-

Beginnen met AI: de techniek is er, nu de durf en inspiratie nog

De wereld heeft het nog maar over één ding, zo lijkt ’t wel: artificial intelligence. Toch is bijna niets wat nu ‘AI’ wordt genoemd daadwerkelijk AI. Niet omdat de techniek nog niet zo ver is, wel omdat niemand de mogelijkheden echt durft te omarmen.

Tijdens Dreamforce in San Francisco, de internationale beurs van CRM-marktleider Salesforce, was een belangrijk deel van het evenement gewijd aan artificial intelligence. AI is hét IT-gespreksonderwerp van 2017 – en waarschijnlijk ook van 2018 en verder.

Nog niets is echt AI

Overal wordt nu het stickertje ‘AI’ opgeplakt terwijl het dat niet is. Sterker nog, ik moet de eerste toepassing nog tegenkomen die helemaal AI is. In de meeste gevallen is er sprake van doodnormale procesautomatisering volgens vastomkaderde flows, met een dun sausje machine learning eroverheen. Zo’n toepassing is eenvoudig op het verkeerde been te zetten of heeft al gauw geen goed antwoord klaar. Niets vervelender dan op een chatbot stuiten die niet begrijpt wat je vraagt terwijl je zeker weet dat je heel duidelijk bent geweest.

Machine learning – een systeem met zelflerend vermogen – is de basis voor wat we artificial intelligence zijn gaan noemen. Door te leren kan een systeem immers persoonlijk worden in zijn interactie, door zijn reactie af te stemmen op de geschiedenis en de voorkeuren van de klant. Daarnaast kan het zijn kennis van de hele klantengroep inzetten, bijvoorbeeld door een vraag over te slaan omdat honderden vergelijkbare klanten al eerder nee hebben
gezegd.

Ook kan het systeem honderd verschillende vragen herkennen als in essentie dezelfde vraag (‘Wanneer wordt mijn pakketje bezorgd?’) en – nog mooier – antwoorden in dezelfde stijl als de vragensteller. Krijg je dat spel op orde, dan sla je een ongelooflijke efficiencyslag. Je houdt je medewerkers vrij voor het maatwerk, de routine laat je over aan het systeem.

Wanneer is een toepassing echt AI?

De mate waarin machine learning wordt ingezet, is echter niet bepalend voor de vraag of een toepassing echt intelligent is. In mijn ogen is pas sprake van artificial intelligence als er aan twee voorwaarden wordt voldaan:
1. Het systeem moet een menselijke handeling volledig kunnen vervangen.
2. De klant moet niets in de gaten hebben.

Er zijn nog maar weinig toepassingen die op deze manier het etiket ‘AI’ verdienen. Toch zijn de ingrediënten er al een tijdje: beeldherkenning, spraakondersteuning, Internet of Things, predictive analytics, machine learning – samen is daar artificial intelligence mee te maken. De overige ingrediënten zijn minder tastbaar: geduld, durf en inspiratie.

Een machine wordt niet vandaag op morgen intelligent. Aan data is in organisaties doorgaans geen gebrek – en van het toevoegen en combineren van data wordt een systeem steeds slimmer. Maar er is ook tijd nodig om intelligentie te kweken. De hele achterkant moet meewerken (die data moet wel op een bruikbare manier in het systeem gestopt worden) en je hebt tijd nodig om het in te richten. Dat geduld is lang niet altijd aanwezig in organisaties die meteen resultaten willen zien.

Bouwstenen al in huis, nu de ideeën nog

Ook Salesforcepartners gaan steeds meer AI in hun eigen apps inbouwen. Zelfs als relatief kleine organisatie kun je daardoor morgen al beginnen met AI. De technologie is namelijk zó ontworpen dat je er prima kleine pilots mee kunt doen op beperkte doelgroepen. Uitbouwen is vervolgens vooral een kwestie van durf en inspiratie. De techniek is er, het gaat vooral om de toepassing ervan.

Dreamforce laat veel toepassingen zien. Gelukkig maar, want het is voor de meeste mensen moeilijk om de wiskundige vergelijkingen in een verzameling algoritmes (want daar komt machine learning feitelijk op neer) om te zetten in een concreet idee. Terwijl je werkelijk alle kanten op kunt.

AI pas succesvol door menselijke creativiteit

In de praktijk hebben we als consument al regelmatig te maken met AI, het voorbeeld van de Google zoeksuggesties kent inmiddels iedereen. Maar hoe kunnen bedrijven dit toepassen ter bevordering van de service die ze leveren?

Neem een doe-het-zelfketen die zijn klanten met een app helpt als bijvoorbeeld de kraan stuk is. Als je service wilt verlenen, moet je eerst weten om welk type kraan het gaat. De klant schroeft die niet even los om mee te nemen naar de winkel. Met een app die de kraan meteen van de foto herkent en vervolgens reparatietips of een persoonlijk inruilaanbod doet, is de klant ter plekke geholpen. Wat hiervoor nodig is, is een grote hoeveelheid aan data, die zorgt dat de kraan op de afbeelding herkend wordt. Hoe meer mensen van de service gebruik gaan maken, hoe meer het systeem leert over de producten en hoe effectiever de toepassing van AI wordt.

Of wat dacht je bijvoorbeeld van de online retailer die schoenen verkoopt. Als consument wil ik graag weten hoe de schoen valt. De categoriemanager van de webshop voert deze informatie veelal handmatig in. Maar we kunnen bestaande data gebruiken om dit te automatiseren, namelijk de redenen die worden opgegeven waarom een paar schoenen worden teruggestuurd. Met AI kan deze informatie omgezet worden in relevant klantadvies: ‘bestel deze schoenen een halve maat groter’. Nu hebben we te maken met hele praktische en toepasbare AI.

Het zijn voorbeelden die iedereen kan bedenken en op zijn eigen branche kan toepassen. Met de beschikbare data en de juiste toepassing kun je beginnen met het implementeren en uitvoeren van AI. Wanneer het begin gemaakt is, kan door middel van het verzamelen van nog meer data de oplossing alleen maar beter gaan werken. Wie zet de eerste stap?

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond