Artificial Intelligence. Het staat nog in de kinderschoenen, maar het is een techniek met veel potentie. Steeds vaker maken bedrijven gebruik van Artificial Intelligence (AI) om bedrijfsprocessen efficiënter te laten verlopen en concurrentievoordeel te behalen. Maar hoe kun jij met je bedrijf kansen spotten op het gebied van Artificial Intelligence? In deze blog lees je wanneer het verstandig is om AI in te zetten én wanneer niet.
Artificial Intelligence is mogelijk een grote kans voor bedrijven en kan toegevoegde waarde bieden in verschillende branches. Toch is niet iedereen blij met de komst van AI: als de core-business van een bedrijf volledig geautomatiseerd kan worden door AI, kan dit een bedreiging zijn voor medewerkers. We nemen de logistieke sector als voorbeeld, automatisering heeft immers al veel impact gehad op deze sector. We verwachten dat logistieke planningen in de toekomst nóg meer ondersteund zullen worden door AI, waardoor dit gevolgen gaat hebben op logistieke planners. Bedrijven, zoals in de logistiek, zullen met een nieuwe blik naar hun business moeten kijken. In plaats van tegen de nieuwe technologie proberen op te boksen, kan AI ingezet worden om meer planningen te maken. Hierdoor kunnen meer bedrijven bediend worden!
Wanneer zet je AI in? In veel verschillende situaties! Ziekenhuizen gebruiken AI om afwijkingen op scans te vinden. Het is in de zorgbranche echter van groot belang om artsen bij de analyse van de resultaten te betrekken, omdat de resultaten een enorme impact hebben op de gezondheid van patiënten. Vergelijk dit eens met de landbouw, daar kan een AI-algoritme prima goede en slechte aardappels van elkaar onderscheiden, zonder constante supervisie. In dit geval levert het tijdsbesparing op, waardoor je meer tijd aan belangrijkere zaken kan besteden!
Om een algoritme te trainen, is data nodig. Het is belangrijk dat deze data kwalitatief, up-to-date én natuurlijk relevant is! Maar wat voor soort data kan gebruikt worden? Dit is afhankelijk van het vraagstuk. Voorbeelden zijn data die via de klantenservice binnenkomen, aantal bezoekers en weergaven en zoekgedrag. Maar hoe werkt het trainen van een AI-algoritme? We nemen Google als voorbeeld. Google heeft in haar Privacy Policy staan dat het informatie mag opslaan om gerichte advertenties te tonen, zoals op Facebook. Om dit te doen verzamelt Google informatie over jouw zoekgedrag, klikgedrag en kijkgedrag.
Het AI-algoritme leert van dit gedrag, herkent jouw patroon en toont aanbevelingen gebaseerd op jouw zoek-, klik- en kijkgedrag. AI-algoritmen kunnen ook getraind worden om processen te automatiseren. Eerder noemden we al het voorbeeld van boeren die AI inzetten om goede en slechte aardappels te onderscheiden. Het AI-algoritme gebruikt foto's om de aardappels te onderscheiden. De trainer geeft per foto aan of het een goede of slechte aardappel is. Hierdoor leert de AI de kenmerken en patronen herkennen en is het in staat om de aardappels te categoriseren als goed of slecht.
Het komt weleens voor dat AI het verkeerde antwoord geeft. Dit kan je voorkomen door structuur te hebben in de dataset. Hoe zorg je hiervoor? Ten eerste is het belangrijk dat de dataset divers is, zodat het AI-algoritme veel kan leren. Stel, je traint een AI-model op op het herkennen van goede en slechte aardappels, maar je gebruikt het vervolgens om zoete aardappels mee te controleren, dan weten we niet of het goed gaat. Er zitten immers geen foto's van zoete aardappels in de dataset. Het is dan verstandig om hetzelfde model te trainen met data over zoete aardappels óf een nieuw model te maken, waarbij zoete aardappels in de dataset zitten. Ook is het belangrijk om te kijken naar hoe de dataset beheerd wordt, zodat we weten wie er toegang tot de data heeft en hoe nieuwe data toegevoegd kan worden.
Als je AI wilt inzetten, is het belangrijk om na te gaan of AI écht de beste oplossing is. Hoe logisch is het probleem dat jij wilt oplossen? Als het analyseren van factuurinformatie jouw doel is, dan kan AI in de vorm van karakterherkenning en structuuranalyse worden ingezet. Als je bezig bent met de boekhouding en simpelweg een factuur wilt toevoegen, dan is AI geen handig hulpmiddel. Je wilt het proces niet moeilijker maken dan het is. Een ander voorbeeld is het onderscheiden van de vormen van plastic flessen in een supermarkt. Het verschil tussen verschillende plastic flessen is moeilijk te programmeren in code, omdat het gaat om verschillen die met het oog te zien zijn. In dit geval is AI een betere optie! Stel dat plastic fles A een andere vorm heeft dan plastic fles B, dan ziet het algoritme dat de contrasten bij fles A verschillen ten opzichte van fles B. Door voorbeelden te tonen van verschillende plastic flessen, kan het algoritme leren wat de verschillen zijn. Aan de hand van deze verschillen, kan het algoritme bepalen of het om plastic fles A of B gaat.
Hoe weet je wat het algoritme, na een trainingssessie, daadwerkelijk geleerd heeft? Het is verstandig om hier inzicht in te hebben, omdat je de controle wilt hebben over de uitkomsten. Als je dit niet hebt, is het lastiger om de resultaten en keuzes die het algoritme maakt te begrijpen. Je kan bepaalde technieken toepassen om hier inzicht in te krijgen. Zo zijn er applicaties die laten zien wat het model geleerd heeft, zoals de kenmerken van een goede en slechte aardappel. Het model geeft niet letterlijk aan welke kenmerken het geanalyseerd heeft, maar het clustert afbeeldingen met dezelfde kenmerken. Hieruit kan je zelf afleiden of het een goede of slechte aardappel is.
Ben jij benieuwd hoe jij Artificial Intelligence kan toepassen en daarmee jouw bedrijfsprocessen efficiënter kan laten verlopen? Download dan onze nieuwste whitepaper ''11 Praktische toepassingen van AI met impact''.