mathijs-van-bree-artificial-intelligence

Starten met AI: zorg dat je deze fouten voorkomt

Het is niet zozeer de vraag of maar wanneer en eigenlijk vooral ook hoe te starten met Artificial Intelligence (AI). De adoptie van AI wordt nu vooral geremd door het gebrek aan gekwalificeerd personeel. 
Door Mathijs van Bree

Meer over AI

Het is niet zozeer de vraag of maar wanneer en eigenlijk vooral ook hoe te starten met Artificial Intelligence (AI). De adoptie van AI wordt nu vooral geremd door het gebrek aan gekwalificeerd personeel. Slechts 8 procent van het Nederlandse bedrijfsleven is in staat de juiste mensen te vinden, zo blijkt uit onderzoek van Strand Partners. Daarmee blijft het economisch potentieel van AI onbenut. Sterker nog, AI gaat gepaard met investeringen die alleen terugbetaald worden als de slimme technologie op de juiste manier wordt ingezet. Zorg er dus voor dat je deze fouten voorkomt zodra je gaat starten met AI.

Denken nadat er gedaan is

Als ontwikkelaars aan de gang gaan, kan er zomaar een goed idee op tafel te komen. Wat in eerste instantie interessant lijkt, blijkt later veelal een innovatief technisch hoogstandje zonder te weten of hiermee een echt probleem wordt opgelost. In zo’n proces wordt veel ingevuld voor anderen zonder dat deze collega’s vanuit de business, legal of zelfs eindgebruikers betrokken zijn. Zorg niet alleen voor zogeheten ‘technische metrieken’ maar ook ‘business metrieken’ die vooraf aan de ontwikkeling van een AI-oplossing concreet inzicht geven in de economische waarde voor de organisatie. Dan is een heldere strategie vanaf de start cruciaal waarbij collega’s vanuit andere disciplines direct actief betrokken worden. 

AI Adoptie-aanpak ontbreekt

De ontwikkeling van AI gaat gepaard met een helder adoptieplan. Anders is de inzet gedoemd te mislukken. Is er sprake van change management als de werkwijze voor eindgebruikers bijvoorbeeld verandert en wat is er nodig om de AI-app te gaan gebruiken en op welke manier? IT-experts verzuimen nog wel eens na te denken hoe AI ingebed kan worden in bestaande processen of procedures. Als het contact met eindgebruikers ontbreekt, kan zelfs een goed werkende AI-app adoptieproblemen opleveren. ,

Data-infra en -kwaliteit niet klaar voor AI

Garbage in, garbage out geldt natuurlijk ook voor AI. Toch is het gebrek aan een goede data-infrastructuur en -kwaliteit een veel voorkomende fout waarmee het AI-potentieel onbenut blijft. Van groot belang dus! In algemene zin kun je zeggen dat de IT-volwassenheid van de organisatie een bepalende factor is. Een geoliede data-infrastructuur verhoogt de kans van slagen van AI-projecten. Steeds vaker zijn ook GPU’s nodig voor het gebruik van de best presterende AI-modellen. Kijk eveneens kritisch naar de bestaande cloudinfrastructuur. Het gebrek aan een (publieke) cloudinfrastructuur kan het succes van AI-projecten belemmeren.

Gokken op één POC

De kans van slagen is geen gelopen race bij AI-projecten. Dus ga niet op één paard wedden om teleurstelling en demotivatie om verder te gaan te voorkomen. Identificeer daarom een use-case die alles in zich heeft om te slagen waar tegelijkertijd geen hoge verwachtingen mee gepaard gaan. Verwachtingsmanagement dus waarbij realistische doelen worden gesteld.

AI krijgt een speciale behandeling

Vaak wordt een speciaal traject ingericht voor de ontwikkeling van AI-systemen. Zo kan het gebeuren dat AI-applicaties worden ontwikkeld zonder dat bijvoorbeeld kwaliteits-, test- en veiligheidsnormen worden toegepast die wel in reguliere applicatie-ontwikkelprocessen zijn ingebed. Gebrek aan AI-testexpertise is veelal de oorzaak. Zo is het bij specifieke Large Language Models lastig om te testen of vragen goed beantwoord worden. Simpelweg omdat antwoorden kunnen variëren. Een multidisciplinair team biedt dan uitkomst. Daarin zitten experts die weten hoe bijvoorbeeld end-to-end tests in te zetten in combinatie met de validatie van non-deterministische antwoorden. Zorg er dus voor dat AI-systemen met dezelfde kwaliteitseisen worden ontwikkeld als reguliere IT-applicaties.

Performance boven uitlegbaarheid

In de academische wereld is accuraatheid van AI-modellen de belangrijkste maatstaf. Dat geldt niet voor het bedrijfsleven waar uitlegbaarheid leidend is. Als de AI-oplossing meer dan 95 procent goede beslissingen neemt zonder te weten hoe en waarom deze tot stand zijn gekomen, wordt het adoptieproces een moeizaam traject. 

gepubliceerd in op Computable.nl, geschreven door Mathijs van Bree

Waarom Sogeti?

AI is de toekomst ‒ ook van Sogeti. Daarom hebben we een groot team AI-specialisten die zich bezighouden met het ontwikkelen van AI en met toepassingen die we niet alleen uittekenen, maar ook in de praktijk brengen. Lees meer over Artifical Intelligence en/of vraag ons naar de workshop AI in a Day.

Contact opnemen   Meer over AI

Vragen? Stel ze gerust.

Elise Velders AI, Integration & Automation
Phone number: +31 886 606 600