Welke organisatie wil niet de toekomst kunnen voorspellen, betere services aanbieden en slimmere producten ontwikkelen?! Kunstmatige intelligentie (AI) maakt het mogelijk, maar wat heb je daarvoor nodig? In deze blog laten we zien met welke technologie je tot de beste resultaten komt.
Deze blog maakt deel uit van een serie van 4 over trends op het gebied van kunstmatige intelligentie. De andere 3 blogs beschrijven de ingrediënten van een succesvol data science team, het ‘wat’ en ‘hoe’ van AI voor de business en de vierde gaat over de ethiek en compliance van AI.
Dit blog is geschreven door Maarten Hennekens, Digital Advisory Services.
Voor de meeste bedrijven is AI en de technologie erachter een grote onbekende. Wat ze wel hebben zijn enorme hoeveelheden data in verschillende systemen, databases en documenten. Neem een gemiddelde bank, die heeft zijn banksystemen met transactiedata ontsloten via honderden platformen, systemen waarin allerlei data rondgepompt en toegevoegd worden. Daarnaast hebben ze relationele databases, lokale databases, ongestructureerde data in honderdduizenden Excel- en Word-documenten en trackingdata zoals gebruikerssporen van online activiteit.
Schone data voorwaarde voor goede resultaten
Het gaat bij AI om het vinden van dwarsverbanden tussen alle beschikbare gegevens en het herkennen van onverwachte patronen. De grote uitdaging zit dus vooral op datagebied. Hoe breng je structuur in je data? Het begint in ieder geval met schone data. Want met slechte data kun je geen goede resultaten behalen. Eenmaal je dat op orde hebt, kun je beginnen met het kiezen van de juiste technologie.
Investeer geen miljoenen, maar start klein
AI is een jong vakgebied, ook qua technologie. Daarom is het een komen en gaan van tools in deze onvolwassen markt. Dé softwarestandaard is nog niet uitgekristalliseerd. Wil je als organisatie technologisch voorbereid zijn op de toekomst, zet dan nog niet groot in en investeer nog geen miljoen. En al zeker niet in on-premise oplossingen. Je moet vooral aan de slag met het opbouwen van kennis, en dat zit voor een groot gedeelte in de kennis en kunde van mensen. Probeer ook niet meteen álle data in een datalake onder te brengen. Voordat je alle data erin hebt zitten, ben je jaren verder en ben je technologisch door de tijd ingehaald.
Zet jezelf niet vast in verouderende hardware
Het belangrijkste is nu om vooral te gaan leren. Bouw een team dat ervaring opdoet met AI en kies technologie waarmee ze direct aan de slag kunnen. Qua technologische basis wil je niet vastzitten aan grote, langjarige investeringen. Het is beter om je te richten op een flexibel platform waarop je steeds weer nieuwe en betere technologie kunt inzetten. De cloud leent zich uitermate goed voor AI en machine learning scenario’s. Je koopt daar geen hardware en software, maar neemt het af per gebruik. Dat is goedkoper en veel flexibeler.
De cloud is geknipt voor AI
Zo zet je snel een testomgeving op met de nieuwste hardware. Eenmaal klaar, zet je die weer uit. Dat is on-premise amper op te zetten omdat AI veel dure hardware vereist. De hardware in de cloud vernieuwt namelijk een stuk sneller dan de meeste bedrijven on-premise kunnen bijbenen. En je hebt juist die rekenkracht van de nieuwste processors nodig om die innovatieve AI-scenario’s uit te proberen en te toetsen op potentiele businesswaarde..
Begin klein voor grote resultaten
In de cloud kun je snel een proof of concept opzetten. Het is belangrijk om in korte tijd de rest van het bedrijf enthousiast te kunnen maken en daarna de schaal te vergroten. Begin dus klein, zoals wij dat deden bij een bank. Accountmanagers voor de mkb-markt hebben per persoon een paar honderd klanten die ze moeten bedienen. Hoe weet hij wanneer hij welke klanten moet benaderen, en waarmee?
Binnen twee maanden betere resultaten met AI
Hoe we dat voor elkaar kregen? Azure met AI-services aanzetten, Een datalake vullen met gegevens en daarop een team data scientists loslaten. Twee maanden later konden de accountmanagers aan de slag met actiegerichte adviezen. Daarnaast richtten we een dashboard in dat voorspelt wanneer wanbetalers echt problematisch worden. Op dit moment zijn we bezig om dit laatste project grootschalig uit te rollen. Wil jij ook uit bestaande gegevens nieuwe inzichten halen? Wij geven je graag de technologische basis en kunde, zodat je zelf meer uit AI haalt.