Voorbij de hype en angst: hoe AI te omarmen als een puur praktisch instrument
Voorbij de hype en angst: hoe AI te omarmen als een puur praktisch instrument
Het gebruik van AI door bedrijven heeft te lijden onder onrealistische verwachtingen en mystificaties. Dat zorgt soms voor teleurstelling en bijwijlen zelfs vrees voor wat in wezen een praktisch datawetenschappelijk instrument is. AI-expert Wouter Denayer van consultancybureau Briteflo legde op het Symposium van Flanders Make uit hoe je kunstmatige intelligentie slimmer kunt aanwenden om je bedrijfsprestaties te optimaliseren.
Na een lange carrière bij topbedrijven, waarvan zeven jaar als CTO bij technologiereus IBM, helpt Wouter Denayer nu met zijn eigen consultancybureau Briteflo bedrijven bij hun digitale transformatie. Artificiële intelligentie (AI) is uiteraard cruciaal bij die digitale transitie, maar daar bestaan helaas nog veel misverstanden over, wat een doeltreffende implementatie in de weg staat.
Dat bleek ook uit de AI Monitor 2022-studie die Denayer uitvoerde in samenwerking met CIONET, een netwerkorganisaties voor digitale leiders. Denayer interviewde daarvoor 23 digitale leiders in België, om inzicht te krijgen in de kritische succesfactoren die hen in staat stellen om met AI concrete resultaten te behalen voor hun organisatie.
“De eerste vraag betrof hun strategie rond AI,” vertelde Denayer. De conclusie van die rondvraag bleek ontnuchterend. “Je kan die samenvatten als: ‘nobody cares about AI’.” Er was een gebrek aan belangstelling omwille van twee redenen. “Sommigen zagen de meerwaarde er niet van in, voor hun sector. Zij zitten duidelijk fout, AI zal overal een impact hebben.” Bij de anderen zat het genuanceerder in elkaar. “Zij hadden geen interesse in de technologie zelf, de praktische finesses, maar wel in wat de innovatieve techniek concreet kon betekenen voor hun bedrijf.”
Weg van antropomorfe visie
Een groot struikelblok voor het doeltreffend inzetten van AI is de hype die errond gecreëerd wordt. Dat leidt soms, in navolging van greenwashing, tot ‘AI-washing’. Denayer gaf het voorbeeld van een zogezegd AI-gestuurd koffiezetapparaat, waarbij met de nodige marketingtrucs de indruk wordt gewekt dat je een soort persoonlijke robotische barista in huis haalt. “Terwijl die koffiemachine enkel bepaalde voorkeuren van de gebruiker opslaat. Dit is nonsens,” zei Denayer.
Ook rond zelfrijdende voertuigen met AI worden de hoge verwachtingen bijlange niet ingelost, op de openbare weg dan toch. “In een gecontroleerde omgeving, in een fabriek bijvoorbeeld, kan je met AI zelfrijdende voertuigen succesvol integreren. Maar natuurlijk is het een illusie om te denken dat alles in je fabriek geautomatiseerd kan verlopen.”
Een ander probleem is dat AI soms de aura krijgt van technologie die echt nadenkt als een mens. Vorige zomer werd een Google-ingenieur ontslagen omdat hij geloofde dat een chatbot met AI werkelijk bewust geworden was. Ook duiken er te pas en te onpas dystopische toekomstbeelden op van kwaadaardige robots die de wereld zullen overnemen. “We moeten weg van die antropomorfe visie op AI, dit is een computerprogramma zonder gevoelens, een innovatieve manier van programmeren. We zullen altijd mensen nodig hebben om de juiste vragen te stellen.”
Realistische verwachtingen rond nauwkeurigheid
Bedrijven hebben dikwijls ook onrealistische verwachtingen over de precisie die je met AI kunt bereiken. Zo weigerde een multinational een informatie-extractiesysteem in productie te nemen omdat de herkenningsnauwkeurigheid niet de 98% was die de verantwoordelijken dachten nodig te hebben. “Door hun opgeblazen verwachtingen liepen zij grote voordelen voor hun bedrijf mis,” vertelde Denayer.
De AI-expert gaf ook enkele goede voorbeelden, van bedrijven die met een pragmatische aanpak aanzienlijke resultaten behaalden. Zo kon een bedrijf haar handmatig werk met 20% verminderen door het gebruik van een informatie-extractiesysteem met ‘slechts’ 50% nauwkeurigheid. “En met een gelijkaardig systeem, dat een nauwkeurigheid had van 65%, bracht het Universitair Ziekenhuis Antwerpen de duur van een migratieproject terug van vijf tot anderhalf jaar.” Handmatige validatie bleef noodzakelijk, maar alles verliep zoveel vlotter omdat de intelligente systemen de mensen hielpen om de juiste informatie sneller te vinden.
Gebruik van voorgetrainde modellen
Denayer gaf ook concrete tips om AI goed te implementeren. Zo is het belangrijk om altijd resultaten terug in te voeren in je AI-systeem, zodat het kan leren van zijn fouten en slimmer wordt. Het is eveneens een goed idee om een praktische checklist op te stellen, zodat het gemakkelijker wordt om AI consequent te integreren in de dagelijkse werking van een project.
“Het is ook niet per se nodig om zwaar te investeren in het maken van je eigen AI-modellen,” stelde Denayer. “Je kan ook voorgetrainde modellen gebruiken die ontwikkeld zijn door grote spelers zoals Google, en deze aanpassen aan je specifieke noden. ”
Denayer pleitte er eveneens voor om resultaten van projecten niet weg te gooien, zelfs als ze in het heden nog niet nuttig blijken. “Iets dat vandaag niet werkt, kan dat morgen wel doen. Die resultaten kunnen in de toekomst nog heel handig blijken, want de wereld van AI verandert heel snel. Kijk maar naar de sterke evolutie in het domein van documentherkenning bijvoorbeeld.”
Belang van blijven experimenteren
Om AI te gebruiken, heb je uiteraard datawetenschappers nodig. Maar niet alleen zijn deze niet gemakkelijk te vinden, velen geven er ook relatief snel de brui aan omdat hun bedrijf hun capaciteiten niet ten volle benut en er te veel tijd kruipt in routineus werk zoals het ‘schoonmaken’ van data.
“Het is belangrijk dat datawetenschappers kunnen blijven experimenteren. Een doeltreffend concept in die zin is dat van ‘business of play’, waarbij je mensen aanzet om op een speelse manier dingen uit te proberen in een bedrijfscontext. AI is ook bij uitstek een ‘spel’ waarbij experimenteren belangrijk is. Want het is een stuk moeilijker dan met meer traditionele technieken om met AI de uitkomst van een project te voorspellen.”
Denayer zou tenslotte liever niet meer spreken van AI, maar van ‘datawetenschap’. “Dat is een duidelijkere term, zonder verwarrende sciencefictionconnotaties,” vertelde hij. “In het algemeen is het hoog tijd dat mensen hun donkere of roze bril afzetten, en met een neutrale blik kijken naar deze praktische tool.”
Deze presentatie maakte deel uit van het Symposium van Flanders Make, het jaarlijkse event waarop (inter)nationale sprekers de technologische trends voorstellen die de toekomst van de industrie zullen bepalen. De editie van 2022 stond in het teken van de weg naar ‘een duurzame, digitale en competitieve industrie’.
