Operationaliseer AI in de gehele organisatie met IBM Cloud Pak for Data

Stap 4 AI Ladder:  Toepassing van AI

De kracht van AI blijkt in de praktijk, op afdelingen en in bedrijfsprocessen. Daar wordt de echte winst behaald in de vorm van betere besluitvorming, voorspelbaarheid en continue optimalisatie. De effectieve inzet van AI en Machine Learning vraagt wel vertrouwen. Het is dus niet alleen zaak om mensen in de organisatie in elke trede van de AI-ladder mee te nemen. Ook inzicht bieden in hoe AI tot stand komt en zorgen dat alles toetsbaar en logisch verklaarbaar is, draagt direct bij aan het succes. En hoewel toepassen de laatste, vierde stap van de AI-ladder is, betekent dit niet het einde van de reis naar AI en Machine Learning. Het is en blijft een proces van continu toetsen en finetunen.

In de ideale situatie schrijft AI besluitvorming voor. Op basis van betrouwbare data biedt het voorspellingen, automatisering en optimalisatiekansen. Dit geeft sommige mensen het idee dat de machines de beslissingen nemen. Het is belangrijk te beseffen dat kunstmatige intelligentie geen intelligentie op zich is. AI en Machine Learning stelt medewerkers en machines in staat om samen te werken en steeds complexere taken met snel, op grote schaal en voorspelbaar uit te voeren.

Open en transparant proces

Het begint allemaal met data en het invoeren van de parameters. Daar zijn de antwoorden die AI en Machine Learning bieden op gebaseerd. Als de invoerparameters niet goed of compleet zijn, geldt dat ook voor het antwoord of advies. Het is dus essentieel dat mens uiteindelijk wel verantwoording kan afleggen over uitkomst van AI. Het proces moet dus in ieder geval open en transparant zijn, zodat alle stappen toetsbaar en controleerbaar zijn. Dit draagt bovendien bij aan de acceptatie van AI en Machine Learning in organisaties. Zowel de totstandkoming als de resultaten moeten goed gemonitord worden.

Advies valideren

Het is belangrijk om bij Machine Learning steeds te kijken of het advies passend is en goed werkt. Wat zijn de effecten? Klopt de uitkomst nog en is het antwoord of advies te valideren? Bij de toeslagenaffaire van de belastingdienst is onder andere AI gebruikt om fraude op te sporen. Maar er zijn ook dingen misgegaan omdat er op specifieke kenmerken geselecteerd is, die niet binnen de wet passen. Dit voorbeeld onderstreept hoe belangrijk controle van het proces en de uitkomst zijn, inclusief toetsing aan wet- en regelgeving is. In Cloud Pak for Data kan dit met IBM Watson Openscale. Dit legt bloot welke invoerparameters toegepast zijn op het model waardoor o.a. eenvoudig te detecteren is of de parameters valide zijn en hoe het advies tot stand is gekomen.

Begin klein en blijf optimaliseren

Axians heeft inmiddels ruime ervaring met AI in diverse organisaties en sectoren. Ondanks de enorme variatie aan mogelijkheden en technologieën, is het advies om vooral klein te beginnen. Probeer niet meteen een wolkenkrabber te bouwen. Een iteratieve, agile werkwijze is heel effectief. Zet een kleine eerste stap en blijf die toetsen en optimaliseren. Dat is de manier om de kracht van AI en Machine Learning concreet te vertalen naar betere besluitvorming en optimale processen. IBM Cloud Pak for Data vergemakkelijkt dit. Het is een toolkit die de gehele AI-cirkel beslaat; van verzamelen en organiseren tot analyseren en toepassen. Dit is een voortdurend proces, waarbij een organisatie steeds de tredes van de AI-ladder – in verschillende volgorde blijft doorlopen. Keer op keer.