In welke fase van de hype cycle zit AI?

Hoe denken ze in jouw bedrijf over artificial intelligence (AI)? Ziet het management al mogelijkheden? Wordt het afgedaan als gebakken lucht? Of wordt AI al toegepast voor de verbetering van interne processen of extern, voor de marktbewerking? Algemeen gesproken: waar staat AI in de fameuze hype cycle?

Onderzoeksinstituut Gartner beschrijft de hype cycle nauwkeurig. Op basis van een keur aan innovaties en nieuwe technologieën classificeren ze zaken als bijvoorbeeld VR, AR, 3D(-printing en -video) en blockchain. De ‘levenscyclus’ van een hype loopt van innovatie, naar hype, piek, desillusie en uiteindelijk productieve toepassing.

Dertig jaar geleden deed ik een groot onderzoek onder directeuren met als kernvraag: ‘Wat denkt u dat de toegevoegde waarde van webtechnologie is voor uw bedrijfsvoering?’ De overall response was, in 3 woorden samengevat: ‘Leuk voor erbij’. Dat was dus duidelijk vóór de hype. Nu lijkt het met AI op een déjà vu.

Stappenplan voor AI

Want na het knappen van de internetbubbel aan het begin van deze eeuw, is een webloze wereld nauwelijks meer denkbaar. Businessmodellen zijn tegenwoordig veelal gestoeld op internet-technologie of maken daar minstens ruimschoots gebruikt van. Kijkend naar de ontwikkeling die AI nu doormaakt, lijkt het niet veel anders. Los van wat de sceptici ervan denken, is het duidelijk dat AI nu al nuttig wordt gebruikt en straks misschien ook essentieel zal blijken. Dat vraagt wel om een serieuze planmatige aanpak.

De AI-hype is niet voorbij, maar AI is wel voorbij de hype.

Zo’n plan bestaat uit 4 stappen, nadat het bewustzijn van de mogelijkheden van kunstmatige intelligentie in jouw bedrijf is ontstaan, namelijk:

1. Plantrekken
2. Experimenteren
3. Industrialiseren
4. Innoveren

Hieronder een toelichting op elk van deze stappen.

1. Plan trekken

Bij deze stap verzamel je de puzzelstukjes. Welke data-elementen zijn beschikbaar in de organisatie en hoe zouden die in elkaar passen. Enerzijds is er dus al het bewustzijn, in de zin van: ‘we hebben heel veel data’ en ‘we zouden er iets mee moeten kunnen doen’. Maar de grote vraag die openstaat is: ‘Hoe dan?’ Vaak blijkt de crux te zitten in de eilandjes- of silo-cultuur. Iedere afdeling heeft eigen data over de processen die daar spelen. Het feit dat die niet gedeeld – of in ieder geval niet gecombineerd – worden, leidt tot minder efficiëntie.

2. Experimenteren

Als je gaat experimenteren, doe je dat ook in een aantal stappen. Het uitgangspunt is daarbij wel dat het management van de organisatie doordrongen is van het feit dat het benutten van data en de toepassing van AI daarbij cruciaal is. Als die sense of urgency ontbreekt, wordt het een moeilijk verhaal. Het feit dat de top van het bedrijf er unaniem achter staat, zorgt ook voor meer acceptatie ‘op de werkvloer’. Daarnaast helpt dit commitment om de nodige funding en resources te krijgen voor de experimenten.

Met AI is het net als met koken: de kwaliteit van de ingrediënten (i.e. het team en de data) bepalen het resultaat.

De volgende belangrijke succesfactor is de diversiteit binnen het team. Daarbij gaat het deze keer niet over geslacht of etniciteit maar meer de interdisciplinariteit. Het is van groot belang dat het team inbreng heeft vanuit de verschillende functies binnen de organisatie. Natuurlijk zijn de IT’ers (data analisten, data scientists, prompt engineers) een belangrijke enabler.

Maar er moeten vooral ook collega’s uit de business betrokken worden. Een bedrijfskundige kan ook goede diensten bewijzen. Juristen zijn van belang om te zorgen dat alles binnen de wettelijke kaders gebeurt. Een bedrijfsstrateeg kan tenslotte helpen om te beoordelen of een en ander past in de richting die het bedrijf heeft gekozen. De ethische aspecten en standaarden moeten door het gehele team worden bewaakt.

Om het succes een beetje te helpen, is het van belang de juiste pilot-projecten te kiezen. Begin daarbij vooral niet te groot. kleine stapjes, quick wins, kunnen helpen het aantal medestanders snel te laten groeien.

Interdisciplinariteit is de sleutel tot een fraaie symfonie. Goede communicatie zorgt daarbij voor de juiste stemming.

3. Industrialiseren

Industrialiseren staat hier feitelijk gelijk aan ‘opschalen’. Uit de experimenten zijn ongetwijfeld ‘winnaars’ naar voren gekomen. Experimenten die het waard zijn om grootschalig te worden uitgerold. Dat vraagt misschien ook om een opschaling van het projectteam. Misschien kun je de activiteiten beter borgen in een eigen AI-afdeling. Daarbij komen we langzaamaan toch bij formele definities van de verschillende rollen binnen zo’n afdeling. En ook de schets van de bijbehorende technologische infrastructuur. Het wordt serieus.

De hoogste tijd om eens te kijken waar de prioriteiten binnen de organisatie moeten liggen. Daarvoor zijn checklists en het web-diagram dat daaruit voortkomt en prima hulpmiddel.

Sleutelfactoren voor succes

Hier een voorbeeld van een spiderdiagram, ook wel het AI-kompas. Aan de hand van een checklist met een tiental vragen maak je zichtbaar welk onderdeel binnen de organisatie de meeste aandacht nodig heeft.

4. Innoveren

De laatste stap uit het AI-stappenplan heeft een open einde. Omdat niemand kan voorspellen waar het zal eindigen. We maken al wel kennis met de AI-paradox. Die houdt in dat er door de snelheid en kwaliteit van AI als innovator er bij mensen een luiheid ontstaat. Dit onder het motto: de machine en het algoritme kunnen het toch allemaal sneller en beter. Daarin schuilt een kenmerkend gevaar van AI. Want waar innovatie door mensen gekenmerkt wordt door ontdekkingen waaraan nog nooit iemand aan heeft gedacht, kijkt AI voor innovatie simpelweg naar alles wat er al te zien is. Oftewel: menselijke creativiteit en intelligentie zal nodig zijn om tot echte innovatie te komen. Los nog van de ethische aspecten waarvoor menselijke ‘bewaking’ nodig is.

Maar het gaat natuurlijk wel heel goed als je deze menselijke capaciteiten combineert. Dat wil zeggen: laat ondersteunen door AI-technologie. De synergie die je daarbij kunt bereiken leidt tot mooie resultaten.

Het AI-kompas

Jackie Janssen beschrijft het allemaal keurig in zijn nieuwste boek ‘AI, de hype voorbij‘ (affiliate). Iedere stap gevat in een overzichtelijk hoofdstuk. Daarbij staan aan het begin steeds de genoemde checklists. Een tiental vragen om te bepalen in welk stadium jouw bedrijf zicht bevindt, als het gaat om het gebruik van data en de toepassing daarvan binnen AI. Ook die opzet doet mij denken aan mijn eigen onderzoek van 3 decennia terug. De scores op de vragen moeten leiden tot een ‘kompas’, feitelijk een spiderdiagram. Dat maakt zichtbaar welke aspecten extra aandacht verdienen als het gaat om implementatie van kunstmatige intelligentie in de organisatie.

Mede door AI zijn data geen bijproduct, maar een cruciaal onderdeel van de bedrijfsvoering.

Een handig standaardwerk

Het boek is alles bij elkaar genomen zeker aan te raden voor iedereen die met AI te maken heeft. Eigenlijk voor iedereen dus! Maar als je  voelt dat jouw bedrijf een schat aan data heeft maar die nog niet (goed) benut, kan het helemaal een interessante investering zijn.

Het gedetailleerde stappenplan is misschien wat voor de hand liggend. Maar met de checklists kun je als organisatie een prima inventarisatie maken: een plan van aanpak met experimenten opzetten en uiteindelijk daadwerkelijk de vruchten gaan plukken. Ook vrij basaal, de begrippenlijsten en de uitleg over allerlei vormen van en functies binnen AI maken het boek een nuttig naslagwerk. Zowel voor beginners als gevorderden.

De Vlaamse inslag, herkenbaar aan verschillende formuleringen en voorbeelden van onze zuiderbuur, mag daarbij geen belemmering zijn. De expertise en ervaring die Janssen met ons in zijn nieuwste boek deelt, is de moeite (en de prijs) zonder meer waard. Zeker en vast.