijke films te kunnen maken. Hetzelfde geldt voor AI: focus op de nieuwe beleving en manieren waarop gebruikers innovatief bezig kunnen zijn, in plaats van de technologie daarachter.

Opgeslagen onder
  • Technology
Product
  • Coleman Artificial Intelligence
Regio
  • EMEA

Neem contact op

Neem contact met ons op en een Business Development Representative contacteert u binnen 24 uur.

Or connect via: Linkedin