23 / 04 / 2024
Steeds meer industrieën beginnen de mogelijkheden van artificiële intelligentie (AI) en machine learning in te zien. Deevid De Meyer is co-founder van het AI-bedrijf Brainjar. Hij legt uit waarom AI steeds populairder wordt en hoe je als bedrijf zelf aan de slag kan.
De mogelijkheden van AI en machine learning worden steeds aantrekkelijker voor bedrijven. Bijvoorbeeld bij het verwerken van documenten. Er komt een nieuw document binnen en je wilt daar als bedrijf informatie uithalen. Dat is een redelijk repetitief werkje, maar net niet repetitief genoeg om het te programmeren. In dit geval kan AI en machine learning je organisatie helpen.
Voor bedrijven is AI vaak nog een moeilijk begrip. Wij kunnen bijvoorbeeld vooraf niet zeggen hoe het eindproduct eruit zal zien of hoe goed het zal presteren. AI-systemen zijn helaas niet helemaal foutloos, net zoals een mens dat ook niet is. De tool kan leren om een taak uit te voeren, maar kan niet uitleggen waarom het soms fouten maakt. Dat wordt in de sector omschreven als het ‘zwarte doos-probleem’. Om problemen te voorkomen, raden we klanten altijd aan om het systeem door iemand fysiek te laten controleren.
Het AI-systeem voert wel alle taken uit, maar een werknemer kijkt alles na en keurt bepaalde taken wel of niet goed. Zo krijgt de tool ook constant feedback, en kan het zichzelf verbeteren en aanpassen aan veranderde omstandigheden. Doordat alles nog wordt nagekeken door een persoon, noemen we dit human AI.
Een andere vorm van AI, is ethical AI. Die ligt in het verlengde van human AI. Maar waar bij human AI een persoon alles nog eens nakijkt, gaat ethical AI een stap verder. Een goed voorbeeld hiervan is een zelfrijdende wagen. Alle systemen draaien volledig zelfstandig, zo ook de ethische vraagstukken die kunnen opduiken en waar mensen geen pasklaar antwoord op hebben. Stel dat een wagen bij een ongeval moet kiezen of hij een moeder met kind, of een bejaarde zou aanrijden. Hier zou je sowieso niet kunnen rekenen op menselijke input, aangezien mensen onderling ook verschillende keuzes maken.
In heel veel domeinen willen we op een gegeven moment toch de sprong nemen van semiautomatische systemen, waar mensen nog kunnen ingrijpen, naar volautomatische systemen zoals bij ethical AI. Maar dan moeten we ons ook bijkomende vragen beginnen stellen. Een AI-systeem leert van data, van wat we erin steken, en aan de hand van bepaalde taken. Er is een notoir voorbeeld van een grote pakjesdienst. Die had een aanwervingstool met AI-component voor technische profielen geïnstalleerd. De tool moest cv’s scannen, en de meest geschikte profielen eruit halen. Het systeem selecteerde voornamelijk mannen voor de technische rollen, terwijl er ook geschikte vrouwen in de mix zaten. Het had onbewust de voorkeuren van de echte recruiters opgepikt, sommige waarvan de recruiters zichzelf niet eens bewust waren. Zo’n vooroordeel of bias kan altijd in een systeem sluipen.
Wil je als bedrijf ook zelf aan de slag met AI of machine learning? Dan is mijn eerste tip om te gaan kijken naar je processen. Heb je elke dag een stroom aan documenten waar je informatie uit wil halen? Dan kan je daar AI of machine learning voor gebruiken. Hou er wel rekening mee dat de tool honderden, zo niet duizenden voorbeelden nodig heeft voor het de job goed kan uitvoeren, en zelfs dan heb je nog menselijke controle nodig.
In veel gevallen is er dus geen 100 procent automatisatie. Je kijkt eerst welke taak veel tijd in beslag neemt en vaak wordt uitgevoerd. Als je dat hebt gedaan, ga je best langs bij een specialist zoals Brainjar. We overlopen samen de taak die je wilt automatiseren, en zoeken naar de juiste oplossing voor jou en je bedrijf. Bereik je daar je eerste succes, dan kan je van daaruit verder bouwen om steeds meer processen te automatiseren.
.svg)