AI in business: van vroege adoptie tot hedendaagse doorbraken

Bij het openen van mijn e-mail vanochtend, werd ik gepresenteerd met een alert op een oud bericht dat ik had verstuurd. De alert zei: "Verstuurd 10 dagen geleden; wilt u follow-up doen?" Inderdaad, ik moest mijn collega herinneren te reageren. De ervaring liet me reflecteren over hoe ver we gekomen zijn en wat er voor ligt met kunstmatige intelligentie (AI) in business.

Ik werd gefascineerd door dit veld bijna 40 jaar geleden, toen ik undergraduate student was aan Berkeley onder Professor Alice Agogino. Professor Agogino tekende dit simpele diagram op het bord.

Toen werden AI-systemen expert systemen genoemd. Ze stelden meer mensen in staat de meeste taken op expert-niveau uit te voeren. Ze verbeterden het potentieel van gebruikers en verschoven de prestatiecurve voor het hele bedrijf. Met deze systemen konden experts zich richten op de meest uitdagende taken die alleen zij aan konden.

De afgelopen jaren, bleef dit overtuigende idee — dat technologie onze prestaties op schaal kan uitbreiden — bij me. Het heeft mijn passies gevormd, en mijn eigen professionele reis heeft de trajectorie van AI zelf gevolgd.

Maar onderweg waren er verschillende uitdagingen. Modellen in onze systemen hadden de neiging om achter te hinken op veranderingen in het bedrijf; hoewel ze gisteren's probleem optimaal oplosten, werden ze geleidelijk verouderd. Ze hadden toegewijde teams nodig voor gebruik alsook voor onderhoud.

Waar we vandaag staan

Vandaag's AI-systemen zijn fundamenteel anders van vroege expert systemen en traditionele bedrijfsoplossingen op drie manieren:

• We gebruiken ze anders;
• De nadruk op intelligentie is verschoven van automatisering naar augmentatie, en
• AI-systemen leren van gebruik en passen zich aan aan veranderingen in het bedrijf.

Hoe we ze gebruiken: Traditionele bedrijfsoplossingen zijn vaak gefragmenteerd. Één set systemen vertelt u hoe uw bedrijf momenteel draait (traditionele business intelligence), een andere helpt u beslissen hoe uw bedrijf te runnen, en nog een ander stelt u in staat wat u deed om uw bedrijf te runnen te registreren (enterprise resource planning).

Gebruikers moeten tedieuze en ontkoppelde paden volgen, van descriptieve en diagnostische analytics naar voorspellende analyse en optimalisatie met digitale tweelingmodellen. Dan, zodra een beslissing genomen is, moeten ze omdraaien en die beslissing registreren in hun ERP.

In tegenstelling, wanneer we AI gebruiken, beginnen we direct met aanbevelingen en kunnen we voorspellende, diagnostische en descriptieve inzichten verkennen als uitleg. AI biedt stap-voor-stap richtlijnen om acties te ondernemen, zelfs als we beslissingen nemen die afwijken van de aanbevelingen.

Een verschuiving in nadruk: Traditionele expert systemen waren te veel gefocust op automatisering. Vandaag's AI-systemen kunnen ons helpen navigeren en orchestreren van bedrijfsprocessen. Meiner mening na, is het beter om AI te zien als versterkte intelligentie in plaats van kunstmatige intelligentie. Vandaag zien we AI als iets wat we kunnen trainen en aanpassen aan onze behoeften.

Leren en aanpassen: Traditionele bedrijfssystemen zijn statisch en neigen om verouderd te raken over tijd. Ze hebben verbeteringen en herziene versies nodig om feedback of veranderingen in het bedrijf te incorporeren. AI-systemen, in tegenstelling, zijn dynamisch. Ze leren en passen zich aan aan veranderende bedrijfsbehoeften. Hoe meer u ze gebruikt, hoe slimmer en effectiever ze worden over tijd.

Wat de toekomst brengt

Hoewel krachtig, poseren AI-mogelijkheden enkele uitdagingen.

Eerst, het halen van de meeste waarde uit AI vereist nauwkeurig change management, in zowel gedrag als houding jegens technologie. Als mensen technologie als een dreiging zien of een middel om hun prestatiedoelen op te rekken, zullen ze werken om het succes te sabberen. Ook, als AI-adoptie verlies van controle of persoonlijke aanraking met klanten en leveranciers betekent, 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 makkelijker maakt, ze slimmer maakt, over organisaties heen collaboreert, en meer bereikt, zullen ze werken om het succesvol te maken.

Het tweede punt gaat over ethiek in AI. We moeten AI transparanter en ethischer maken. Machine-learning modellen leren wat ze geleerd zijn en waaraan ze blootgesteld zijn. Als de data gebiasd is, zal de AI dat ook zijn. Ook, niemand volgt graag aanbevelingen van een black box. AI-modellen moeten hun aanbevelingen uitleggen, welke aannames gemaakt zijn, welke patronen gevoeld zijn, en welke opties verkend zijn transparant.

Ten slotte moeten we ons afvragen of de problemen waar we AI voor willen oplossen, de juiste zijn om op te lossen. We zouden moeten werken om AI te benutten om de menselijke bereik uit te breiden en levens te verbeteren, in plaats van te controleren.

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

Adeel Najmi is chief product officer bij LevaData.