‘We hebben in de eerste plaats AI-vertalers nodig’

Artificial Intelligence (AI) werkt fundamenteel anders dan software zoals we die vandaag gebruiken, zegt Mieke De Ketelaere, program director AI bij imec. Net daarom zijn we er zo ongerust over. Onbekend maakt onbemind. We hebben in de eerste plaats AI-vertalers nodig, mensen met kennis van zaken die kunnen uitleggen wat AI kan (en wat niet). Daarna pas kunnen we gaan nadenken: hoe gaan we AI inzetten in onze bedrijven?

Een artikel beginnen met een definitie is een officiële no-go. “Ik zou je aanraden om dat wel te doen”, aldus Mieke De Ketelaere. “Er is nog teveel onduidelijkheid over wat AI precies is.” Bij deze: in essentie is Artificial Intelligence een systeem dat in staat is om zelfstandig te leren en dat autonome beslissingen kan maken.

Toepassingen zijn even divers als de sectoren waarin ze worden ontwikkeld, en gaan van personalisatie van het filmaanbod, over de koers voorspellen, tot een score toekennen voor een lening. “We gebruiken dus wel gewoon het woord AI, maar waar we het precies over hebben verschilt van toepassing tot toepassing.”

Is er intussen niet al genoeg geschreven over AI? Hebben we er een zoveelste artikel over nodig? Jazeker, aldus De Ketelaere. Want er moeten nog heel veel misvattingen de wereld uit, en kennis over AI is dé voorwaarde om de technologie de komende jaren verder uit te werken in het bedrijfsleven en de samenleving.

“Je kan de situatie vandaag vergelijken met een autosnelweg in de jaren vijftig”, zegt ze. “We rijden aan 220 kilometer per uur, zonder keuringsbewijs, zonder rijbewijs en er is geen pechstrook. We kunnen het niet aan wetenschappers overlaten om AI te ontwikkelen, of aan de overheid, of aan bedrijven. Het zal enkel werken als we multidisciplinair samenwerken, als we ecosystemen bouwen, waar ruimte is voor experiment.”

Het probleem is vaak dat verschillende domeinen verschillende talen spreken. Zo spreekt een psycholoog een andere taal dan een web developer, terwijl ze allebei een stem moeten hebben. We hebben dus AI-vertalers nodig, stelt De Ketelaere. En vanuit dat perspectief haalt ze samen met Ahmed Fenidek, practice manager en AI-expert bij Sigma Conso, zes elementen aan die iedereen in het bedrijfsleven zou moeten weten over AI.

1. Start met de vraag

 Tot op vandaag ligt de bal meestal in het kamp van de ingenieurs en developers: zij ontwikkelen de AI-technologieën, en gaan dan pas denken over de vraag waarvoor ze die kunnen inzetten. “Dat moeten we omdraaien”, aldus De Ketelaere. “Eerst komt de vraag: wat willen we oplossen binnen ons bedrijf? Wat is het doel? En dan pas kunnen we gaan kijken hoe de technologie ons daarbij kan helpen.” Binnen finance departementen zijn heel wat mogelijkheden voor AI-toepassingen, legt Fenidek uit. “De laatste drie jaar krijgen CFO’s steeds meer data te verwerken, en worden de vragen die ze van het management krijgen ook steeds complexer. Specifieke AI-systemen zullen een must worden om de toenemende datastroom te verwerken.”

2. AI mindshift

“AI vertrekt vanuit een fundamenteel ander uitgangspunt dan de systemen die we tot nog toe gebruiken”, legt De Ketelaere uit. “Vandaag werken onze softwarepakketten volgens vaste regels. Je weet dat je systeem steeds weer hetzelfde zal doen met de input en de opdracht die je het geeft. Artificial Intelligence daarentegen leert voortdurend zelf bij, en dus zal het niet elke keer volgens dezelfde regels werken.” Leren impliceert falen, het betekent dat je bij AI rekening moet houden met een bepaalde foutmarge. “Dat lijkt voor sommige finance professionals een grote hindernis”, zegt Fenidek. “Maar zelfs als je de foutenmarges incalculeert, hebben AI-systemen een enorm potentieel. De klassieke 80/20 verdeling, 80 procent dataverzameling en 20 procent analyse, kan je dankzij AI omdraaien.”

3. Leren van en met AI

Hoe leert het systeem of het op de juiste weg is? Het leert van en door de feedback van mensen. Het systeem stelt een aantal mogelijke antwoorden voor op een vraag, en het is aan de mens om die te interpreteren, vragen te stellen aan het systeem, en te handelen naar de output van het AI-systeem. “Doorheen de tijd leren zowel mensen als systemen van elkaar, en groeien ze samen verder. Dat is een win-win voor iedereen”, zegt De Ketelaere. Fenidek ziet de ontwikkeling van AI dan ook vooral in combinatie met de ontwikkeling van natural language processing. “Hoe gemakkelijker een zelflerend systeem begrijpt wat iemand vraagt, hoe inzichtelijker zowel de data als het denkproces voor mensen wordt. Dat zou een grote added value kunnen zijn.”

4. Afbakening is kunst

“AI-toepassingen werken vandaag vooral goed in duidelijk afgebakende domeinen, met een duidelijke omschrijving van de gewenste output en enkel als er goede input in de vorm van data voorhanden is”, zegt De Ketelaere. Een schaakrobot zal je dus niet kunnen helpen met gezichtsherkenning, en een algoritme dat fraude met kredietkaarten opspoort, is niet in staat om een schaakspel te winnen. “Dat klinkt logisch, maar the devil is in the detail: hoe baken je fraude precies af? Hoe herken je een gezicht? Zaken die we als mensen vrij gemakkelijk “weten”, vallen vaak moeilijk te vatten in een computersysteem. Dus moet je hier ook weer grensoverschrijdend gaan werken. Ik vergelijk het vaak met een restaurant opstarten”, zegt de Ketelaere. “Je hebt meer nodig dan een kok, of een goed recept, om een succesvol restaurant uit te bouwen. Je maakt een studie van de omgeving, wie woont er en hoe gemakkelijk bereikbaar is het gebouw dat je op het oog hebt? Met andere woorden: wat is je doelpubliek? Ten tweede: Welke mensen heb je nodig om de zaak te laten draaien? Je hebt niet enkel een kok nodig, maar zaalpersoneel die extra uitleg kunnen geven over het menu, en die de wensen van de klant kunnen communiceren naar de keuken toe. Net hetzelfde bij het uitwerken van een AI-tool: je hebt er heel wat verschillende profielen voor nodig. En tenslotte: in welk keukenmateriaal moet je investeren, en welke ingrediënten koop je, om de gerechten te kunnen maken? Dus bij AI: hoe moet je de software schrijven, en welke data heb je er precies voor nodig?”

5. De AI-verbanden

AI blijkt vandaag vooral uit te blinken in het herkennen van patronen, en in het identificeren van outliers. Het gaat op zoek naar verbanden in grote datasets, en kan op basis daarvan aangeven wat uit de band springt. Dat maakt het nuttig voor het aangeven van retentie bijvoorbeeld in een HR-departement, stelt De Ketelaere. “Op basis van het veranderende gedrag van je werknemers kan een AI-systeem voorspellen welke mensen op zoek zullen gaan naar een andere job. Ook Fenidek denkt vooral aan detectie van fraude en aan forecasting. “Ik geloof vooral in de kracht van de dialoog met AI-systemen”, zegt hij. “Een salesverantwoordelijke kan op basis van zijn aanvoelen van de markt bijvoorbeeld correcties suggereren aan het AI-systeem.”

6. AI pragmatisme

De nieuwe technologieën zullen nooit de grote wereldproblemen oplossen, benadrukt De Ketelaere. “We moeten van AI geen oplossingen vragen voor problemen waar we zelf als mens niet uit geraken. Een systeem wordt nog steeds ontworpen door mensen, met alle onverwachte kronkels die daarbij horen.” De specifieke systemen die we ontwerpen, zullen dan ook pragmatische, kleine stapjes zijn die de de weg vrijmaken voor systemen met een grotere impact. “Vijf jaar geleden was predictive forecasting nog een gadget”, zegt ook Fenidek. “En vandaag is het een must. Klanten vragen ons: waarom nu? Het antwoord is dat we de computing power hebben, dat de methodes gevalideerd zijn, en dat we beschikken over de nodige data. Vandaag kan AI helpen bij de drie belangrijkste vragen: hoe gaat het vandaag met het bedrijf? Waarom is dat zo? En hoe zal het evolueren? Dit is een momentum dat we moeten grijpen.”

Tijdens de C-WEEK, onze digitale voorjaarsconferentie, organiseerden we een round table rond ‘Me, Myself and AI’. Tijdens een besloten, interactieve sessie gingen we met Mieke De Ketelaere in gesprek over wat AI voor onze finance- en HR-afdelingen kan betekenen.