De grote doorbraak van AI

AI is een begrip dat uit de jaren vijftig stamt, en dat met periodes erg populair was. Het belandde in het verdomhoekje, omdat de beloftes niet ingelost werden. Nu lijkt AI definitief door te breken. Wat is er deze keer anders? ‘Vooral in machinaal leren werd de laatste jaren vooruitgang geboekt’, zegt Vivien Tran Thien, Senior Manager Analytics and Data Science bij EY.

Bij Machine Learning wordt een machine of programma getraind om op basis van voorbeelden een taak te vervolmaken. Hoe meer er getraind wordt en hoe meer data er beschikbaar zijn, hoe minder fouten het systeem maakt. ‘De beschikbare software is intussen zoveel meer performant geworden voor taken die vroeger alleen door de mens uitgevoerd konden worden’, stelt Tran Thien.

‘Software van Google die de wereldkampioen go versloeg, dat was daarbij een symbolische mijlpaal.. Maar ook qua visuele herkenning, en rond het begrijpen van taal zijn er concrete toepassingen.’ Drie factoren verklaren de recente revolutie. Eerst en vooral worden de algoritmes achter AI almaar meer gesofistikeerd. Een tweede factor is de snelle vooruitgang van de rekencapaciteit. Ten derde is er veel meer data voorhanden waardoor modellen van artificiële intelligentie kunnen ontwikkelen.

Klaar voor het bedrijfsleven

Voor een aantal grote ondernemingen, zeg maar de GAFAIM’s (Google, Apple, Facebook, Amazon, IBM en Microsoft) van deze wereld, staat AI centraal in de bedrijfsstrategie. Deze bedrijven zijn ‘digital native’, beschikken over enorme hoeveelheden data van hun gebruikers en zijn kapitaalkrachtig genoeg om zwaar te investeren. In hun kielzog, vooral in Amerika, ontstaan ook start-ups die AI omarmen en interessante toepassingen ontwikkelen in een groeiend aantal niches, en heel vlot aan kapitaal komen.

Maar is AI klaar om haar intrede te doen in bedrijven die geen kind zijn van de digitale revolutie? En vooral: zijn die bedrijven klaar om met AI toegevoegde waarde te creëren? ‘We zien meer en meer ondernemingen die op kleine schaal met AI experimenteren’, zegt Tran Thien.

‘Dat is broodnodig. Wie geen aandacht heeft voor AI wordt binnen enkele jaren voorbijgestoken door de concurrentie en door nieuwe spelers.’ Het implementeren van Robotic Process Automation, de automatisering van processen met een lage toegevoegde waarde, kan daarbij een eerste stap zijn.

RPA is software die door ontwikkelaars geparametreerd wordt om repetitieve en eenvoudige processen te automatiseren, en maakt niet noodzakelijk gebruik van AI. ‘Maar je kunt ook een stap verder gaan en Machine Learningmodules gebruiken om de software met meer ingewikkelde processen te leren omgaan’, zegt Tran Thien.

‘Dat is een zachte manier om AI binnen de bedrijfsmuren te introduceren.’ Machine Learning- en andere modules zijn nu vrij eenvoudig beschikbaar in opensourcebibliotheken of als commerciële API’s. ‘Dat aanbod wordt snel rijp’, vertelt Tran Thien. ‘Er wordt met rasse schreden vooruitgang geboekt.’

Ook de frontoffice haalt voordelen uit AI. Een heel belangrijke niche zijn de virtuele assistenten of chatbots op de klantendienst. Denk daarbij aan Siri op de iPhone of Alexa van Amazon. En voor internethandelaars zijn de AI-toepassingen die op basis van klantendata aanbevelingen genereren, onmisbaar geworden.

Een andere toepassing in opmars is het intelligent onderhouden van het machinepark. Daarbij wordt er voortgebouwd op het Internet of Things. Machines en sensoren die centraal gemonitord en aangestuurd worden, krijgen een softwarelaag die defecten en nodige vervangingen kan voorspellen. ‘In al die domeinen zijn er intussen bewezen businesscases’, weet Tran Thien.

Implementatie

‘Ontwikkelingstrajecten hoeven niet zwaar en lang te zijn’, zegt Tran Thien. ‘De beschikbare algoritmes en modules geven een solide basis. Die moeten uiteraard aangepast worden aan de concrete bedrijfsnoden. Daar is specifieke ontwikkeling voor nodig.’ Voor een proefproject kan dat betrekkelijk eenvoudig zijn.

Door op een gemakkelijk proefproject te focussen, creëer je bovendien tractie voor AI in de onderneming. Het industrialiseren van AI is minder eenvoudig. Ook bedrijven die digitaal wat rijper zijn, ondervinden daar vaak moeilijkheden bij. ‘Een initiële moeilijkheid is vaak de juiste focus. Er zijn zoveel mogelijke applicaties, toepassingen en technieken, dat je door het bos de bomen niet meer ziet. Ook beschikbaarheid van kwalitatieve data is vaak een pijnpunt’, zegt Tran Thien.

‘Een andere bottleneck is het schrijnend gebrek aan AI-experts. Er is daar echt een oorlog om talent aan de gang.’ Een ander probleem zijn ongewenste neveneffecten. ‘Als je AI introduceert, dan delegeer je beslissingen aan een systeem waarvan je niet precies weet hoe het tot beslissingen komt. Amerikaanse onderzoekers hebben door AI voorgestelde jobadvertenties van Google onder de loep genomen. Ze kwamen tot de conclusie dat voor goedbetaalde jobs vaker op mannen dan op vrouwen gefocust werd. Dat was zeker de intentie niet.’

‘Je kunt AI zien als de geest uit de lamp van Aladin’, besluit Tran Thien. ‘Ze kan je wensen vervullen, maar je moet voorzichtig zijn dat je die wensen heel precies formuleert om ongewenste gevolgen te vermijden.’