Er is veel aandacht voor AI, maar de praktische toepassingen blijven achter op de hype. Veel organisaties zijn nog hard opzoek naar de manier waarop ze kunnen innoveren met data. En veel duidelijkheid biedt wet- en regelgeving niet. “Pas wanneer de inzet van AI meer een commodity geworden is, zul je zien dat de business er op grote schaal naar gaat vragen. Het is nu nog voor te veel mensen een ver-van-mijn-bed-show.”
“Aan de vraagkant zien we op dit moment dat bijna elke organisatie bezig is met ‘slimme dingen doen’ met data”, zegt Marcel Dunk, Solution Specialist Hybrid Cloud bij Insight. “Chatbots zijn bijvoorbeeld een hype. We zien daarbij wel dat er vaak gestart wordt vanuit de techniek, waarbij er nauwelijks nagedacht is over de vraag welke toegevoegde waarde de oplossingen voor de business zouden kunnen hebben.”
“Echte in de business ingebedde oplossingen zie je nu eigenlijk alleen nog maar bij grote organisaties: bedrijven met 20.000 gebruikers en meer. De credit card-companies passen AI bijvoorbeeld al geruime tijd toe om fraude te kunnen detecteren aan de hand van ongebruikelijk betaalgedrag. Maar de meeste bedrijven zitten op dit moment echt nog in de oriënterende fase. Er zijn veel chatbots operationeel, maar die spelen meer een vraag-en-antwoord spel dan dat zij in staat zijn om een echt intelligent gesprek te voeren.”
Consumer-driven
“AI wordt op dit moment flink gehypet. Er worden veel zaken geschaard onder de AI-vlag die in feite toepassingen zijn van technieken die wij al heel lang kennen. Er bestaan al jaren bewakingscamera’s die kunnen signaleren dat iemand met een geweer langsloopt, maar nu heet dat Artificial Intelligence.”
“Ik ben er tegelijkertijd wel van overtuigd dat het in de toekomst allemaal veel meer vorm gaat krijgen en dat AI een plek krijgt in wat we allemaal dagelijks doen. En de ontwikkeling is daarbij trouwens voor een groot deel consumer-driven. Veel van de technieken worden eerst in consumenten-apps voor de gein toegepast en pas later ontdekt men dan de waarde ervan voor de business.”
Wet- en regelgeving
Zijn collega Bert Neef, Solution Sales Manager, voegt daaraan toe: “Wat ik met name veel zie is dat onze klanten bezig zijn met classificatie en patroondetectie, waarbij afwijkend gedrag snel gesignaleerd wordt. Met name op het gebied van beveiliging spelen deze technieken een belangrijke rol. Er is met de techniek veel mogelijk en gelukkig is men zich ook steeds meer bewust van de gevaren die je loopt met het automatisch interpreteren van data.”
Marcel Dunk
“Want vaak is de trainingsdata niet divers genoeg. Dat is natuurlijk al langer een probleem, denk maar aan de hoeveelheid onderzoek uit bijvoorbeeld de psychologie gebaseerd op studenten, dat is geen volledig representatieve groep voor de gehele samenleving. Als AI getraind wordt met foto’s van mensen die primair een lichte huidskleur hebben dan kan dat al impact hebben. En als je bijvoorbeeld een AI wilt trainen om honden en wolven te onderscheiden lukt dat niet als alle wolvenfoto’s in het bos genomen zijn en alle hondenfoto’s in een huis. Want dan zal de AI zich waarschijnlijk richten op de omgeving in plaats van het dier. Het komt allemaal aan op het belang van goede inputdata voor AI.”
Pragmatisch
Dunk: “We zien overigens dat de ethische vraagstukken vooral worden overgelaten aan de ethici en de politiek. Binnen de bedrijven is men doorgaans meer pragmatisch bezig met wat er allemaal kan. En omdat ze geen boetes willen krijgen houden ze zich ook nog wel bezig met wat er mag, maar de vraag wat er zou moeten mogen, wordt echt op een ander niveau beantwoord.”
Neef: “Ik vind wel dat er op nationaal niveau weinig voortouw genomen wordt. Wetten op dit gebied moeten echt uit Europa komen; dat hebben we met de GDPR ook gezien.” Dunk: “Ik denk dat het wel goed is dat er wetgeving op dit gebied aankomt. Zonder dat zullen met name de grote partijen, die over heel veel data beschikken, daar zeker misbruik van kunnen maken. En de duidelijkheid over wat er wel en niet mag zal de daadwerkelijke inzet van AI naar mijn idee alleen maar versnellen.”
Neef: “Het blijft natuurlijk een kip-ei-verhaal. Wanneer je als business-leader niet goed weet wat er allemaal mogelijk is met nieuwe technologieën, dan stel je de vraag ook niet. Maar als een IT-er alleen maar bezig is met wat er kan, dan haakt de business nooit aan en blijft het spielerei. Pas wanneer de inzet van AI meer een commodity geworden is, zul je zien dat de business er op grote schaal naar gaat vragen. Het is nu nog voor te veel mensen een ver-van-mijn-bed-show.” “Op zich is dat natuurlijk ook niet nieuw”, zegt Dunk. “Bij de eerdere introductie van nieuwe technologieën is het precies zo gegaan.”
Data
“AI-tools hebben data nodig. Veel data. Die moet dus op orde zijn. De AI-tools moeten namelijk ook kunnen leren. Een chatbot wordt vaak in eerste instantie gelanceerd als een eenvoudig beslisboompje dat doorlopen moet worden, maar door de bot te laten leren van de gegeven antwoorden, kan hij steeds slimmer worden. Dat proces kost tijd – meestal minimaal een jaar – en er is heel veel data voor nodig. Bedrijven onderschatten dat vaak. Maar keer op keer blijkt dat het op orde brengen van de beschikbare data een heel belangrijke eerste stap is bij de inzet van AI. “
“Een tweede belangrijke stap is het creëren van ruimte voor innovatie. Vaak helpt het om een aparte innovatie-afdeling in het leven te roepen en daar mensen voor vrij te maken. Zij kunnen zich dan richten op het definiëren van een visie en – heel belangrijk – kijken naar wat anderen op dit gebied al gedaan hebben. En tenslotte is training belangrijk. Op meerdere niveaus moeten medewerkers doordrongen zijn van de mogelijkheden en voordelen van de inzet van nieuwe technologieën.”
