De it-industrie blijft het tijdperk van kunstmatige intelligentie (ai) en machine learning (ml) maar inluiden door deze technologieën op een sokkel te plaatsen aan wiens voeten alle cio's moeten knielen.
Nee, ai is nog niet zelfbewust en heeft ons ook nog niet tot slaaf gemaakt. We hoeven ons ook nog geen zorgen te maken over Skynet en Terminators. Wel is het is snel volwassen geworden en steeds meer zakelijke toepassingen maken gebruik van ai.
Naarmate er meer op ai gebaseerde technologieën verschijnen, zullen cio’s wereldwijd hun eigen inzicht en visie op ai/ml gaan vormen en ontdekken welke gevolgen dit voor hen heeft.
Voor mij maakt ai-technologie het mogelijk iets te simuleren dat normaliter door een mens is uit te voeren. Er is sprake van ml wanneer de technologie verder gaat dan simuleren en zelf begint te leren, zonder menselijke keuzes of invloed.
Natuurlijk zijn zowel ai als ml zo goed als de gegevens waartoe ze toegang hebben. Hoe meer gegevens, hoe meer intelligentie er kan zijn. Hoe schoner de gegevens, hoe preciezer de voorspelling en hoger de bruikbaarheid van de uitkomst. Ze zullen helpen om diezelfde gegevens nuttiger te maken voor onze zakelijke doeleinden.
Ai is in te zetten als een hulpmiddel om extra informatie te verzamelen uit de enorme hoeveelheid gegevens die elke onderneming reeds heeft. Het kan, indien op de juiste manier gebruikt, organisaties helpen bij het analyseren van data en intelligente zakelijke inzichten geven, op een niveau welke voor veel van ons nog ondenkbaar is.
Binnen mijn onderneming hebben we anderhalf jaar geleden op verschillende vlakken ai en ml toegepast. Keer op keer blijf ik me verbazen over de voorspellende krachten van deze technologieën. Na maanden van testen hebben we veel van deze toepassingen in productie genomen en is het onderdeel geworden van dagelijkse evaluaties en beslissingen als bedrijf.
Digitale transformatie
Ai is te vaak beschouwd als een op zichzelf staand component in plaats van een brede tool. Bedrijven die het meest profijt hebben gehad van ai zijn echter de bedrijven die het integreren in elk aspect van hun digitale transformaties.
Salesteams kunnen bijvoorbeeld gebruikmaken van voorspellende modellen om te voorspellen welk product het best zal worden verkocht, in welke regio en wanneer. Personeel dat zich met de klant bezighoudt, kan ai gebruiken om klantgegevens te analyseren en te anticiperen op productproblemen, zelfs vóórdat de klant het merkt – wat een ongekend niveau van proactieve klanttevredenheid kan bieden.
Ai heeft een plek in elk aspect van een bedrijf en cio’s die nieuwe en verbeterde applicaties implementeren, doen er goed aan om eerst te zorgen dat ze klaar zijn om hun business-intelligence te gebruiken.
Soepel draaien
Om een it-suite voor bedrijven als een goed geoliede machine te laten draaien, is het niet langer genoeg om het hier en nu in de gaten te houden: cio’s moeten ook weten wat er te gebeuren staat. Het voorspellen van uitval voor de infrastructuur, of een specifieke webserver problemen zal krijgen, of je het doel gaat zijn van een cyberaanval, ai en ml bieden bedrijven de beste kans om deze problemen aan te pakken, in plaats van dat ze erdoor overvallen worden.
Ransomware is een probleem waar organisaties over de hele wereld mee te maken krijgen en waarmee ai en ml kunnen helpen. Wat als je het gebruikersgedrag in je organisatie zou kunnen bewaken, een baseline zou kunnen bepalen van hoe ‘normaal’ eruitziet en vervolgens automatisch gewaarschuwd zou worden voor ongewoon gedrag dat hiervan afwijkt? Het zou je in staat stellen om bijna onmiddellijk te reageren wanneer een aanval plaatsvindt en de totale downtime te minimaliseren. Ml-algoritmen kunnen de aanpak continu blijven verbeteren, zodat je de constante stroom aan nieuwe dreigingen voor blijft.
Menselijke productiviteit
Hoe krachtig ai en ml ook zijn, robots die onze banen stelen, zijn nog ver weg. In plaats van het vervangen van personeel, ondersteunt ai de productiviteit van werknemers door hen vrij te spelen voor het werk dat ze moeten doen en al het andere zo veel mogelijk weg te nemen. Het stelt medewerkers in staat hun rol beter te vervullen, door het verbeteren van inzicht, workflows en de samenwerking.
Een goed voorbeeld is taalverwerking, waarmee apparaten kunnen begrijpen wat een mens zegt en dat aan iemand anders in hun moedertaal kunnen overbrengen. Deze toepassing zou het voor een persoon in China moeiteloos maken om met iemand in Venezuela te spreken, ongeacht de individuele moedertaal. Intonaties en kleine verschillen in emotie kunnen hierbij reeds herkend worden.
Zie ai als een nieuw teamlid, als een uiterst efficiënte medewerker die een rol speelt in elk aspect van je bedrijf en die alle andere medewerkers de mogelijkheid biedt het beste in zichzelf naar boven te halen.
Begin vandaag
Bij het bespreken van de implementatie van de ai met organisaties, heb ik geleerd dat het obstakel dat ze ervan weerhoudt om al het bovenstaande te bereiken, is dat ze te overweldigd zijn om te weten waar ze moeten beginnen. Ze willen de inzichten, maar beschikken niet over de gegevensstrategieën om ze te voeden.
Mijn advies: focus op de gegevens die je hebt en groei vanaf daar. Een beetje intelligentie is oneindig veel nuttiger dan geen intelligentie en de hoeveelheid gegevens zal alleen maar toenemen.
Van zelfherstellende infrastructuren tot zelfbewuste beveiliging en anticiperen op de toekomst, ai-algoritmes hebben allereerst toegang tot data-lakes en historische gegevens nodig. Om dit mogelijk te maken, zal de slimme cio eerst een gegevensbeheerplatform (data control plane) implementeren dat precies weet waar alle gegevens in het bedrijf zich bevinden. Met de juiste technische architectuur profiteren alle applicaties van je data en nemen ze intelligente beslissingen.
Het komt hierop neer: wil je je zaak blindelings leiden, of met een zoeklicht? Wil je je industrie leiden of ben je tevreden met de tweede plaats? Voor het antwoord is geen ai of ml nodig.
