De meeste dromen zijn bedrog

Met betrekking tot AI zijn we op het punt gekomen dat we op de (tijdelijke) grenzen komen te botsen. De wittebroodsweken lijken achter de rug. De blinde extase over de ‘onbeperkte’ mogelijkheden van artificiële intelligentie (AI) is gaan luwen... En terecht ergens.

De bereidheid om volop alleen maar in AI te investeren lijkt even wat gestild te zijn. Zaken zoals volledig autonoom vliegen, zijn even naar de achtergrond geschoven, maar... zijn niet verdwenen. In parallel daarmee zien we een enorme groei in de vraag naar pragmatisch inzetten van AI. Vooral in sectoren zoals de maakindustrie, procesindustrie en voedingsindustrie. Bedrijven gaan op zoek naar alternatieven om uitdagingen, oud en nieuw, aan te pakken waar ze op vandaag tegen menselijke of regelgevende restricties botsen.

In dat opzicht ben ik blij met de huidige evolutie. Meer en meer bedrijven en mensen slagen erin om voorbij de mystiek van AI te kijken. Het is tastbaarder geworden. Het is de terugkeer naar de essentie, waarbij de terugverdienbaarheid van AI-toepassingen op kortere termijn terug meer naar het voorplan is gekomen. Het streven naar incrementele winsten om stap per stap verbetering te realiseren.

Maar versta me niet verkeerd, hiermee zeg ik niet dat we niet moeten dromen. Niet moeten nadenken over wat op het eerste zicht ‘slechte ideeën’ lijken. Wel integendeel… We moeten de lat hoog blijven leggen.

Automatisering 2.0 - Back to basics

De robot is AI en AI is een robot. Bij gevolg moeten we AI zien als een uitbreiding op een vorm van automatisering die aansluit bij andere vormen van automatisering. Die zien we vooral in productieomgevingen. De rode draad in automatiseringen hier (en ook daarbuiten eigenlijk) is dat ze zich allen vooral lenen tot het oppikken van taken die we als (mensen) saai, gevaarlijk, vuil of (te) complex zien. Dus op zich is er daar niets nieuws onder de zon, hoeft ook niet. Dit mogen we ook helemaal niet zien als een falen. AI is slachtoffer geworden van zijn eigen succes.

Naarmate AI menselijke eigenschappen gaat opnemen (denk maar aan het herkennen van objecten, begrijpen van muziek, begrijpen van taal, enz.) stijgt de weerstand van buitenstaanders ten opzichte van de algoritmes die het menselijk brein ‘bekampen’. Die weerstand is te begrijpen maar is onterecht. De menselijke intelligentie is in staat om abstractie te maken en concepten in een bijzonder brede context te plaatsen. AI is hier in de verste verte nog niet toe in staat.

Concreter uitgedrukt, het gericht inzetten van AI zal, en moet (!), bepaalde taken en activiteiten overnemen van de mens maar zal de mens op zich niet kunnen vervangen. Het is dus geen concurrent maar een bondgenoot. Ik kijk naar AI als een teamspeler, die moet ingezet worden om ruimte te maken voor continue verbetering en/of die structureel te versnellen. Lees: tijd en budget vrijmaken voor de mens om meer met echt waarde-toevoegende-zaken bezig te zijn.

De echte discussie gaat voor mij over wat we als waarde-toevoegende-zaken beschouwen? En dat binnen de context van de maatschappij, het bedrijf, de afdeling, de mens. Door het opvangen van bepaalde taken en activiteiten met AI zullen bepaalde rollen opnieuw ingevuld of aangevuld moeten worden. We hebben het dus over verandering die door technologie wordt versneld. En verandering is lastig…

Wat houdt ons tegen?

Artificiële Intelligentie en Machine Learning brengen ook enkele uitdagingen met zich mee. Een eerste uitdaging is het omgaan met te hoge verwachtingen, d.w.z. de acceptatie van bepaalde technologie gebonden beperkingen en de onvermijdelijke en inherente onbereikbaarheid van 100% nauwkeurigheid. Aan de andere kant hebben we misschien te maken met angst en afwijzing voor nieuwe en onbekende technologie. In sommige gevallen moeten ook ethische en juridische aspecten in aanmerking worden genomen.

Bovendien zouden AI-systemen er naar mijn stelligste mening moeten zijn om de menselijke capaciteiten te versterken en te vergroten (en zeker niet te vervangen) door de toegevoegde waarde en effectiviteit van de gebruikers te vergroten. AI-systemen moeten een optimale ervaring bieden, met minimale frustratie en maximale efficiëntie. Ze moeten transparantie bieden en gebruikerscontrole en feedback mogelijk maken.

Heel wat om rekening mee te houden dus. Net daarom is het noodzakelijk om de juiste begeleiding mee aan boord te pakken wanneer je het volle potentieel van AI en ML wil gaan benutten.

Het volle potentieel benutten...

Om onze klanten op weg te helpen hebben de uitdagingen vertaald in een aantal belangrijke ontwerpprincipes. Door (onder andere) in te zetten op ingebouwde modelherscholing (continu of discontinu), controle- en correctiemechanismen en monitoring van nauwkeurigheid en zakelijke statistieken.

We passen nog steeds menselijk toezicht toe wanneer het gaat over kosten, foutmarges, transparantie en verklaarbaarheid. We werken ook steeds in een aanpak die een geleidelijke toename van de impact van het model omvat: in een eerste fase geeft het model inzichten, vervolgens suggereert het en tenslotte zal het gecontroleerd interageren. Denk groot, begin klein, groei slim is ons het adagium.

Het volle potentieel halen uit uw organisatie is onze doelstelling, AI en ML maken integraal deel uit van onze toolbox om dit mogelijk te maken. Daarom hebben we een uitgebreide en geïntegreerde aanpak ontwikkeld die wordt weerspiegeld door drie elkaar stimulerende vliegwielen: momentum en betrokkenheid creëren, - Agile AI-apps ontwikkelen en Run and Improve.

De Discovery Workshop

Onze Discovery Workshop richt zich naar zij die de ambitie hebben om AI en ML in te zetten, maar moeite hebben met het definiëren van een visie, richting en/of aanpak. We ondersteunen je om te begrijpen waar AI en ML voor staan en te ontdekken hoe dit kan helpen bij het verbeteren van bedrijfsprocessen.

In het eerste deel geven we een initiatie in AI en ML: wat zijn AI en ML wel en niet, wat zijn de valkuilen en uitdagingen en wat zijn de daaruit voortvloeiende ontwerpprincipes en te nemen projectmaatregelen.

In het tweede deel helpen we je te ontdekken hoe deze technologie van toegevoegde waarde kan zijn voor jouw organisatie of afdeling door relevante use cases te tonen.

Ten slotte hebben we een open discussie over welke bedrijfsonderdelen of processen als eerste moeten worden aangepakt en hoe en welke de volgende stappen moeten worden gedefinieerd.

Ideation Workshop

Een stapje verder al en klaar om AI en ML toe te passen om een specifiek (gedefinieerd) bedrijfsproces te optimaliseren? Dan is onze ideation workshop iets voor jou. Het heeft als doel passende en concrete (eerste) projecten te definiëren om zo snel en succesvol van de grond te komen.

Na een korte samenvatting van AI/ML, faciliteren we een brainstorm om verspilling, defecten en inefficiënties in de taken of processen in de scope te identificeren en vervolgens te clusteren. Vervolgens prioriteren we deze clusters op haalbaarheid, zichtbaarheid en bedrijfswaarde.

Ten slotte vullen we voor elk van de hoogst gerangschikte kansen een project canvas in, met een beschrijving van de projectomvang, doelstellingen, bedrijfswaarde, bedrijfsstatistieken, oplossing, gegevens, gegevenscondities en -bronnen, risico's en onzekerheden.

Het resultaat zijn de gedetailleerd ingevulde project canvas en goed gedefinieerde vervolgstappen, d.w.z. projectinitiatie of een zogenaamde ‘Sprint 0’.

Klaar om te ontdekken wat de mogelijkheden van AI en ML zijn voor jouw onderneming? Contacteer ons vandaag nog zodat we ook jou op weg kunnen helpen! Want jij wilt toch ook het volle potentieel van je bedrijf benutten? :)