De evolutie van AI in het bedrijfsleven:hoe ver we zijn gekomen

Toen ik vanmorgen mijn e-mail opende, kreeg ik een waarschuwing over een oud bericht dat ik had verzonden. De waarschuwing zei:"10 dagen geleden verzonden; wil je volgen?” Ik moest mijn collega er inderdaad aan herinneren te reageren. De ervaring deed me nadenken over hoe ver we zijn gekomen en wat ons te wachten staat met kunstmatige intelligentie (AI) in het bedrijfsleven.

Bijna 40 jaar geleden raakte ik gefascineerd door dit vakgebied, toen ik een student was aan Berkeley bij professor Alice Agogino. Professor Agogino tekende dit eenvoudige diagram op het bord.

AI-systemen werden destijds expertsystemen genoemd. Ze stelden meer mensen in staat om de meeste taken op expertniveau uit te voeren. Ze verbeterden het potentieel van gebruikers en verlegden de prestatiecurve voor het hele bedrijf. Met deze systemen konden experts zich concentreren op de meest uitdagende taken die alleen zij konden uitvoeren.

In de loop der jaren is dit overtuigende idee - dat technologie onze prestaties op grote schaal kan vergroten - me bijgebleven. Het heeft mijn passies gevormd en mijn eigen professionele reis heeft het traject van AI zelf gevolgd.

Maar onderweg waren er verschillende uitdagingen. Modellen in onze systemen hadden de neiging om achter te blijven bij veranderingen in het bedrijf; hoewel ze het probleem van gisteren optimaal zouden oplossen, zouden ze geleidelijk aan muf worden. Ze hadden toegewijde teams nodig voor zowel gebruik als onderhoud.

Waar we nu zijn

De huidige AI-systemen verschillen op drie manieren fundamenteel van vroege expertsystemen en traditionele bedrijfsoplossingen:

• We gebruiken ze anders;

• De nadruk op intelligentie is verschoven van automatisering naar augmentatie, en

• AI-systemen leren van gebruik en passen zich aan veranderingen in het bedrijf aan.

Hoe we ze gebruiken: Traditionele bedrijfsoplossingen zijn vaak versnipperd. Eén set systemen vertelt u hoe uw bedrijf momenteel is running (traditionele business intelligence), een andere helpt u beslissen hoe om uw bedrijf te runnen, en nog een andere stelt u in staat om wat u deed vast te leggen om uw bedrijf te runnen (enterprise resource planning).

Gebruikers moeten vervelende en onsamenhangende paden volgen, van beschrijvende en diagnostische analyses tot voorspellende analyse en optimalisatie met behulp van digitale tweelingmodellen. Zodra een beslissing is genomen, moeten ze zich omdraaien en die beslissing in hun ERP vastleggen.

Wanneer we daarentegen AI gebruiken, beginnen we direct met aanbevelingen en kunnen we voorspellende, diagnostische en beschrijvende inzichten verkennen als verklaringen. AI biedt stapsgewijze richtlijnen om actie te ondernemen, zelfs als we beslissingen nemen die afwijken van de aanbevelingen.

Een accentverschuiving: Traditionele expertsystemen waren te veel gericht op automatisering. De huidige AI-systemen kunnen ons helpen om bedrijfsprocessen te navigeren en te orkestreren. Naar mijn mening is het beter om AI te zien als verhoogd intelligentie in plaats van kunstmatige intelligentie. Tegenwoordig zien we AI als iets dat we kunnen trainen en aanpassen aan onze behoeften.

Leren en aanpassen :Traditionele bedrijfssystemen zijn statisch en hebben de neiging om na verloop van tijd oud te worden. Ze hebben verbeteringen en herzieningen nodig om feedback of wijzigingen in het bedrijf op te nemen. AI-systemen zijn daarentegen dynamisch. Ze leren en passen zich aan veranderende zakelijke behoeften aan. Hoe meer u ze gebruikt, hoe slimmer en effectiever ze na verloop van tijd worden.

Wat er in het verschiet ligt

Hoewel krachtig, brengen AI-mogelijkheden enkele uitdagingen met zich mee.

Ten eerste vereist het verkrijgen van de meeste waarde uit AI ijverig verandermanagement, zowel in gedrag als in houding ten opzichte van technologie. Als mensen technologie zien als een bedreiging of als een middel om hun prestatiedoelen te verhogen, zullen ze werken om het succes ervan te saboteren. Ook als AI-adoptie leidt tot verlies van controle of persoonlijk contact met klanten en leveranciers, of cross-functioneel denken belemmert, zal het mislukken.

Aan de andere kant, als mensen de AI zien als een nieuwe set tools die hun leven gemakkelijker maken, slimmer maken, samenwerken tussen organisaties en meer bereiken, zullen ze eraan werken om het succesvol te maken.

De tweede kwestie gaat over ethiek in AI. We moeten AI transparanter en ethischer maken. Modellen voor machinaal leren leren wat ze hebben geleerd en waaraan ze zijn blootgesteld. Als de gegevens bevooroordeeld zijn, is de AI dat ook. Ook volgt niemand graag aanbevelingen uit een black box op. AI-modellen moeten hun aanbevelingen uitleggen, welke aannames zijn gedaan, welke patronen zijn waargenomen en welke opties transparant zijn onderzocht.

Ten slotte moeten we ons afvragen of de problemen die we met AI proberen op te lossen wel de juiste zijn om op te lossen. We zouden moeten werken om AI te gebruiken om het menselijk bereik te vergroten en levens te verbeteren, in plaats van ze te beheersen.

De transformatie van AI tot nu toe was in één woord revolutionair. Hoe meer we deze technologie omarmen, benutten en verbeteren, hoe meer onze bedrijven zullen verbeteren.

Adeel Najmi is Chief Product Officer bij LevaData.