💡 Eén van de meest gestelde vragen over artificiële intelligentie die ik krijg, is: "Hoe weet ik of de toepassing van artificiële intelligentie voor onze onderneming nuttig is?".

Het antwoord is niet zo eenvoudig, vandaar dat men ook spreekt over "data science". Wees op uw hoede voor "specialisten" die binnen 5 seconden antwoorden dat artificiële intelligentie sowieso in élk bedrijf toegevoegde waarde biedt.

De term "data science" is niet zomaar willekeurig gekozen. Het woordje “science” is belangrijk, omdat het vakgebied eerder tot het domein van de wetenschap dan tot het domein van IT behoort. Het gebruik van wetenschappelijke methoden zorgt ervoor dat de inzichten die worden verkregen uit data betrouwbaar en reproduceerbaar zijn. Hoewel programmeervaardigheden belangrijk zijn voor data science, is statistische kennis en bedrijfskennis, om verbanden te leggen en waardevolle inzichten te distilleren, de kern van het vakgebied. Wanneer men een A.I. model traint, dan wordt de nauwkeurigheid van resultaten gemeten en geverifieerd, op data waarvan we weten dat die correct gelabeld is. Zo kunnen we de accuraatheid van AI modellen bepalen. Echter weet je, als mens, nooit op voorhand of een dataset iets waardevols oplevert en daarom is voorafgaandelijk onderzoek onontbeerlijk.

Maar hoe bepaal je dan welke use cases potentieel nuttig kunnen zijn? Er zijn wel een aantal stappen die je kunt volgen:

1️⃣ Het is belangrijk om je bedrijfsprocessen in kaart te brengen en te analyseren waar de knelpunten, kansen en uitdagingen liggen (business analyse). Welke taken kosten veel tijd, geld of moeite? Welke processen kunnen efficiënter, effectiever of klantvriendelijker worden gemaakt? Welke doelen wil je bereiken of welke problemen wil je oplossen? Wil je voorspellingen doen? Wil je objecten classificeren? Wil je teksten of informatie verwerken?

2️⃣ Het is essentieel om te kijken welke data je ter beschikking hebt en wat de kwaliteit daarvan is (data science). Data is de brandstof voor artificiële intelligentie, dus zonder voldoende, relevante en betrouwbare data kun je geen goede use cases ontwikkelen. Data komt in veel verschillende vormen (tekst, cijfers, afbeeldingen, ...) en kan heel divers zijn (databases, Excel, e-mails, ...). Hoeveel data heb je? Hoe gestructureerd is het? Hoe actueel is het? Hoe representatief is het voor de situatie die je wilt verbeteren?

3️⃣ Het is raadzaam om gespecialiseerde mensen in te schakelen die je kunnen helpen bij het identificeren, prioriteren en valideren van use cases voor artificiële intelligentie. Wees kritisch, pols naar de oorsprong van hun kennis. Zij hebben de ervaring en tools om je te ondersteunen bij het hele traject, van idee tot implementatie. Zij kunnen je ook adviseren over de ethische aspecten van artificiële intelligentie.

✉ Voel je vrij om mij een berichtje te laten indien je vragen hebt over artificiële intelligentie.