De introductie van krachtige large language models (llm’s) zoals ChatGPT heeft in 2023 velen verrast. Dit jaar zal generatieve ai ons verbazen met nieuwe praktische toepassingen. Daarbij wachten ons de nodige obstakels, waarbij we ervoor moeten waken dat we grip houden op de ontwikkelingen.
Een nog minder besproken toepassing van generatieve ai (gen-ai) die dit jaar een grotere rol zal gaan spelen, is de mogelijkheid om synthetische data te genereren. Synthetische data zijn gesimuleerde data die de statistische kenmerken van relaties tussen de data-attributen nabootsen waardoor in veel gevallen snellere analyses met minder administratieve procedures mogelijk zijn en ook de privacyrisico’s tot een minimum worden beperkt. Dit zal een steeds grotere rol gaan spelen in industrie-specifieke oplossingen voor sectoren waarbij privacy zwaar weegt, zoals de zorg en de financiële sector.
Organisaties in de gezondheidszorg kunnen bijvoorbeeld gen-ai-tools ontwikkelen voor gepersonaliseerde geneeskunde. Patiëntspecifieke avatars zijn in te zetten in klinische proeven en op basis daarvan zijn weer geïndividualiseerde behandelplannen te genereren. Gen-ai is bovendien in te zetten om klinische onderzoeken te verbeteren en te versnellen door enorme hoeveelheden onderzoeksgegevens te synthetiseren, patiëntenpopulaties te simuleren en het ontwerp van protocollen te optimaliseren.
In de financiële dienstverlening zijn synthetische data aan te wenden voor stresstests en scenarioanalyses. Dit helpt banken toekomstige financiële risico’s te voorspellen en hiermee verliezen te voorkomen. Dergelijke toepassingen van synthetische data zullen veel terrein winnen, nu organisaties met strengere voorschriften te maken krijgen en het lastiger wordt om gevoelige data te delen.
Drempels
Veel organisaties zien gen-ai als een op zichzelf staande toepassing, maar het moet een onderdeel worden van een uitgebreidere ai-strategie. Door gen-ai zijn de drempels voor menselijke interactie met data en systemen verlaagd, maar gen-ai is geen vrijbrief voor slecht datamanagement en (het ontbreken van) data-governance. Als je de datakwaliteit in je bedrijf hebt verwaarloosd of geen goede datastrategie hebt, zul je geen meerwaarde halen uit je data met behulp van gen-ai.
Het speelkwartier is daarmee echt voorbij: dit jaar zullen bedrijven de basis op orde moeten brengen en een betere kostenbatenanalyse voor gen-ai moeten realiseren
De sleutel voor het toekomstig succes in het gebruik van ai ligt in verantwoorde ontwikkeling en innovatie. Daarvoor is het nodig om een toezichtcommissie op te richten, risicobeheersystemen in te voeren en specifieke procedures in te bedden in processen. Ook moet er meer bewustwording komen rondom verantwoorde ai-innovatie; trainingen voor specifieke kennis en vaardigheden zullen een sleutelrol gaan spelen in het realiseren van de potentie van ai. Aangezien datalekken nog altijd een risico vormen voor bedrijven, moet beveiliging van data volop de aandacht krijgen. Er moet tevens worden voorkomen dat voor ai gebruikte data worden gestolen en gerepliceerd op de markt komen.
Het speelkwartier is daarmee echt voorbij: dit jaar zullen bedrijven de basis op orde moeten brengen en een betere kostenbatenanalyse voor gen-ai moeten realiseren. Net zoals de kosten voor cloud computing zijn de kosten van gen-ai consumptiegedreven; hoe groter de inzet van ai, hoe hoger de kosten, onder andere door de benodigde servercapaciteit. Bedrijven die aanzienlijke middelen investeren in gen-ai doen er goed aan om een kostenbatenanalyse te maken. Projecten die geen of een minimaal rendement hebben moeten snel stopgezet worden, wil een bedrijf volwassen worden op het gebied van ai.
Tekstanalyse
Gen-ai heeft een revolutie teweeggebracht in het gebruik van ai in bedrijven. Hoewel veel projecten worden toegeschreven aan gen-ai, vereisen de meeste nieuwe ai-projecten traditionele analysetechnieken, zoals tekstanalyse, voorspellende modellering, computer vision en optimalisatie-technieken. Ook datamanagement, data-governance, risicobeheer en data-beveiliging zijn factoren om rekening mee te houden. Bedrijven die deze professionaliseringsslag weten te maken of hun zaakjes al eerder op orde hadden, zullen profiteren van de nieuwe toepassingsmogelijkheden van AI.
Rein Mertens is data-, ai- en analyticsexpert en head of customer advisory bij SAS
De verrassing van kunstmatige intelligentie zit in het geloof want simulaties met (synthetische) data doen me denken aan het liegen met statistiek. Verrassingen in de financiële dienstverlening gaan gewoon om fraude die met mooie cijfers weggepoetst wordt als we kijken naar de governance. Crap in, crap out gaat het risicobeheer dan ook om het deurbeleid want voor een kostenbatenanalyse moet je de werkelijkheid platslaan in cijfers.