Cognitieve technologie is in opkomst in het bedrijfsleven en termen als Artificial Intelligence (AI), deep learning, big data en automatisering komen steeds vaker voorbij. Uit een recente enquête van het internationale adviesbureau Deloitte blijkt ook dat 76 procent van de early adopters van AI denkt dat het hun bedrijf binnen de komende drie jaar substantieel zal veranderen. Maar welke 4 stappen zijn er nodig om AI ook daadwerkelijk te laten slagen?
1. Stel een duidelijk doel
Voor eigenlijk alles geldt dat een doel zonder plan slechts een wens is, dus ook nieuw technologieën ontsnappen hier niet aan. Waar een AI-project in de eerste instantie misschien een doel op zich is, zal het in de nabije toekomst een integraal onderdeel uitmaken van de bedrijfsvoering. Om deze reden is het verstandig om een duidelijk doel te stellen: vanuit welke strategische visie kan AI meerwaarde opleveren voor het bedrijf? Want hoewel het initiatief vaak van bovenaan de organisatie komt, ligt de uitvoering bij de werkvloer. Het is dus enorm belangrijk dat de hele organisatie op één lijn zit op dit gebied.
2. Kies welke taken geautomatiseerd moeten worden
De tweede stap is het selecteren van de taken die geautomatiseerd moeten worden. De algemene perceptie is dat AI menselijk werk gaat overnemen, maar dat ligt toch net iets anders. Als het niet om routineklussen gaat heeft menselijk werk namelijk nog steeds de voorkeur. Een voorbeeld hiervan is een geautomatiseerde webshop met een persoonlijke klantenservice. De routineklussen zoals het aanvullen van de voorraad en het verzenden van producten kunnen met behulp van AI worden geregeld, terwijl klanten nog steeds de voordelen van menselijk contact ervaren bij eventuele vragen en opmerkingen.
Lees hier meer over het implementeren van AI
3. Maak een verstandige dataselectie
Een lange tijd werd de kwantiteit van data boven de kwaliteit gesteld. Bedrijven verzamelden big data, en verwerkten het vervolgens door middel van complexe algoritmes om realistische toekomstmodellen te creëren. Toch is het wel duidelijk geworden dat dit eigenlijk niet de ideale benadering is, aangezien data niet altijd goed geïnterpreteerd wordt. Vooroordelen sluipen namelijk ongemerkt de hoofden van dataverwerkers in, en daarbij heb je ook nog eens het probleem van ‘overfitting’. Dit betekent dat een model zo vol zit met data dat nieuwe input eigenlijk geen effect meer heeft, waardoor het model zich niet meer kan aanpassen aan veranderende omstandigheden. Daarnaast biedt data door de ingang van de Algemene Verordening Gegevensbescherming niet alleen maar kansen maar ook uitdagingen, aangezien er veel privacygevoelige gegevens tussen kunnen zitten. Kies dus liever voor een kleinere dataset waarmee begrijpbare en flexibele modellen ontwikkeld kunnen worden.
4. Zet mensen in voor taken met een hogere creatieve en sociale waarde
Bij de laatste stap is het belangrijk om te realiseren dat AI puur en alleen omwille van kostenbesparing geen goed uitgangspunt is. Zoals bij stap twee al omschreven is blijft menselijke inbreng enorm belangrijk voor een groot deel van de bedrijfsprocessen. Een voorbeeld hiervan is niet alleen in de klantenservice te vinden. Er zijn in de toekomst ook mensen nodig om AI-toepassingen te ontwikkelen, te onderhouden en bij te werken, en andere mensen daarin op te leiden. AI neemt geen banen over maar taken, en dat betekent dat bepaalde cognitieve vaardigheden minder belangrijk worden, en creatieve en sociale skills de boventoon gaan voeren. Waar boekhouders niet hoefden te vrezen voor de rekenmachine, hoeven professionals anno 2018 dus niet bang te zijn voor AI. Met dit gegeven in het achterhoofd, lijkt de toekomstige arbeidsmarkt met machine learning en robotisering juist een stuk menselijker dan nu.
