Kunstmatige intelligentie (ai) staat op het punt om breed geaccepteerd te worden, zowel in het bedrijfsleven als in de maatschappij. Het kabinet heeft een glimmend strategisch actieplan gelanceerd en vijf Nederlandse bedrijven uit de eredivisie van het zakenleven hebben hun ‘Kickstart AI’-plannen bekend gemaakt. Al deze ambities hebben als doel om kunstmatige intelligentie in Nederland een boost te geven, de onderwijscapaciteit te vergroten en de positie van het land als een concurrerende en relevante wereldwijde ai-kennis-hub te benadrukken.
Dat is hard nodig want we liggen mijlen achter op het Verenigd Koninkrijk, China en de Verenigde Staten. Dat wil niet zeggen dat de slag al verloren is. Sterker nog: op een handvol big-tech-partijen aan de westkust van de VS na is het eigenlijk maar weinig bedrijven gelukt om hun bedrijf betekenisvol om te gooien met behulp van ai.
In de loop der jaren heb ik vaker met dat bijltje gehakt. Wat volgt is een korte uiteenzetting van wat er volgens mij nodig is om een ‘ai-bedrijf’ te worden en wat ik allemaal geleerd heb tijdens onze ontdekkingstocht.
Het probleem van het probleem
Hoe lullig het ook klinkt, het komt hierop neer: ai design is gewoon lastig. Vaak bouw je dingen waar je niet zeker van weet dat ze gaan werken. Daarnaast werk je in ai meestal niet van een probleem naar een oplossing. Het beginpunt van een project is niet ‘ik heb een probleem, los dit op’, maar ‘mijn werk is moeilijk en ik weet eigenlijk niet hoe dat veranderd kan worden’. De implicaties van die benadering zijn enorm: een datawetenschapper moet een veel diepere analyse maken van het hele domein waarin een proces plaatsvindt voordat hij aan het werk kan.
Om ai in grote complexe organisaties te introduceren is een aantal zaken essentieel. Het goede nieuws is dat deze tips industrie-agnostisch zijn:
Steun van de top is essentieel. Een cruciaal element is een innovatief management – ofwel leidinggevenden die ernaar streven om zich in de frontlinie van de ontwikkeling te begeven zodat ze de opkomende dan wel disruptieve technologieën in een vroeg stadium kunnen identificeren. Bijvoorbeeld: een managementteam dat nieuwsgierig is en zichzelf informeert over de mogelijkheden, potentie en tekortkomingen van technologie.
De volledige toewijding van het management om te transformeren naar een ai-bedrijf is doorslaggevend. Voor velen is ai nog steeds een relatief nieuwe hype waar weinig concrete kennis van is. Dit kan leiden tot onjuiste aannames zoals ‘Waarom laten we niet gewoon ai het perfecte product ontwerpen?’. Gebrek aan kennis leidt ook tot onnodige angsten resulterend in vragen als ‘Neemt ai mijn baan over?’ en foutieve aannames als ‘Mijn werk is uniek en complex.], Ai zal dit nooit kunnen verbeteren noch overnemen’. Communicatie vanuit het managementteam is daarom key om eventuele angst of scepsis weg te nemen. Zij dienen de gehele organisatie te informeren over de doelen, het belang van de transformatie voor het bedrijf en de voorwaarden voor succes.
Focus op specifieke oplossingen en het creëren van een cultuur van samenwerking. Een succesvolle ai-transformatie bestaat niet uit één oplossing die op mysterieuze wijze alle problemen oplost. Succes is gebaseerd op twee dingen: elk probleem heeft zijn eigen specifieke oplossing en er moet een cultuur worden gewaarborgd waarin iedereen samenwerkt.
De oplossing bestaat namelijk uit veel kleine componenten. De gemene deler van deze componenten is dat ze ontstaan op het raakvlak tussen de relevante expertises. Of je nu een toegewijd en multidisciplinair team hebt, een parttime werkgroep of een losse verzameling mensen, het belangrijkste is dat alle benodigde kennis samenwerkt om deze raakvlakken te creëren.
De externe ai-experts moeten zich enorme hoeveelheden informatie over het domein eigen maken en de juiste vakinhoudelijke kennis hebben om de uitdagingen te begrijpen. Het toegewijde team van het bedrijf dat de transformatie zal doorgaan zal eerst zelf moeten leren wat er met ai wel en niet mogelijk is en wat de beschikbare databronnen zijn.
De raakvlakken kunnen op verschillende manieren gecreëerd worden en iedereen die het interessant vindt of een idee heeft kan meedoen. Dit is waarom een cultuur van samenwerking, empowerment en initiatief zo belangrijk is. Het is daarnaast de verantwoordelijkheid van het managementteam om deze verbindingen en interfaces te ondersteunen, de kennis te verspreiden en de ai-expertise beschikbaar te stellen aan iedereen in de organisatie om zich er bekend mee te maken.
Zorg ervoor dat het een iteratief proces is. De ontwikkeling van een ai-oplossing kan op verschillende manieren tot stand komen. De ene keer is het een wilde gok van een van de ai-specialisten en de andere keer is het een initiatief van een van de teamleden. Beide manieren leiden tot de ontwikkeling van een interface, zodat de waarde van de oplossing kan worden beoordeelt en eventueel verder worden uitgewerkt.
Dit proces moet wel iteratief zijn omdat het probleem vaak complex is. En zoals eerder aangegeven is het de enige manier om erachter te komen of een oplossing werkt om een prototype te maken, te testen, ervan te leren en het vervolgens te verbeteren. Ongeacht de manier waarop de oplossing tot stand is gekomen, het uiteindelijke eindstation van het product is de eindgebruiker/business unit om hen steeds betere tools voor de klus te bieden.
Ontwerp de processen en oplossingen samen. Wanneer je de ai-oplossingen ontwerpt kan je óf het proces automatiseren óf het op een nieuwe manier proberen – misschien zelfs op een manier die nog niet eerder geprobeerd is.
Het is niet toereikend om de oplossingen los van het proces te ontwikkelen. De oplossingen en de manier van werken moeten gezamenlijk worden geëvalueerd, op de raakvlakken waar de ontwikkeling plaatsvindt. Werken binnen de bestaande processen is namelijk niet écht transformeren. De ai-oplossingen en bedrijfsprocessen moeten samen worden ontwikkeld en voortdurend worden verbeterd door middel van experimenten en aanpassingen.
Begin klein en blijf verder bouwen. Klinkt als een big deal? Klopt, dat is het namelijk ook. Transformatie vereist betrokkenheid en kritische zelfevaluatie. Wat het niet zou moeten zijn, is een grote investering vooraf. Het is niet nodig om te starten met het bouwen van een massief gedistribueerd data lake en het opzetten van een bedrijfsdata-strategie met alle toeters en bellen op de markt. Het gaat niet om de aanschaf van de nieuwste kant-en-klare oplossing, platform of framework.
Het is veel beter om kleinere projecten te gebruiken om de belangrijkste systemen te prototypen en testen. Dit kun je doen op de ‘move fast and break things’ manier van agile werken zodat je die kennis kunt gebruiken om bijvoorbeeld de datamanagement-strategie voor de hele organisatie op één lijn te brengen. Daarnaast is het echt niet nodig om direct een state-of-the-art cloud-infrastructuur te bouwen. Laat de eerste oplossingen je leren hoe de dingen moeten zijn, en laat de geest van ‘move slow and fix things’ je begeleiden bij het aanpassen, optimaliseren en onderhouden van je processen.
Mikko Koskinen, data scientist bij Reaktor
