We vatten in deze blogpost de belangrijkste takeaways samen. Liever het hele verhaal? Herbekijk dan het webinar.
De vuistregels
- Als een mens de beslissing kan maken binnen 1 seconde dan kan AI het ook.
- Start altijd vanuit een uitdaging die leeft binnen uw organisatie. Reflecteer over hoe technologie hierin zou kunnen helpen, hoe het waarde kan creëren. Begin nooit bij de technologie zelf.
- Laat u niet afschrikken door het ‘black box’ gedeelte dat onlosmakelijk met AI verbonden is. We vertrouwen er ook op dat Excel de juiste berekeningen maakt, zonder de ingewikkelde formules zelf te kennen.
Trends van vandaag
Een eerste grote trend die we vandaag binnen het domein van AI zien, is transfer learning. Hierbij start je met een getraind model en personaliseer je waar nodig. Aangezien je niet van nul hoeft te beginnen, is er veel minder data nodig om het model te voeden en is het algoritme snel up and running. Een tweede beweging is explainable AI. Hierbij geeft de computer aan waar of waarom hij iets herkent, op die manier is het voor de mens duidelijk dat het model juist redeneert. Een voorbeeld maakt het duidelijk: als je AI gebruikt om honden te ontdekken op foto’s dan zal explainable AI een vakje rond de hond trekken. Zo weet je dat het model zichzelf juist aan het trainen is en krijg je een ‘look inside the black box’. Zo kom je te weten waarop het model zich baseert bij het nemen van een beslissing. Een andere interessante trend is de serverless scale. Door cloud te gebruiken, zijn er veel minder limieten. Je kan je volledig focussen op het probleem, er is geen tijdsverlies meer aangezien de configuratie van de (on premise) IT-achtergrond wegvalt.
Doorheen deze trends loopt een rode draad: ontzorging. De technologie wordt zo veel toegankelijker, wat maakt dat de weg naar adoptie open ligt.
Feit of fictie: AI zal alle jobs wegvagen
De technologie zal jobs met veel repetitieve taken vervangen. Het komt erop aan dit als een opportuniteit te zien, elke industriële evolutie heeft ertoe geleid dat jobs en/of taken veranderden. Er komt namelijk meer tijd vrij voor taken waar we meer toegevoegde waarde mee zullen creëren. Daarnaast zal AI ook nieuwe jobs voortbrengen, niet in het minst in het domein van datamanagement.
3 principes om morgen mee aan de slag te gaan
1. Begin klein en schaal snel op
Breng uzelf het hoofd niet op hol. Begin klein met een begrensd dataproject met een specifiek bedrijfsdoel. Leer daar zo veel mogelijk van en neem die lessen mee naar een groter project. Verlies nooit de algemene bedrijfsdoelstellingen en het volledige plaatje uit het oog.
2. U hoeft niet van nul te beginnen om uw doel te bereiken
Dankzij een bewezen data architectuur hoeft u geen leercycli te besteden aan architectuurontwerp. Wij maken gebruik van een flexibele blauwdruk om een data architectuur op te bouwen die aan uw behoeften beantwoordt.
3. Focus op het platform, de mensen en de processen
Om van ruwe data te komen tot een geoptimaliseerd besluitvormingsproces of deze te benutten om nieuwe activiteiten en diensten te realiseren, moet uw organisatie veranderen. Daarom richten wij ons niet alleen op het ontwikkelen van technologie. We kijken ook naar de processen en de mensen die nodig zijn om een datagestuurde cultuur te ontwikkelen.
Feit of fictie: een zelfrijdende auto moet op de hoogte zijn van onze waarden en normen om de juiste beslissingen te kunnen nemen (hypothetische situatie: tegen boom rijden of uitwijken naar druk voetpad)
Kansberekening kan in dit dilemma een uitkomst bieden. Ten eerste komt het (gelukkig) echt niet vaak voor dat we voor zo’n keuzes staan tijdens het rijden. Ten tweede moet je zicht hebben op het kanspercentage dat in een verkeersituatie met enkel slimme auto’s zich dit zou voordoen. Door beide zo onwaarschijnlijk mogelijk te maken, kan een situatie zoals beschreven vermeden worden en wordt begrip van moraal bij een zelfrijdende auto overbodig.