Veel bedrijven zetten analytics en artificial intelligence (AI) nog niet volledig in. “Dit komt doordat de return-on-investment vaak lastig vooraf bepaald kan worden. Of doordat AI wordt beschouwd als een ver-van-mijn-bedshow”, vertelt Angie Munshi, Young Professional bij Inergy. “Maar…” zegt collega Richard Verburg, Practice Lead bij Inergy, “AI komt al meer voor dan je denkt. En als je het niet probeert, weet je nooit wat je laat liggen”. Angie en Richard schetsen samen de staat van analytics en AI vandaag de dag en voorspellen wat de toekomst gaat brengen.
Data is de brandstof voor analytics en AI. Om een proces te optimaliseren met AI is heel veel data nodig. Die data ontstaat overal in bedrijfsprocessen. Sommige organisaties verzamelen en analyseren die data om ervan te leren en verbeteringen door te voeren. Bij andere organisaties speelt data nog geen rol in hun werkprocessen. Hoe komt dit?
Angie: “Organisaties weten vaak nog niet precies waar ze data uiteindelijk voor gaan gebruiken. Dit weerhoudt sommige organisaties ervan om data te verzamelen. Dit is echter niet slim. Ondanks dat het doel van dataverzameling nu nog niet duidelijk is, kan de verzamelde data later toch heel nuttig blijken. Bedrijfsdoelen zijn namelijk aan verandering onderhevig en ontwikkelen zich in de tijd. Je moet dus sowieso beginnen met het verzamelen van data. Doe je dat niet, dan krijg je later spijt omdat je over te weinig data beschikt om op te innoveren of te sturen.”
Richard vult aan: “Als je pas begint met data verzamelen op het moment dat je data science wil toepassen, sta je al met 1-0 achter. Organisaties moeten daarom met het oog op de toekomst, data-innovatie nu alvast op de agenda zetten. Zet ook een datawarehouse op, waarmee je data inzichtelijk maakt en kan terug- en vooruitblikken. Onderzoek daarnaast welke data je nog meer wil vastleggen, bijvoorbeeld in de Azure cloud, zodat je die op een later moment kan gebruiken. Het is bovendien belangrijk om medewerkers ook de tijd te geven om data-initiatieven te starten. Zo creëer je steeds meer een datagedreven werkcultuur.”
ARTIFICIAL INTELLIGENCE IS OVERAL
“De misvatting die over AI bestaat, is dat het alleen gaat over het volledig overbodig maken van menselijk handelen”, vertelt Angie. “Hierdoor klinkt AI nog als toekomstmuziek en iets oncontroleerbaars. Maar wat veel mensen niet doorhebben, is dat talloze diensten en producten die zij dagelijks gebruiken al profiteren van AI. Heden- daagse AI ondersteunt mensen met extra cognitieve mogelijkheden. Denk aan een gedeeltelijk zelfrijdende auto of spraakherkenning in Google Home.
Maar ook in organisatieprocessen komen analytics en AI terug. Bijvoorbeeld in marketing, bij het maken van modellen die het verloop van een campagne voorspellen. Of bij de customer service, waar – met behulp van sentimentanalyse – klantcontacten automatisch geregistreerd worden als positief, neutraal of negatief om zo sneller de juiste actie te starten.”
WAT BRENGT DE NABIJE TOEKOMST?
Als we onze blik verleggen en vijf jaar verder kijken, ervaren we artificial intelligence waarschijnlijk heel anders. “Het wordt voor consumenten steeds normaler om gebruik te maken van diensten met AI”, legt Richard uit. “Ik zie dat mijn dochter het al doodnormaal vindt om onze lampen via de smart speaker te bedienen met haar stem. Zij is de consument en werknemer van de toekomst. Organisaties moeten met hun producten, diensten en hun manier van werken dus gaan inspelen op deze veranderende verwachtingen en behoeften. Het fundament daarvoor moet nu gelegd worden. Organisaties die dit lukt, zullen succesvol zijn en blijven.”
KNOWLEDGE MINING
Op welk gebied gaat AI zich de komende jaren vooral sterk ontwikkelen? Angie: “Ik verwacht dat we steeds meer gebruik gaan maken van knowledge mining. Dat is het halen van informatie en kennis uit ongestructureerde data zoals afbeeldingen, formulieren, audio en video. Denk aan speech-to-text scripting: het herkennen van spraak en dit door middel van AI vertalen naar tekst. Of computer vision, en specifiek het onderdeel objectrecognition: het automatisch herkennen van objecten in afbeeldingen op basis van een getraind AI-model.”
‘ALS JE PAS BEGINT MET DATA VERZAMELEN OP HET MOMENT DAT JE AI WIL TOEPASSEN, STA JE AL MET 1-0 ACHTER’
Richard geeft een voorbeeld: “Voor autoschadereparateurs kan computer vision van directe meerwaarde zijn. AI biedt ze de kans om bijvoorbeeld autoschade automatisch in te schatten. Stel dat klanten een foto opsturen van hun schade. Dan kan je op basis van een AI-model automatisch een kosteninschatting maken en direct een offerte uitbrengen. Als een bedrijf over een jaar een dergelijk AI-model wil toepassen, moet het nu al zoveel mogelijk schadefoto’s verzamelen als trainingsinput voor het AI-model.”
IEDERE ORGANISATIE EEN DATASPECIALIST?
Moet iedere organisatie nu zo snel mogelijk een dataspecialist in de hand nemen? Angie: “Nee. Organisaties moeten zich focussen op waar ze goed in zijn en bedenken hoe data hen hierin kan ondersteunen. Vraag vervolgens externe data-experts om jou te helpen die kansen te benutten.”
Maar hoe beginnen organisaties met analytics en AI? Richard vult aan: “Wij raden aan om na te denken en te onderzoeken wat analytics en AI kunnen betekenen voor je dienst of product. Én wat het kan betekenen voor het optimaliseren van je bedrijfsprocessen. Op basis hiervan kan je heel kleinschalig en goedkoop beginnen met een afgebakend experiment. Is dat een succes? Dan breid je het experiment beetje bij beetje uit. Je hoeft niet ineens je processen radicaal om te gooien. Er zijn geen grote investeringen in soft- of hardware meer nodig op voorhand. Bij Azure betaal je alleen voor wat je daadwerkelijk gebruikt. Een paar jaar geleden was de benodigde technologie alleen bereikbaar voor de hele grote jongens. Die drempel is nu weg. Dus ga op zoek naar de meerwaarde van data voor jouw organisatie, doe een proef en breid deze stap voor stap uit.”
LAAT JE INSPIREREN
Sommige bedrijven vinden het moeilijk om een start te maken met analytics en artificial intelligence. Anderen zijn sceptisch. Weer anderen twijfelen over hoe ze laagdrempelig en kostenefficiënt een begin kunnen maken, zonder dat de opbrengsten al duidelijk zijn.
Richard stelt die bedrijven graag gerust: “Laten we beginnen met benadrukken dat deze twijfels logisch zijn. Bekritiseren is gemakkelijk, maar probeer eens te geloven in de mogelijkheden van analytics en AI. Of sta er ten minste voor open om je te laten overtuigen. Laat je inspireren door de talloze succesvolle voorbeelden en ontdek wat analytics en AI voor jouw organisatie gaan betekenen.”
