AI and Machine Learning
Afgelopen jaren is Artificial Intelligence (AI) in een nieuwe fase gekomen. De rekenkracht van computers is flink toegenomen. Data opslag en rekenkracht zijn onbeperkt beschikbaar door de opkomst van de cloud. Hierdoor zijn AI algoritmen praktisch toepasbaar en inzetbaar geworden.
Van spraakassistenten tot automatisch herkennen van honden op foto’s: ons leven zal nooit meer zonder AI zijn. Ook in het bedrijfsleven is AI aan een snelle opmars bezig. Maar onderzoek laat ziet dat de opmars van AI regelmatig stagneert bij bedrijven. Wat zijn hiervan de kernoorzaken?
Drie AI uitdagingen voor organisaties
Er zijn veel artikelen over de uitdagingen van AI gepubliceerd. Er zijn drie uitdagingen die als rode draad terug komen in veel publicaties:
-
- De datakwaliteit is vaak niet voldoende. Om zinvol met AI aan de slag te gaan is data nodig. Maar voor AI toepassingen moet zowel de kwaliteit als de kwantiteit van de data voldoende zijn. De kwaliteit wordt bepaald door o.a. volledigheid, actualiteit, consistentie en structuur. Ook mislukken veel AI projecten omdat er simpelweg niet genoeg data is om goede testsets te maken. Of is de aanwezige data niet goed geclassificeerd. Voor een hoge accuraatheid zijn vaak miljoenen goed geclassificeerde datapunten nodig.
- Data niet centraal beschikbaar. Veel data-scientists zijn het merendeel van hun tijd bezig om databronnen te ontsluiten en te koppelen, om vervolgens de data te transporten en formatteren. Pas als dit is gebeurd kunnen ze aan de slag met AI algoritmen. Dit is bijzonder tijdrovend, vaak foutgevoelig en zorgt er ook voor dat het talent van de data-scientist onvoldoende benut wordt.
- De verkenningsfase duurt te lang en levert te weinig op. Veel AI initiatieven beginnen met pilots of kleinschalige experimenten. In deze pilotfase begint de zoektocht naar de AI toepassingen die kunnen leiden tot voorsprong. In veel organisaties begint dit met veel hypotheses en worden al snel maanden besteed om de data bij elkaar te zoeken (zie vorige punt) om de hypothese te bevestigen of ontkennen. Soms gaat dit snel, maar vaak duurt dit te lang en levert deze fase te weinig op. Organisaties vinden vaak zelf en opnieuw het wiel uit. Mogelijk heeft een vergelijkbare organisatie al wel de juiste AI factoren gevonden om resultaat te behalen.
Hoe kan het ook?
Organisaties die voorsprong bereiken met AI hebben punt 1 en 2 centraal opgelost door middel van een datastrategie. Vaak wordt deze datastrategie gecombineerd met een ‘cloud-first’ strategie en wordt alle relevante data centraal in de cloud opgeslagen. De eerste stap kan zijn om bestaande applicaties en databases naar de cloud te brengen. Organisaties die AI serieus nemen zetten hun data in een speciaal daarvoor bedoeld dataplatform dat in de cloud draait. Hiermee kunnen ze vervolgens slimme analyses doen en AI toepassingen ontwikkelen.
Steeds meer organisaties voeren ook actief beleid op datakwaliteit. Mede ingegeven door wetgeving als de AVG/GDPR moeten organisaties betere grip hebben op hun data, zeker als het om persoonlijke data gaat. Data kan ook veranderen door de tijd. Dus door actief datamanagement toe te passen zal de kwaliteit van uw data toenemen. Er zijn datamanagement-oplossingen beschikbaar die u hierin kunnen ondersteunen.
Om te voorkomen dat uw organisatie ook het wiel opnieuw aan het uitvinden is, raden wij aan om te kijken naar een oplossing die aantoonbaar heeft gewerkt in uw branche. Of u nu in de retail, maakindustrie of logistiek werkt: door een oplossing en leverancier te kiezen die al resultaat heeft geboekt in de sector, scheelt dat veel tijd en geld.
Onze ervaring op het gebied van AI
Het omarmen van opkomende technologieën zit in het DNA van Luminis. Daarom hebben we ruime ervaring met het inzetten en toepassen van AI en vergelijkbare technieken als machine learning en deep learning. Wij helpen klanten op een aantal gebieden:
- Ons dataplatform InformationGrid helpt onze klanten om een central datahub in te richten in de cloud. Hierin kan alle data samen komen en wordt door actief datamanagement de kwaliteit vergroot.
- We hebben domeinspecifieke AI toepassingen ontwikkeld. Bijvoorbeeld een recommendation engine voor e-commerce spelers.
- Heeft u zelf de kennis niet in huis, of kunt u extra hulp gebruiken? Luminis heeft een team met ervaren data scientists.
Contact
Wilt u ook een start maken met AI? Of zoekt u versnelling op het gebied van AI? Wij denken graag met u mee.
Neem gerust contact op met onze data expert Raymond ter Riet.