Geschreven door Greywise Consultancy in samenwerking met Enjins
Wat is Artificial Intelligence?
Artificial Intelligence creëert business waarde door repetitieve keuzes te automatiseren en/of te optimaliseren.
Technologisch bedrijven hebben baat bij AI omdat dit zorgt voor een schaalbaar bedrijfsmodel: met hetzelfde aantal assets een grotere groep gebruikers adresseren, een hogere omzet realiseren, etc. Een voorbeeld hiervan is Netflix. Het Netflix algoritme doet iedere dag miljoenen voorspellingen (elke keer als een gebruiker inlogt op Netflix). Enerzijds, automatiseren zij de keuzes welke film of serie wordt aangeraden. Er komt tenslotte geen filmexpert aan te pas. Anderzijds, optimaliseert het diezelfde keuze door op basis van historische informatie en kijkgedrag, de optimale film of serie aan te bieden. Het doel is dat het algoritme het beter zou kunnen dan een film expert. Vaak gaan de twee (het algoritme en de expert) hand-in-hand. Soms ook niet. Hoe vaker een keuze opnieuw gemaakt moet worden, hoe beter Artificial Intelligence kan leren van historisch gemaakt keuzes.
Waar technologische bedrijven schaalvoordelen ervaren door AI, is dat voor productie (maak) bedrijven in mindere mate het geval. AI zal er in veel situaties niet direct voor zorgen dat een productieproces in output zal verdubbelen en daarmee een grotere groep klanten kan adresseren (schaalbaarder wordt). AI is voor productiebedrijven interessant daar waar repetitieve keuzes worden gemaakt. Voorbeelden hiervan zijn gerelateerd aan forecasting en planning, optimalisatie van productieprocessen en het voorspellen van onderhoudsbehoeften. AI kan zo dus wel zorgen voor productiviteitsverhoging.
Hoe verhoudt Artificial intelligence zicht tot Machine Learning?
Machine Learning (ML) is een subset van Artificial Intelligence (AI). Het is een verzamelterm voor machines (algoritmes) die menselijke keuzes nabootsen door op basis van historische data voorspellingen te doen, welke vertaald worden tot een keuze. Hierin onderscheid Machine Learning zich van de bredere term AI, die ook het automatiseren en optimaliseren zonder voorspellingen omvat. Denk hierbij aan automatische beslissingen op basis van vooraf geprogrammeerde regels: als dit, dan dat. De kenmerkende eigenschap van Machine Learning is juist dat deze regels niet vooraf geprogrammeerd worden, maar geleerd worden vanuit de data.
Vaak wordt Machine Learning in een adem genoemd met zelflerende algoritmes. De veelvoorkomende misconceptie hierdoor is dat Machine Learning zelf het initiatief neemt om opnieuw te leren, waardoor de mens (Data Scientist) niet meer in controle is van het algoritme zelf. Dat is over het algemeen niet het geval. Machine Learning algoritmes worden tijdens de ontwikkelfase getraind op bestaande datasets, waarmee zij op basis van deze historische dataset de optimale beslissingen in verschillende situaties kunnen leren. Wanneer dit algoritme vervolgens in de praktijk gebruikt wordt, worden alle nieuwe beslissingen genomen op basis van het vooraf getrainde model. Wanneer nieuwe data verzameld is kan het zeker waardevol zijn het model te hertrainen, en dit kan op den duur geautomatiseerd worden, maar een continu zelflerend algoritme is eerder uitzondering dan regel.
Hoe intelligent is Artificial Intelligence?
Deze vraag kun je beantwoorden door te kijken in welke mate ChatGPT instaat is een eindexamen af te leggen. Maar dat is niet waar momenteel in het bedrijfsleven AI wordt ingezet en waarde creëert. Een concreter voorbeeld, dat representatief is voor hoe AI wordt ingezet, is het pricing algoritme van Uber. Door te voorspellen waar drukte ontstaat, en menselijk gedrag op basis van prijswijzigingen te voorspellen, wordt continu de optimale prijs voor de passagier en compensatie voor de chauffeur bepaald die zorgt voor minimale wachttijden voor de klant, en tegelijkertijd de marges voor Uber optimaliseert. Intelligent? Allicht. Echter, als je het algoritme zou vragen om de prijs van een buskaartje of vliegticket te bepalen, staat het met lege handen. Alle bepalende factoren zijn in deze context namelijk anders. Kortom, het algoritme optimaliseert alleen binnen de data en het keuzeproces waarop het getraind is. Daarbuiten kan het slecht inkleuren. Daarbinnen, daarentegen, zal het meer onderlinge verbanden kunnen leggen dan iedere menselijke expert.
Wat is het verschil tussen AI and Business Intelligence?
Waar AI zich richt op het automatiseren en/of optimaliseren van repetitieve keuzes, richt BI zich op het analyseren en interpreteren van gegevens om strategische beslissingen te ondersteunen. BI omvat meestal het verzamelen, opslaan en analyseren van gegevens uit verschillende bronnen, zoals databases, spreadsheets en andere bedrijfssystemen. Het doel van BI is om bruikbare inzichten te bieden die beslissingen kunnen ondersteunen.
- Frequentie: BI gaat vaak over minder frequente en strategische beslissingen: wat moet ons prijspeil zijn voor volgend jaar? In welke markten kunnen we groeien? Etc. AI focust juist op zeer frequente beslissingen. Variërend van iedere seconde tot meerdere malen per dag of per week. Bijv: wat is de prijs van product A voor vandaag gegeven huidige stock levels, competitie, etc.
- Repetitie: BI is vaker ad-hoc. Iemand van het management heeft een hypothese, een uitzoekvraag. Deze wordt gedeeld met een analist en die gaat de inzichten verzamelen om antwoord te geven op de uitzoekvraag. AI is repetitief: je kan het systeem niet van de een op de andere dag een andere uitzoekvraag
- Tijd: Business Intelligence is vaker bezig met het begrijpen van wat er historisch gebeurd is en dat te kunnen verklaren. AI kijkt juist vooruit, probeert voorspellingen te maken en sturend te zijn op de te maken keuze.
- Resultaat: AI focust op een samenwerking tussen mens & machine. BI resulteert in reports, dashboards en KPI monitoring om de mensen te kunnen voeden met de juiste inzichten.
- Automatisering: de kracht van AI zit hem in de automatisering. BI blijft een human effort.
AI kan worden gebruikt om processen te automatiseren, gegevens te analyseren en voorspellingen te doen op basis van patronen en trends. In de context van productie kan AI worden gebruikt om productieprocessen te optimaliseren, onderhoudsbehoeften te voorspellen en de productkwaliteit te verbeteren.
