Skip to Content

Vier trends voor het opschalen van AI in 2022

Vier trends voor het opschalen van AI in 2022

Ontdek welke vier aandachtspunten je helpen concurrerend te blijven wanneer je wilt opschalen.

We leven in een wereld met ten minste 175 miljard spraaknuances, dus niet alleen wat we zeggen is van belang, maar vooral ook hoe we dat zeggen. Wanneer je met robots en Natural Language Processing te maken hebt, betekenen zulke nuances het verschil tussen een succesverhaal en een bevreemdende ervaring.

Dit is een van de vele verwachte trends voor 2022. Andere trends op het gebied van kunstmatige intelligentie (AI) leiden tot ingrijpende veranderingen in onze manier van leven en werken, én onze omgang met technologie.

Brad Porter, CTO van Scale AI, en Corey Patton, mede-oprichter en CEO van Pramana Labs, verrichten baanbrekend werk op AI-gebied. Daarom hebben we beiden gevraagd welke trends volgens hen gevolgen gaan hebben voor deze sector.

Dit zijn onze bevindingen:

1. Hoe meer, hoe beter: nauwkeurige AI kan niet zonder een uitgebreide context

“De meeste mensen hebben wel eens van Paris Hilton gehoord”, zegt Chou. Maar wat nu als een Engelstalig persoon een nacht in het Hilton in Parijs wil boeken? “Je kunt een AI-tool wel degelijk trainen om het verschil te herkennen, dus dat het in dit geval gaat om de hotelketen”, zegt hij.

Het antwoord: in het ideale geval doe je het allebei. Je probeert aan een enorme hoeveelheid data te komen, en die data probeer je heel nauwkeurig te labelen.

BRAD PORTER, CTO SCALE AI

Porter is het daarmee eens. “Uiteindelijk voeren deep learning-modellen een statistische redenering uit op basis van voorbeelden die ze eerder hebben gezien. Je moet dit soort modellen dus voorbeelden geven. De grootste uitdaging bij machine learning is dan ook om mensen te vinden die ‘Paris’ correct kunnen labelen.”

“We hebben hier dus te maken met de aloude afweging: hoeveel investeer je in het verkrijgen van meer data en hoeveel investeer je in de kwaliteit van de data die je labelt en annoteert? Het antwoord: in het ideale geval doe je het allebei. Je probeert aan een enorme hoeveelheid data te komen, en die data probeer je heel nauwkeurig te labelen”, aldus Porter.

Er zijn natuurlijk altijd specifieke scenario’s waarin AI simpelweg niet op trends kan of mag vertrouwen. Als een zelfrijdende auto een witte vlek ziet, kan de AI deze als plastic zak interpreteren. Maar je data moeten slim genoeg zijn om rekening te houden met die kleine kans dat het om een meeuw gaat. “Het is zaak om ook situaties mee te nemen die zich zelden voordoen,” zegt hij. “Hoe nauwkeuriger je model is, des te nauwkeuriger de data – en hoe nauwkeuriger de data, des te nauwkeuriger het resultaat.”

Low-code tools en AI

Laat je mensen op een totaal andere manier werken. Met point-and-click tools automatiseer je elke workflow, of je nu een totaal nieuw proces op poten zet of een bestaand proces optimaliseert.

2. Een natuurlijke manier van praten: anticiperen op het verloop van een gesprek

“Als mens leer je door allerlei verschillende gesprekken te voeren”, vertelt Patton. Je hoort iets nieuws, slaat dat op en stelt een vervolgvraag. De AI van Pramana synthetiseert resultaten op een manier die anticipeert op de behoeften van gebruikers. Pramana geeft dus meestal geen kort antwoord van slechts één woord, maar komt met een uitgebreide reactie die bestaat uit meerdere zinnen, compleet met grafieken en statistieken die in gewone, alledaagse bewoordingen aanvullende context geven. “Gebruikers van onze tool krijgen beide uiteinden van het spectrum aangeboden”, aldus Patton.

Consumenten vinden het tegenwoordig steeds belangrijker dat hun verwachtingen worden overtroffen. Daar komt Natural Language Processing (NLP) bij om de hoek kijken. Er zijn naar schatting circa 100 biljoen datapunten waar AI rekening mee kan houden. Precies begrijpen wat de gebruiker zegt en voor het antwoord alvast anticiperen op het vervolg, gaat dan ook het verschil maken tussen AI die simpelweg antwoord geeft en AI die echt indruk maakt.

“Het is een dialoog”, aldus Patton. “De gebruiker kan in eigen bewoordingen een vraag stellen, maar we hebben ook een complete end-to-end pipeline … die je database scant en reageert met verhalend proza. Je moet echt kijken waar de consument behoefte aan heeft, want met daar begint het allemaal.”

3. Het maatschappelijke belang van AI: werk vereenvoudigen

“Er zijn tal van mogelijkheden om echt iets voor mensen te betekenen,” vertelt Porter. “Dat het lastig is om aan hoogwaardige data te komen, is niet alleen een probleem voor van die sciencefictionachtige drones die eraan zitten te komen, maar ook voor alledaagse toepassingen, als e-commerce.”

Hoe betrouwbaarder de informatie, des te beter de commerciële dienstverlening. Chou pakt de analogie met de Roomba-stofzuiger er nog maar eens bij: als die niet leert wat het verschil is tussen een hoopje stof en de staart van de kat, zuigt die waarschijnlijk de verkeerde dingen op. “Die techniek leert nog steeds bij”, zegt hij – net als elke andere iteratietool in AI.

Niet alleen consumenten hebben baat bij zulke verbeteringen, maar ook mensen op de werkvloer. In 2021 hebben 4,4 miljoen mensen ontslag genomen. Het is dus van groot belang om je personeel tevreden te houden. Dat kun je onder meer bereiken door AI te integreren in hun dagelijkse werkzaamheden, zodat ze minder tijd kwijt zijn aan saaie taken en meer vertrouwen hebben in de data die ze genereren.

4. AI en cyberbeveiliging: anticiperen op bedreigingen

“Je moet zorgen dat je problemen ruim van tevoren ziet aankomen”, zegt Patton. Aanvallen via internet worden steeds geavanceerder, dus je kunt niet zonder AI om je daar goed tegen te wapenen.

In een interview met beveiligingsexpert Marla Hay kwam al ter sprake hoe je een systeem ontwerpt dat vanaf het allereerste begin de beveiliging op orde heeft. Daarnaast hebben we het met nog vier andere experts op dit gebied gehad over hoe je wereldwijd samen een geautomatiseerde vorm van beveiliging kunt opzetten. Op beveiligingsgebied worden de bedreigingen alleen maar complexer. Om het potentieel van AI volledig te benutten moet je dus kunnen anticiperen op te verwachten problemen.

Over trending berichten over potentiële bedreigingen zegt Chou: “Tot nu toe was het probleem altijd dat zo’n trending onderwerp nooit voldoende impact had om [mensen] ervan te overtuigen dat er echt iets aan de hand was.” Maar kunstmatige intelligentie kan duidelijk maken via welke kanalen meer nadruk op preventie moet worden gelegd.

AI is in beweging. Vandaar de vraag van Chou: “Welke problemen wil je oplossen om je innovatietempo hoog te houden?” De onderstaande vier aandachtsgebieden bieden allerlei aanknopingspunten om te zien waar het met AI naartoe gaat.

  • Datalabeling
  • Natural Language Processing
  • Low code en de ervaringen van je personeel
  • Cyberbeveiliging

Binnen elk aandachtsgebied valt er van alles te experimenteren en verfijnen naarmate er vooruitgang wordt geboekt. Maar één ding geldt altijd: het is zaak om nieuwsgierig te blijven, ongeacht in welke sector je actief bent. Of zoals Patton het zo goed samenvatte: “Je hebt een uiterst nauwkeurig omschreven probleem dat je vervolgens kunt oplossen. De oplossing blijkt dan een voordeel op te leveren dat weer veel meer voordelen met zich meebrengt.”

Porter voegt daar nog aan toe: “Je moet optimaal presteren voor je klanten. En je moet optimaal presteren voor je personeel. Als je dat allemaal voor elkaar hebt en een levensvatbaar bedrijf hebt opgezet … kun je ongelooflijk goede resultaten behalen.”

Salesforce Nederland
Salesforce Nederland

Wil je niks missen? Meld je aan voor onze online nieuwsbrief!