DataRobot maakt ai toegankelijk in Nederland

Machine learning (ml) en kunstmatige intelligentie (ai). Het klinkt veelbelovend, maar hoe pas je dat toe en hoe houd je het onder controle? Het Amerikaanse Datarobot biedt hiervoor een managed platform en ziet Nederland als groeimarkt. De gemeente Den Haag en de Nierstichting hapten al toe. Een gesprek met de verkoopmanager Joep Gerrits.

Wat levert DataRobot?

‘DataRobot is in 2012 opgericht in de Verenigde Staten. Wij leveren een platform voor het geautomatiseerd bouwen, implementeren en beheren van machine learning (ml)-modellen. Dat is gericht op verschillende type gebruikers. Allereerst ondersteunen we data engineers met data preparation. Daarbij worden de ruwe data klaargemaakt voor een algoritme. Vervolgens is het de beurt aan de data scientist. Voor die rol vergelijkt ons platform modellen met elkaar en adviseert welk model het beste past bij de aangeleverde data. De data scientist kan op basis van de doelstellingen de meest geschikte model uitkiezen. Daarna wordt de it-operations-afdeling ondersteund bij de implementatie van het model. Dit zodat de eindgebruiker het model daadwerkelijk kan gebruiken. Tot slot leveren we ook  monitoring op actieve modellen. Het doel van DataRobot is om ml-modellen sneller, beter en robuuster te maken en sneller tot waarde te komen.’

Waarom komen jullie naar Nederland?

‘Naast de Verenigde Staten is DataRobot actief in het Verenigd Koninkrijk, Denemarken, Oekraïne, Singapore en Japan. Nederland is een innovatief land en staat open voor nieuwe technologie. Bovendien is het een land met veel techkennis en is er veel steun vanuit de overheid op het vlak van ai vanuit de Nederlandse AI Coalitie (NL AIC). Momenteel rekenen we de gemeente Den Haag en de Nierstichting tot onze klanten, maar er bevinden hier zich nog veel meer grote en toonaangevende bedrijven die wij aan ons klantenbestand willen toevoegen.’

Op welke organisaties mikt DataRobot?

‘DataRobot is in andere landen altijd succesvol geweest door in de financiële sector te starten. Ik ben dan ook in gesprek met grote banken en verzekeraars in Nederland. Wij richten ons dus op enterprises. Wel is ons product breed inzetbaar in vrijwel elke industrie en elk type organisatie. Daarom heb ik ook gesprekken met goede doelen en sportclubs. Doordat wij ook startpakketten aanbieden, is ons product ook betaalbaar voor die kleinere organisatie.’

Wat zijn dan use-cases voor deze sectoren?

‘Banken gebruiken ml bij het opsporen van witwassen of frauduleuze praktijken. Onze modellen kunnen bijvoorbeeld afwijkingen in betaalgedrag of transacties opsporen. Verzekeraars doen op hun beurt een beroep op ons om het proces van schadeclaims te automatiseren. Ml is ook in te zetten voor tekstanalyse. Dat is bijvoorbeeld handig om inkomende e-mails automatisch te classificeren en naar de juiste afdeling door te sturen.’

Waar ligt de meerwaarde van DataRobot ten opzichte van concurrenten?

‘Wij onderscheiden ons ten opzichte van bijvoorbeeld Dataiku, H2O en Knime door de volledigheid. Wanneer een model in gebruik is genomen, bieden we ook beheer en monitoring op het levensbeheer van het model. Het platform controleert namelijk of de modellen nog steeds accuraat en van de hoogste kwaliteit zijn.’

Hoe ziet dat er in de praktijk uit?

‘Er bestaan meer platformen die soortgelijke functionaliteiten aanbieden, waarbij elk zijn eigen focus heeft. Veel organisaties experimenteren met ml, maar er ontbreekt vaak een best practise om het daadwerkelijk in gebruik te nemen. Wij helpen klanten om de volgende stap in de ai-reis te zetten en daadwerkelijk de modellen te implementeren. Via ons platform kunnen honderden modellen getest worden en we maken gelijk inzichtelijk wat zo’n model voor waarde kan bieden. Vervolgens zorgen we dat het model snel in productie is te nemen.’