In science fictionverhalen wordt kunstmatige intelligentie vaak geassocieerd met een robot die zich als een mens gedraagt. Hij gaat zijn eigen gang, keert zich vervolgens tegen de mensheid en er is een heldendaad nodig om de wereld te redden. Een kunstmatige intelligentie die menselijk gedrag vertoont, wordt ‘strong AI’ genoemd, maar is nog heel ver weg. Een computersysteem dat op basis van data routinematige taken van mensen kan overnemen, noemen we weliswaar ‘weak AI’, maar is veel realistischer én heeft veel meer impact op organisaties, de samenleving en onszelf.
In de basis levert kunstmatige intelligentie vooral een verbetering op van de traditionele methoden van data-analyse die we kennen uit de statistiek. In die zin zou je kunnen redeneren dat we het hier over een hype hebben. Toch is er meer aan de hand. Er zijn namelijk meer methoden beschikbaar gekomen en de algoritmes voor machine learning zijn veel beter geworden, vooral door de ontwikkeling van neurale netwerken en deep learning. De rekenkracht is enorm toegenomen, waardoor analyses die voorheen een week duurden nu in minder dan een seconde kunnen worden uitgevoerd. Bovendien zijn er meer data beschikbaar dan ooit tevoren.Ontwikkeling AI in stroomversnelling
De ontwikkeling van de kunstmatige intelligentie is hierdoor het afgelopen decennium in een stroomversnelling gekomen. In alle organisaties is het belang van data en data-analyses groter dan ooit. De wijze waarop kunstmatige intelligentie wordt gebruikt is echter heel verschillend. Bedrijven richten zich in eerste instantie vaak op het verlagen van de kosten om daarmee de efficiency van het bestaande businessmodel te verbeteren. Als de ervaring toeneemt, ontwikkelen bedrijven een breder perspectief en richten ze zich bijvoorbeeld ook op het vergroten van de effectiviteit van de verkoop om hun marktaandeel te vergroten. De voorlopers gebruiken kunstmatige intelligentie om nieuwe producten en diensten te ontwikkelen en daarmee hun markt groter te maken of een nieuwe markt te creëren. De verschillen tussen de early adaptors en de laggerds nemen toe en het wordt voor de laatste groep steeds urgenter om aan te haken. Het is eenvoudiger gezegd dan gedaan om toepassingen van kunstmatige intelligentie te ontwikkelen en te implementeren. Een strategie voor kunstmatige intelligentie begint met het duidelijk voor ogen krijgen van je toekomstige businessmodel. Hoe zal de markt waarin je actief bent zich ontwikkelen en welke positie wil je daarin innemen? Weet je wat de concurrentie doet met kunstmatige intelligentie? En: zijn de concurrenten van nu ook de concurrenten van de toekomst of zullen nieuwe toetreders de verhoudingen in de sector fundamenteel veranderen? Wat je nodig hebt is een beeld van de kansen die kunstmatige intelligentie voor je organisatie in de volle breedte biedt, waarbij niet is uit te sluiten dat grote delen van de bestaande bedrijfsvoering moeten worden gereorganiseerd om die kansen te benutten.Digitale infrastructuur nodig
Voor de implementatie heb je een digitale infrastructuur nodig die je in staat stelt om data te verzamelen en te beheren op een manier die ondersteunend is aan het bedrijfsproces en die voldoet aan de wet- en regelgeving daaromtrent, zoals de Algemene Verordening Gegevensbescherming (AVG). Klinkt misschien ingewikkeld, maar dit is beslist niet de grootste barrière. Veel moeilijker is het om de juiste mensen te vinden die over de technische vaardigheden beschikken en die de businessbehoefte kunnen vertalen naar data-analyses. De beschikbaarheid van talent op het gebied van kunstmatige intelligentie is zo beperkt, dat organisaties zich moeten afvragen of zij in staat zijn om dergelijk talent zelf aan te trekken en vast te houden. Vaak is uitbesteden geen keuze, maar noodzaak.
En dan komt daar de weerstand vanuit de bestaande organisatie nog bij. Hoe zorg je ervoor dat de inzichten die je dankzij kunstmatige intelligentie verkrijgt in de processen van de organisatie worden geïmplementeerd? Kunstmatige intelligentiesystemen worden in eerste instantie vaak als expertsysteem geïntroduceerd. Mensen kunnen het systeem raadplegen en vervolgens naar eigen inzicht beslissen of zij de aanbeveling van het systeem volgen. De vrijblijvendheid neemt af als in de loop van de tijd blijkt dat het systeem betere uitkomsten genereert dan mensen. Uiteindelijk wordt de werkwijze omgekeerd en worden de beslissingen die door het systeem worden voorgesteld de standaard en kijken mensen mee om in te kunnen grijpen als er iets misgaat. Het is vergelijkbaar met de ontwikkeling van de zelfrijdende auto. Als een auto autonoom rijdt, is de bestuurder toch nog verplicht op te blijven letten en de handen aan het stuur te houden.
Ook voor overheden is er alle reden om proactief met kunstmatige intelligentie aan de slag te gaan. Hier liggen immers nieuwe mogelijkheden voor economische groei. Zoals bedrijven hun eigen concurrentiepositie beschermen, beschermen overheden de internationale positie van een land, bijvoorbeeld door te investeren in onderwijs en wetenschap, door privaat ondernemerschap te bevorderen en de transitie van de arbeidsmarkt in goede banen te leiden. Bovendien wordt er naar de overheid gekeken om een antwoord te vinden op de maatschappelijke risico’s van kunstmatige intelligentie. Door zelf actief onderzoek te doen en te investeren in kunstmatige intelligentie kun je als overheid voor je land niet alleen de directe vruchten plukken, maar ook invloed uitoefenen op de manier waarop kunstmatige intelligentie wordt uitgerold en toegepast.
Om de kansen te kunnen benutten is een realistisch beeld nodig van wat kunstmatige intelligentie werkelijk is. Wie de science fiction negeert en ziet wat er nu al mogelijk is en wereldwijd gebeurt, laat zich niet leiden door onnodige angst voor de technologie en realiseert zich dat de hypefase allang voorbij is.
- Willem Peter de Ridder geeft college tijdens de collegereeks Organiseren met Toekomst >>>
- Dit blog is gebaseerd op het boek Winnen met kunstmatige intelligentie van Willem Peter de Ridder.
