Wat is AI? Meer informatie over kunstmatige intelligentie

De betekenis van kunstmatige intelligentie

AI is een verzamelnaam geworden voor applicaties die complexe taken uitvoeren waarvoor voorheen menselijke input, was vereist, zoals bij de online communicatie met klanten of een potje schaken. De term wordt vaak door elkaar gebruikt met onderliggende gerelateerde termen, zoals machine learning (ML) en deep learning.

Er zijn echter verschillen. Machine learning is bijvoorbeeld gericht op het bouwen van systemen die kunnen leren of hun prestaties kunnen verbeteren op basis van de data waarmee de systemen worden gevoed. Hierbij is het van belang om op te merken dat machine learning altijd onder AI valt, maar AI niet altijd onder machine learning.

Om de waarde van AI optimaal te benutten, investeren veel bedrijven enorm in data science-teams. Datawetenschap combineert statistiek, computerwetenschap en zakelijke kennis om waarde te halen uit verschillende databronnen.

AI en ontwikkelaars

Ontwikkelaars gebruiken kunstmatige intelligentie om taken die normaliter handmatig worden gedaan, efficiënter uit te voeren en daarnaast ook om contact te leggen met klanten, patronen te identificeren en problemen op te lossen. Ontwikkelaars die met AI aan de slag willen, moeten een achtergrond in wiskunde hebben en zich vertrouwd voelen met algoritmen.

Wanneer je met kunstmatige intelligentie aan de slag gaat om een applicatie te bouwen, helpt het om klein te beginnen. Door een relatief eenvoudig project te bouwen, zoals bijvoorbeeld boter-kaas-en-eieren, leert u de basisprincipes van kunstmatige intelligentie. Leren door te doen is een goede manier om een vaardigheid naar een hoger niveau te tillen en voor kunstmatige intelligentie is dit niet anders. Als u eenmaal een of meer kleinschalige projecten succesvol hebt afgerond, zijn er geen grenzen meer aan de mogelijkheden die kunstmatige intelligentie u te bieden heeft.

Hoe AI-technologie organisaties kan helpen

AI is in essentie bedoeld om na te bootsen hoe mensen de wereld waarnemen en erop reageren, en daar dan beter in te worden. AI is in rap tempo een belangrijke hoeksteen van innovatie aan het worden. Dankzij de diverse vormen van machine learning die kunnen worden ingezet om patronen in data te ontdekken en voorspellingen te doen, kan AI op verschillende manieren van meerwaarde zijn voor uw bedrijf doordat

• Een completer beeld wordt verschaft in de hoeveelheid data die beschikbaar zijn
• Op basis van voorspellingen zeer ingewikkelde of alledaagse taken worden geautomatiseerd

AI in de onderneming

AI-technologie verbetert de bedrijfsprestaties en productiviteit door processen of taken te automatiseren die voorheen menselijke inzet vereisten. Bovendien maakt AI het mogelijk om data te interpreteren op een schaal die geen mens ooit zou aankunnen. Die mogelijkheid kan een bedrijf aanzienlijke voordelen opleveren. Netflix maakt bijvoorbeeld gebruik van machine learning om enige mate van personalisatie te bieden, wat ertoe heeft geleid dat het klantenbestand met meer dan 25 procent is toegenomen.

De meeste bedrijven geven data science nu prioriteit en stoppen er veel geld in. In een McKinsey-enquête uit 2021 over AI kwam aan het licht dat het aantal bedrijven dat de invoering van AI in ten minste één functie meldden met 56 procent was gestegen, ten opzichte van 50 procent in het jaar daarvoor. Bovendien gaf 27 procent van de respondenten aan dat ten minste 5% van de inkomsten kan worden toegeschreven aan AI, ten opzichte van 22 procent het jaar daarvoor.

AI is van waarde voor vrijwel elke functie, elk bedrijf en elke branche. Het omvat algemene en branchespecifieke toepassingen zoals

• Het gebruik van transactionele en demografische data om te voorspellen hoeveel bepaalde klanten gaan uitgeven in de loop van hun relatie met een bedrijf (ook wel de levenslange klantwaarde genoemd)
• Het optimaliseren van prijzen op basis van klantgedrag en -voorkeuren
• Het gebruik van beeldherkenning om röntgenfoto's te analyseren op tekenen van kanker

Hoe bedrijven AI gebruiken

Volgens de Harvard Business Review gebruiken bedrijven AI voornamelijk om

• Inbreuken in de beveiliging op te sporen en tegen te gaan (44 procent)
• Technologieproblemen van gebruikers op te lossen (41 procent)
• Het aantal productiebeheertaken te verlagen (34 procent)
• Te peilen of wordt voldaan aan intern compliancebeleid voor het gebruik van erkende leveranciers (34 procent)

Factoren voor de invoering van AI

Drie factoren bevorderen de ontwikkeling van AI in uiteenlopende branches.

• Directe beschikbaarheid van betaalbare, krachtige computingfunctionaliteit. De talloze standaardcomputingopties in de cloud zorgen ervoor dat betaalbaar, krachtig computingvermogen gemakkelijk toegankelijk is. Vóór deze ontwikkeling waren de enige voor AI beschikbare computingomgevingen niet op de cloud gebaseerd en te duur.
• De grote hoeveelheden data die beschikbaar zijn voor het 'leerproces'. Om goede voorspellingen te kunnen doen, moet AI grote hoeveelheden data verwerken. Eenvoudige labeling van data en betaalbare opslag en verwerking van gestructureerde en ongestructureerde data maken het bouwen en trainen van algoritmen mogelijk.
• Toegepaste AI levert concurrentievoordeel op. Steeds meer ondernemingen onderkennen dat concurrentievoordeel kan worden behaald door AI-inzichten toe te passen op bedrijfsdoelstellingen en geven hieraan prioriteit in het hele bedrijf. Zo kunnen bedrijven sneller, betere beslissingen nemen dankzij de via AI verkregen gerichte aanbevelingen. Veel van de functies en mogelijkheden die AI biedt, helpen kosten te verlagen, risico's te beperken, de marktintroductietijd te verkorten, enzovoort.

Training en ontwikkeling van AI-modellen

Het ontwikkelen en implementeren van machine learning-modellen bestaat uit meerdere fasen, zoals training en afleiding. AI-training en -afleiding heeft betrekking op het experimenteren met machine learning-modellen om een probleem op te lossen.

Een machine learning-engineer kan bijvoorbeeld experimenteren met verschillende kandidaatmodellen voor een beeldherkenningsprobleem, zoals het detecteren van botbreuken op röntgenfoto's.

Om de nauwkeurigheid van deze modellen te verbeteren, kan de engineer data invoeren in de modellen en de parameters afstemmen totdat deze aan een vooraf gedefinieerde drempel voldoen. Deze trainingsbehoeften, gemeten naar de complexiteit van het model, groeien elk jaar exponentieel.

Infrastructuurtechnologieën die essentieel zijn voor AI-training op schaal zijn clusternetwerken, zoals RDMA en InfiniBand, Bare Metal GPU-computing en hoogwaardige opslag.

De voordelen en uitdagingen van het operationaliseren van AI

Er zijn talloze succesverhalen die de waarde van AI aantonen. Door machine learning en cognitieve interacties aan traditionele bedrijfsprocessen en -applicaties toe te voegen, kunnen organisaties de gebruikerservaring verbeteren en de productiviteit flink opkrikken.

Er zijn wel enkele struikelblokken. Maar weinig bedrijven hebben AI op grote schaal ingevoerd, om verschillende redenen. Bij machine learning-projecten van een bedrijf dat geen gebruikmaakt van cloud computing wordt het computingvermogen bijvoorbeeld vaak sterk aangesproken. Maar AI-systemen zijn ook complex om te bouwen en vereisen expertise waar veel vraag naar is, maar waar een tekort aan is. U kunt deze problemen beperken als u weet wanneer en waar deze projecten moet worden ingevoerd en wanneer u zich tot een externe partij moet wenden.

Succesverhalen over AI

AI is de drijvende kracht achter enkele grote succesverhalen.

• Volgens de Harvard Business Review heeft de Associated Press wel 12 keer zo veel verhalen uitgebracht door AI-software aan te leren om automatisch financiële nieuwsberichten te schrijven. Hierdoor kregen de journalisten van het blad meer de vrijheid om diepgaandere artikelen te schrijven.
• Deep Patient, een AI-tool die is ontwikkeld door de Icahn School of Medicine op Mount Sinai, stelt artsen in staat patiënten met een hoog risico te identificeren, nog voordat ziekten worden gediagnosticeerd. Volgens insideBIGDATA analyseert de tool de medische voorgeschiedenis van een patiënt om bijna 80 aandoeningen te voorspellen, tot een jaar voordat deze zich zouden openbaren.

Aan de slag met AI

Communiceer met klanten via chatbots. Chatbots passen verwerking van natuurlijke taal toe om klanten te begrijpen, waardoor de klant vragen kan stellen en informatie kan inwinnen. Deze chatbots leren na verloop van tijd bij zodat de interacties voor de klant steeds waardevoller worden.

Houd zicht op uw datacenter. Het IT-beheer kan de bewaking stroomlijnen met een cloudplatform dat alle data integreert en automatisch drempels en afwijkingen bijhoudt.

Voer een bedrijfsanalyse uit zonder expert. Dankzij analysetools met een visuele gebruikersinterface kunnen zelfs technisch niet-onderlegde mensen systemen gemakkelijk doorzoeken en antwoorden vinden die ze begrijpen.

De juiste cultuur creëren

Als u het maximale wilt halen uit AI en de problemen wilt vermijden die een succesvolle implementatie in de weg staan, moet u een teamspirit kweken waarin het AI-ecosysteem volledige steun krijgt. Voor dit type omgeving geldt het volgende

• Bedrijfsanalisten werken samen met datawetenschappers om de problemen en doelstellingen te definiëren
• De data en het onderliggende dataplatform worden zodanig beheerd door data-engineers dat analyses hiervan volledig doorgang kunnen vinden
• Data worden door datawetenschappers voorbereid, onderzocht, in beeld gebracht en gemodelleerd op een data science-platform
• De vereiste onderliggende infrastructuur om op grote schaal data science te ondersteunen wordt beheerd door IT-architecten, zowel on-premises als in de cloud
• Applicatieontwikkelaars implementeren modellen in applicaties om data-gestuurde producten te ontwikkelen

Van kunstmatige intelligentie tot adaptive intelligence

Nu AI-functionaliteit is doorgedrongen tot in het alledaagse bedrijfsleven, doet een nieuwe term van zich horen: adaptive intelligence. Adaptive intelligence-applicaties helpen bedrijven betere zakelijke beslissingen te nemen door de kracht van interne en externe data in realtime te combineren met de wetenschap achter de besluitvorming en een uiterst schaalbare computinginfrastructuur.

Deze applicaties maken uw bedrijfsvoering wezenlijk 'slimmer'. Hierdoor kunt u uw klanten betere producten, aanbevelingen en services bieden, die allemaal betere bedrijfsresultaten opleveren.

AI als noodzakelijke strategie en concurrentievoordeel

AI is een noodzakelijke strategie voor elk bedrijf dat efficiënter wil worden, nieuwe omzetkansen wil creëren en de klantloyaliteit wil vergroten. AI wordt in rap tempo een concurrentievoordeel voor veel organisaties. Met AI kunnen bedrijven meer bereiken in minder tijd, gepersonaliseerde en boeiende klantervaringen creëren en bedrijfsresultaten voorspellen om meer winst te maken.

Maar AI is nog steeds een nieuwe en complexe technologie. Om AI optimaal te benutten, hebt u expertise nodig in hoe u AI-oplossingen op de juiste schaal kunt ontwikkelen en beheren. Om een AI-project tot een succes te maken is meer nodig dan alleen het inhuren van een datawetenschapper. Ondernemingen moeten de juiste tools, processen en managementstrategieën implementeren om succes met AI te garanderen.

Best practices om AI optimaal te benutten

In de Harvard Business Review staan enkele adviezen om aan de slag te gaan met AI:

• Pas AI-functionaliteit toe op die activiteiten die de grootste en meest directe impact hebben op de omzet en kosten.
• Gebruik AI om de productiviteit te verhogen met hetzelfde aantal mensen, in plaats van uw personeelsbestand in te krimpen of uit te breiden.
• Begin uw AI-implementatie in de backoffice, niet in de frontoffice (IT en accounting zullen er het meest van profiteren).

Hulp bij uw AI-traject

Bij de AI-transformatie is afhaken geen optie. Om concurrerend te blijven, moet elke onderneming uiteindelijk AI omarmen en zelf een AI-ecosysteem opzetten. Bedrijven raken achterop als ze nalaten om de komende 10 jaar AI, in elk geval tot op zekere hoogte, in te voeren.

Hoewel uw bedrijf hierop een uitzondering zou kunnen vormen, beschikken de meeste bedrijven niet zelf over talent en expertise om het ecosysteem en de oplossingen te ontwikkelen waarmee de mogelijkheden van AI maximaal kunnen worden benut.

Voor een succesvolle AI-transformatie met strategieontwikkeling en toegang tot tools bent u op zoek naar een partner met branche-expertise en een uitgebreid AI-portfolio.

Artificial Intelligence Learning-bibliotheek

• Wat is data science?
  Bedrijven werken actief aan het combineren van statistieken met computer science-concepten, zoals machine learning en kunstmatige intelligentie. De daarmee uit big data verkregen inzichten zetten ze in om innovatie te stimuleren en de besluitvorming drastisch te veranderen.
• Wat is machine learning?
  Machine learning is een vorm van kunstmatige intelligentie (AI) die is gericht op het bouwen van systemen die leren door middel van data, met als doel de besluitvorming te automatiseren en verkorten, en sneller waarde te creëren.

Succesverhalen over AI

AI is de drijvende kracht achter enkele grote succesverhalen.

• Volgens de Harvard Business Review heeft de Associated Press wel 12 keer zo veel verhalen uitgebracht door AI-software aan te leren om automatisch financiële nieuwsberichten te schrijven. Hierdoor kregen de journalisten van het blad meer de vrijheid om diepgaandere artikelen te schrijven.
• Deep Patient, een AI-tool die is ontwikkeld door de Icahn School of Medicine op Mount Sinai, stelt artsen in staat patiënten met een hoog risico te identificeren, nog voordat ziekten worden gediagnosticeerd. Volgens insideBIGDATA analyseert de tool de medische voorgeschiedenis van een patiënt om bijna 80 aandoeningen te voorspellen, tot een jaar voordat deze zich zouden openbaren.

Kant-en-klare AI maakt het operationaliseren van AI eenvoudiger

Met de opkomst van AI-oplossingen en -tools profiteren bedrijven van alle voordelen van AI, tegen lagere kosten en in minder tijd. Kant-en-klare AI wil zeggen dat de oplossingen, tools en software ofwel ingebouwde AI-functionaliteit bevatten of het besluitvormingsproces automatiseren op basis van algoritmen.

Kant-en-klare AI kan van alles zijn: van autonome databases die zichzelf repareren met behulp van machine learning, tot vooraf gebouwde modellen die voor uiteenlopende datasets lastige taken kunnen uitvoeren zoals beeldherkenning en tekstanalyse. Hiermee kunnen bedrijven een snellere rendabiliteit, hogere productiviteit, lagere kosten en betere relaties met klanten bereiken.

Aan de slag met AI

Communiceer met klanten via chatbots. Chatbots passen verwerking van natuurlijke taal toe om klanten te begrijpen, waardoor de klant vragen kan stellen en informatie kan inwinnen. Deze chatbots leren na verloop van tijd bij zodat de interacties voor de klant steeds waardevoller worden.

Houd zicht op uw datacenter. IT-teams kunnen enorm veel tijd en energie voor systeembewaking besparen door alle webcontent, applicatiedata, databaseprestaties, gebruikerservaringen en logdata op één dataplatform in de cloud te plaatsen, waar automatisch drempelwaarden worden bewaakt en afwijkingen worden opgespoord.

Voer een bedrijfsanalyse uit zonder expert. Dankzij analysetools met een visuele gebruikersinterface kunnen zelfs technisch niet-onderlegde mensen systemen gemakkelijk doorzoeken en antwoorden vinden die ze begrijpen.

Waarom het soms niet lukt AI optimaal te benutten

Ondanks de belofte die AI brengt, realiseren veel bedrijven zich niet wat machine learning en andere AI-functies daadwerkelijk kunnen opleveren. Waarom niet? Ironisch genoeg blijkt het probleem grotendeels door de mensen zelf te worden veroorzaakt. Inefficiënte workflows kunnen bedrijven ervan weerhouden de waarde van hun AI-implementaties volledig te benutten.

Datawetenschappers kunnen bijvoorbeeld tegen problemen aanlopen wanneer ze aan de benodigde middelen en data proberen te komen voor het ontwikkelen van machine learning-modellen. Mogelijk loopt de samenwerking met hun collega's stroef. Ook kan het zijn dat ze veel verschillende open source-tools moeten beheren, terwijl applicatieontwikkelaars de door datawetenschappers ontwikkelde modellen soms helemaal opnieuw moeten coderen voordat ze in hun applicaties kunnen worden geïntegreerd.

Met een groeiend aantal open source AI-tools moet IT uiteindelijk meer tijd gaan besteden aan het continu bijwerken van werkomgevingen om de data science-teams te kunnen blijven ondersteunen. Dit probleem wordt nog verergerd door een gebrek aan overeenstemming over hoe data science-teams graag werken.

Bovendien zijn senior leidinggevenden soms niet in staat om volledig in beeld te brengen wat de investeringen in AI door hun bedrijf uiteindelijk kunnen opleveren. Het gevolg is dat ze onvoldoende sponsoring en middelen binnenhalen om het geïntegreerde ecosysteem voor samenwerking te creëren dat nodig is om AI te laten slagen.

De juiste cultuur creëren

Als u het maximale wilt halen uit AI en de problemen wilt vermijden die een succesvolle implementatie in de weg staan, moet u een teamspirit kweken waarin het AI-ecosysteem volledige steun krijgt. Voor dit type omgeving geldt het volgende

• Bedrijfsanalisten werken samen met datawetenschappers om de problemen en doelstellingen te definiëren
• De data en het onderliggende dataplatform worden zodanig beheerd door data-engineers dat analyses hiervan volledig doorgang kunnen vinden
• Data worden door datawetenschappers voorbereid, onderzocht, in beeld gebracht en gemodelleerd op een data science-platform
• De vereiste onderliggende infrastructuur om op grote schaal data science te ondersteunen wordt beheerd door IT-architecten, zowel on-premises als in de cloud
• Applicatieontwikkelaars implementeren modellen in applicaties om data-gestuurde producten te ontwikkelen

Van kunstmatige intelligentie tot adaptive intelligence

Nu AI-functionaliteit is doorgedrongen tot in het alledaagse bedrijfsleven, doet een nieuwe term van zich horen: adaptive intelligence. Adaptive intelligence-applicaties helpen bedrijven betere zakelijke beslissingen te nemen door de kracht van interne en externe data in realtime te combineren met de wetenschap achter de besluitvorming en een uiterst schaalbare computinginfrastructuur.

Deze applicaties maken uw bedrijfsvoering wezenlijk 'slimmer'. Hierdoor kunt u uw klanten betere producten, aanbevelingen en services bieden, die allemaal betere bedrijfsresultaten opleveren.

AI als noodzakelijke strategie en concurrentievoordeel

AI is een noodzakelijke strategie voor elk bedrijf dat efficiënter wil worden, nieuwe omzetkansen wil creëren en de klantloyaliteit wil vergroten. AI wordt in rap tempo een concurrentievoordeel voor veel organisaties. Met AI kunnen bedrijven meer bereiken in minder tijd, gepersonaliseerde en boeiende klantervaringen creëren en bedrijfsresultaten voorspellen om meer winst te maken.

Maar AI is nog steeds een nieuwe en complexe technologie. Om AI optimaal te benutten, hebt u expertise nodig in hoe u AI-oplossingen op de juiste schaal kunt ontwikkelen en beheren. Om een AI-project tot een succes te maken is meer nodig dan alleen het inhuren van een datawetenschapper. Ondernemingen moeten de juiste tools, processen en managementstrategieën implementeren om succes met AI te garanderen.

Best practices om AI optimaal te benutten

In de Harvard Business Review staan enkele adviezen om aan de slag te gaan met AI:

• Pas AI-functionaliteit toe op die activiteiten die de grootste en meest directe impact hebben op de omzet en kosten.
• Gebruik AI om de productiviteit te verhogen met hetzelfde aantal mensen, in plaats van uw personeelsbestand in te krimpen of uit te breiden.
• Begin uw AI-implementatie in de backoffice, niet in de frontoffice (IT en accounting zullen er het meest van profiteren).

Hulp bij uw AI-traject

Bij de AI-transformatie is afhaken geen optie. Om concurrerend te blijven, moet elke onderneming uiteindelijk AI omarmen en zelf een AI-ecosysteem opzetten. Bedrijven raken achterop als ze nalaten om de komende 10 jaar AI, in elk geval tot op zekere hoogte, in te voeren.

Hoewel uw bedrijf hierop een uitzondering zou kunnen vormen, beschikken de meeste bedrijven niet zelf over talent en expertise om het ecosysteem en de oplossingen te ontwikkelen waarmee de mogelijkheden van AI maximaal kunnen worden benut.

Als u hulp nodig hebt om de juiste strategie te ontwikkelen en de juiste tools te vinden om uw AI-transformatie te laten slagen, moet u op zoek naar een innovatieve partner met diepgaande branchekennis en een uitgebreide AI-portfolio.

Artificial Intelligence Learning-bibliotheek

• Wat is data science?
  Bedrijven werken actief aan het combineren van statistieken met computer science-concepten, zoals machine learning en kunstmatige intelligentie. De daarmee uit big data verkregen inzichten zetten ze in om innovatie te stimuleren en de besluitvorming drastisch te veranderen.
• Wat is machine learning?
  Machine learning is een vorm van kunstmatige intelligentie (AI) die is gericht op het bouwen van systemen die leren door middel van data, met als doel de besluitvorming te automatiseren en verkorten, en sneller waarde te creëren.
• Nieuws en opinie over AI
  Kunstmatige intelligentie, machine learning en datawetenschap veranderen de manier waarop bedrijven complexe problemen benaderen. Daardoor verandert ook het traject van hun branche. Lees de nieuwste artikelen om te begrijpen hoe de branche en uw collega-bedrijven met deze technologieën omgaan.