De laatste tijd staat je tijdlijn vol met berichten over AI en in het bijzonder ChatGPT. Logisch & terecht, want de innovaties die met name OpenAI in de laatste maanden de garage uit heeft gereden zijn met recht revolutionair te noemen. Toch is er iets dat we met elkaar niet moeten onderschatten of, nog erger, zelfs vergeten: voor al deze fantastische innovaties met AI heb je data nodig. Goede data! In de praktijk blijkt dat echter makkelijker gezegd dan gedaan en zien we veel organisaties nog steeds worstelen met het vraagstuk hoe je de juiste data op de juiste manier ontsluit & toepast.
Met deze blog hoop ik jullie te laten zien hoe je de kansen die ontstaan zijn in de afgelopen tijd daadwerkelijk kunt converteren in winst voor jouw organisatie en wat de rol van onder andere datamanagement daarin is.
Een revolutie?
Of je nou een voor- of tegenstander bent van AI aangedreven ontwikkelingen zoals ChatGPT, één ding is duidelijk: er is een revolutie gaande op AI gebied. Sterker nog: dat er zoveel tegenstanders zijn of zelfs een groep van mensen die deze ontwikkelingen tijdelijk willen stilleggen, onderschrijft alleen maar de magnitude en potentiële impact die deze technologische ontwikkelingen hebben of gaan hebben op onze dagelijkse levens.
Na jarenlang praten over de mogelijkheden van “het nieuwe goud” (zo wordt data ook wel vaker genoemd), is de technologie eindelijk zover dat we baanbrekende toepassingen kunnen gaan ontwikkelen en gebruiken. Dat de recente aankondigingen ons (bijna) allemaal verraste en dat de ontwikkelingen nu zo hard gaan dat we het “AI & Copilot nieuws” nauwelijks meer bij kunnen houden, had voorspeld kunnen worden volgens Bill Gates:
"Most people overestimate what they can do in one year and underestimate what they can do in ten years." - Bill Gates
Natuurlijk zijn er sceptici die de recente ontwikkelingen niet als revolutionair zien omdat de nieuwe digitale assistenten nog wel eens – soms hilarische - fouten maken. Maargoed… Welk mens had alle wijsheid in pacht vanaf zijn eerste levensjaar? Ook revoluties hebben tijd & ontwikkeling nodig voordat ze alle potentie volledig kunnen benutten. Zie het als groeien & opvoeden.
Als we nu terugkijken naar bijvoorbeeld de eerste iPhone, is dat ook niet het geavanceerde apparaat dat we nu gebruiken. Toch heeft deze innovatie een revolutie teweeggebracht, die volgens de CEO van Nvidia te vergelijken is met de ontwikkelingen die nu gaande zijn:
“ChatGPT is the ‘iPhone moment’ for AI and will impact every business” -Jensen Huang (CEO Nvidia)
Impact voor ons allemaal
Over de vraag “wat gaat dit allemaal voor mij & mijn baan betekenen?” kun je eindeloos discussiëren en dat sommige mensen dat ook doen is te verklaren door het feit dat dit ongetwijfeld impact gaat hebben op vele van ons:
· Gaat deze ontwikkeling impact hebben op banen? Ja, absoluut.
· Gaat deze ontwikkeling impact hebben op het bestaansrecht van bedrijven? Ja, absoluut
· Gaat deze ontwikkeling een verandering teweegbrengen in ons dagelijks leven? Ja, absoluut.
Toch denk ik niet dat we deze ontwikkeling moeten zien als een bedreiging en meer moeten focussen op hoe we de kansen als samenleving én als bedrijfsleven op een gecontroleerde manier omarmen. De voorbeelden waarbij we nieuwe innovaties niet als kans zagen, maar als bedreiging spreken voor zich. Denk aan Kodak vs. Digitale fotografie en de klassieke videotheken vs. Netflix).
Zal de ontwikkeling op het gebied van AI ten kostte gaan van bedrijven die niet (tijdig) inspelen op deze ontwikkelingen? Ongetwijfeld, maar is dit niet onderdeel van een gezonde economie waarin we met elkaar hebben vastgesteld dat we vooruitgang & groei willen zien? De beroemde uitspraak van Charles Darwin: "It's not the strongest of the species that survives, nor the most intelligent, but the one most responsive to change" is dus wederom van toepassing en lijkt weer actueler dan ooit.
Dom of slim?
Kan ChatGPT onze menselijke assistenten vervangen? Net zoals in elke beroepsgroep heb je goede & slechte assistenten. Een goede (menselijke) assistent bevat een aantal eigenschappen waarvan we er een aantal ook terug kunnen vinden in AI-assistenten:
· Scherp oog voor details;
· Goede schriftelijke vaardigheden;
· Hoge productiviteit;
· Organiserend vermogen & verwerken van veel informatie;
· Servicegericht: het voorstellen van oplossingen in plaats van (meer) problemen introduceren.
Toch zijn er ook een aantal eigenschappen die (nog) niet terug te vinden zijn in een AI-assistent, zoals de meer sociale aspecten. De verwachting is dan ook dat het beroep van een assistent er in de komende jaren er anders uit gaat zien. Zal deze beroepsgroep helemaal vervangen worden door AI? Waarschijnlijk niet en zullen we met name assistenten zien die intensief gebruik maken van AI om het werk nog efficiënter uit te voeren.
De exacte definitie van ‘intelligentie’ en of AI-assistenten nu ‘intelligent’ zijn of niet, is wat ons betreft in een zakelijk context niet erg relevant. Het gaat erom wat je ermee kunt bereiken – en dat blijkt in de praktijk behoorlijk wat. Wel is het zo dat ChatGPT goed scoort op het gebied van ‘kennis gebruiken om problemen op te lossen’, wat één van de onderdelen is van intelligentie. Niet onlogisch als je denkt dat ChatGPT in staat is om zo’n beetje het hele internet te doorzoeken & te interpreteren.
Recent heeft een Amerikaanse psycholoog ChatGPT onderworpen aan 5 van de 6 onderdelen van een IQ test. Het 6e onderdeel gaat over kortetermijngeheugen en dat vond de onderzoekster niet van toepassing bij een AI-model. Hoe heeft ChatGPT gepresteerd?
"Estimated on the basis of five subtests, the Verbal IQ of the ChatGPT was 155, superior to 99.9 percent of the test takers."
Zoals eerder gezegd maakt ChatGPT, net als mensen, ook fouten. Als je kijkt naar de tijdbesparing die het je kan opleveren, zou je het wat mij betreft zeker al een intelligente assistent kunnen noemen. En dan zijn we pas net begonnen!
Assistenten in plaats van enge robots & eindeloos zoeken
Dat de huidige innovaties op het gebied van AI op korte termijn autonome & enge robots gaan opleveren die de wereld gaan overnemen, ben ik niet zo bang voor. Ik voorzie voornamelijk dat we een toename gaan zien in zogenaamde “assisted intelligent” systemen, waarbij mensen ondersteund worden door deze nieuwe “human-like” AI assistenten.
Eindeloos bladeren door pagina’s met Google zoekresultaten en heen en weer klikken & browsen door websites gevuld met (ir)relevante advertenties & (sub)optimale layouts zal snel tot het verleden behoren, vanuit technologisch oogpunt. Dat wij als mensen nog moeite hebben met de verandering om van een “zoekmachine” naar een “antwoordmachine” te gaan, zal de voornaamste belemmering zijn. En dan heb ik het niet over de nieuwe & jonge generatie die met iPads, TikTok en Virtual Reality is opgegroeid, maar meer over de oudere generatie waarbij Google nog als “de Google” bekend staat. Dat de nieuwere generaties deze transformatie sneller kunnen omarmen is algemeen bekend.
Van generieke antwoorden naar bedrijfsspecifieke antwoorden
Veel van de recente voorbeelden die je voorbij ziet komen, zijn voorbeelden waarbij de AI-assistenten een indrukwekkend menselijk antwoord produceren op een vraag die je stelt op basis van informatie die ze - vaak een behoorlijke tijd geleden - gevonden hebben op het internet. Dat is namelijk precies waar een Large Language Model (LLM), de technologie die achter de bekende ChatGPT voorbeelden zit, goed in is. Toch blijft het hier niet bij, is de verwachting. OpenAI (de maker achter het meest bekende ChatGPT), heeft aangekondigd dat ze 'plugins' gaan ondersteunen waarmee organisaties de antwoorden specifiek kunnen maken en uitbreiden met hun eigen data.
Ook Microsoft speelt in op deze tekortkoming van de recente ontwikkelingen en stelt ChatGPT beschikbaar in een eigen Azure dienst. Het voordeel hiervan is dat organisaties o.a. ChatGPT kunnen gebruiken en inzetten in een gecontroleerde omgeving, zonder dat de data de cloud van de organisatie verlaat. Hiermee wordt de kans kleiner dat medewerkers gevoelige of zelfs geheime informatie doorsturen aan een publieke dienst, zoals recent bij Samsung naar buiten is gekomen. Een ander scenario wat hierdoor mogelijk wordt is het uitbreiden van de antwoorden die een dergelijke assistent geeft met jouw eigen bedrijfscontext. Hieronder is een voorbeeld te zien van een digitale assistent voor een verzekeraar die je aan je eigen klanten kunt aanbieden en die op basis van je polis-gegevens & dekkingsoverzichten die elke verzekeraar wel heeft, antwoord geeft op de vraag van een verzekerde of zijn of haar verzekering een bepaalde behandeling dekt. Het mooie aan deze ontwikkeling is dat het zelfs werkt op basis van al beschikbare pdf-documenten en dat je dus een krachtige technologie op een gecontroleerde wijze beschikbaar kunt stellen aan je eigen klanten.
Meer voorbeelden, alsjeblieft!
Dat Microsoft ook gelooft in AI-assistenten die worden uitgebreid met bedrijfsspecifieke context, is in de afgelopen periode wel duidelijk geworden. In de afgelopen weken heeft Microsoft een aantal Copilots gelanceerd, waarmee ze deze AI innovaties beschikbaar maken in diensten zoals Outlook, Word, Excel, Powerpoint maar ook Dynamics 365, Microsoft Teams en zelfs voor developers in Github met een Copilot die werkt op basis van de laatste AI innovatie: GPT-4.
De volledig uitgewerkte voorbeelden hoe dit precies werkt in een bedrijfsmatige context zijn door de snelheid waarmee deze innovaties worden gelanceerd nog wat mager, maar toch kunnen we ons allemaal wel een voorstelling maken van de talloze scenario’s die opeens mogelijk worden wanneer je deze technologie inzet.
De beste manier om erachter te komen wat dit voor jouw organisatie kan betekenen is door zelf aan de slag te gaan. Door de komst van de Microsoft Azure OpenAI diensten kan dit nu snel & veilig. De beste resultaten bereik je volgens ons door een voor jouw organisatie relevant onderwerp te selecteren en dit in een ‘pressure cooker’ samen met een aantal dagelijks betrokken mensen uit te werken tot een concept dat écht waarde toevoegt en dat tot leven gebracht wordt met een proof of concept. Je focust je op bedrijfsonderdelen & uitdagingen die profijt hebben van:
Intelligent automatiseren van (handmatige) processen & productiviteit verhogen;
Hoge mate van personalisatie en begrip van taal toevoegen & klantervaring verbeteren;
Creativiteit toevoegen en ontgrendelen & uitwerkingen van ideeën beter maken.
Voor diegene die opzoek zijn naar inspiratie, zou ik een handig overzicht opgesteld door McKinsey van de mogelijke use-cases per afdeling/onderwerp aanraden.
Wil je een stap concreter worden en snelheid maken? Dan kan de eerdergenoemde workshop verzorgd door een Data & AI expert helpen bij het vinden van de benodigde inspiratie. Wil je dat ik deze "veilig aan de slag met ChatGPT in 1 dag"-workshop kom verzorgen bij jouw organisatie? Neem dan gerust contact op!
Gezond verstand blijft nodig & wordt nog belangrijker
De vraag of wij als mensen in staat zijn om deze “alleswetende” assistenten goed in te zetten in ons dagelijks leven, is wat mij betreft een hele relevante. Dit is wat mij betreft iets waar de huidige oplossingen nog onvoldoende in voorzien, los van de waarschuwingen dat de antwoorden foutieve informatie kunnen bevatten die iedereen natuurlijk direct weg klikt alsof het een 'cookie-agreement' op een website is.
Als ik kijk naar het menselijk vermogen om fake-news of bijvoorbeeld phishing van echte berichten en feiten te onderscheiden, dan levert dat niet een heel rooskleurig toekomstbeeld op. We zullen als mensen in staat moeten blijven om de aangeleverde informatie te beoordelen en zelf te blijven nadenken over wat we doen met deze informatie. Wanneer ik mensen aanneem beoordeel ik altijd of iemand “gezond boerenverstand” heeft, ook wel common sense genoemd. Wat mij betreft wordt deze nummer één benodigde skill van de 21e eeuw dus alleen maar belangrijker.
Zonder Data Management geen relevante AI
Wat mij betreft is de ontwikkeling rondom fake-news hét perfecte voorbeeld waarom datamanagement belangrijk is bij innovaties met AI. Het jezelf stellen van onderstaande vragen is relevanter dan ooit tevoren:
Is de data betrouwbaar?
Is de data up-to-date?
Is de data - en dan met name de conclusies die je daaruit trekt - in de juiste context geplaatst?
We kennen allemaal wel de voorbeelden van aandachttrekkende headlines met schokkende berichten (dit heet clickbait), artikels die verouderde informatie bevatten en grafieken die bepaalde 'feiten' in een verkeerde context plaatsen en misleidende conclusies uitlokken.
Op wereldwijde schaal blijkt het fake-news ontzettend lastig onder controle te brengen, zonder dat we vervallen in een eindeloze controlestaat waarbij we alle content gaan controleren & valideren, wat weer voor andere uitdagingen zorgt. In theorie zou AI een rol kunnen spelen in het vaststellen of data betrouwbaar is en dus ook of nieuws wel of niet ‘echt’ is. In de praktijk blijkt deze oplossing ingewikkelder dan we gehoopt hadden en zullen we moeten leren leven met informatie die niet altijd correct is.
Helaas is er ook (nog) geen ‘magische’ AI oplossing waarmee je met één druk op de knop alle data onder controle krijgt binnen een organisatie. Wel zijn er ontwikkelingen waarbij bepaalde aspecten van datamanagement worden uitgevoerd met behulp van AI. Denk hierbij bijvoorbeeld aan het uitvoeren van data classificaties en het doen van suggesties om de datakwaliteit van een bepaalde dataset te verhogen. Deze ontwikkelingen komen samen in een ‘data fabric’ waarbij je als organisatie je data onder controle krijgt door meer gebruik te maken van deze AI modellen en het activeren van je metadata.
Kortom: het omzetten van data naar bruikbare data is niet snel op te lossen door een ‘tool’ aan te schaffen. Hiervoor is een continu proces vereist dat uit vele – 11 om precies te zijn - aspecten bestaat. Deze aspecten worden omschreven als datamanagement & data governance.
Bedrijven die AI-innovaties willen inzetten in hun bedrijfsvoering zullen dus moeten investeren in datamanagement, willen deze innovaties relevantie opleveren voor hun organisatie. Je kunt hiervoor zelf een eigen afdeling optuigen met eigen mensen, tools & processen, maar je kunt dit ook uitbesteden en afnemen als een dienst.
Natuurlijk is het wel mogelijk om één AI-experiment uit te voeren, zonder dat je datamanagement hebt ingericht binnen je organisatie. De uitdaging zit erin om van één experiment meerdere geslaagde initiatieven te maken en deze op te schalen naar productie. Ik maak het zo concreet mogelijk met drie voorbeelden die kunnen optreden wanneer je datamanagement niet geborgd is binnen je organisatie, waarbij de uitkomsten logischerwijs niet-relevant of zelfs schadelijk kunnen zijn:
Niet tijdig bevatten retourinformatie: een AI assistent die je klanten helpt bij het retourneren van producten, maar niet op dezelfde dag weet welke producten de klant wel of niet geretourneerd heeft.
Dubbele bezoekerstellingen: een voorspellend AI model dat personeelsvoorspellingen doet op basis van bezoekersgegevens uit drie verschillende systemen waarbij sommige sensordata foutieve meetwaarden bevatten en het totaal aantal bezoeken daardoor een factor 1,5x hoger uitvalt.
Foutieve conclusies uit eerder gegenereerde data: een AI assistent die een antwoord formuleert op basis van informatie uit een PDF document dat gegeneerd is door een andere AI assistent welke een foutieve conclusie getrokken heeft.
Bovenstaande voorbeelden klinken misschien erg flauw en/of hypothetisch, maar zouden zonder een integrale kijk naar je de organisatie van je bedrijfsdata zomaar werkelijkheid kunnen worden. Helaas horen we tijdens intakes & audits nog te vaak het antwoord "nee" of "niet helemaal" op de vraag: "vertrouw jij de inzichten & data die uit je BI systeem komen?", waaruit we onder andere kunnen concluderen dat veel organisaties de organisatie van hun data nog niet goed genoeg onder controle hebben.
Data kwaliteit op orde is het sluitstuk van Data Management
Veel van bovengenoemde voorbeelden zijn terug te leiden naar de aspecten waaruit het onderwerp 'datakwaliteit' bestaat. Deze elementen zijn in de visual hiernaast terug te vinden en leggen we op een simpele wijze uit in dit 'simplified' artikel. De eerdergenoemde voorbeelden gaan over de volgende datakwaliteit aspecten:
Niet (tijdig) bevatten retourinformatie: Compleetheid & Tijdigheid
Dubbele bezoekerstellingen: Uniciteit
Foutieve conclusies uit eerder gegenereerde data: Authenticiteit
In de praktijk blijkt het op orde brengen van datakwaliteit voor veel organisaties een lastig thema. En wel niet om de minste reden: het borgen van datakwaliteit is vaak het sluitstuk van datamanagement.
Data van hoge kwaliteit willen we allemaal natuurlijk als eerste, maar je moet eerst de andere aspecten van datamanagement goed geregeld hebben, wil je dit duurzaam kunnen inregelen. Duurzaam houdt in dat je de datakwaliteit niet eenmalig verhoogt, maar dat je een continu proces hebt ingericht waarbij je de kwaliteit van je data bewaakt & bijstuurt waar nodig.
Wat dat betreft kan datamanagement gezien worden als het fundament wat in orde moet zijn, wil je als organisatie serieus aan de slag gaan met data. Is je fundament wankel, dan zal alles wat je daarop bouwt - op termijn - gaan verzakken of zelfs volledig instorten. Niet erg duurzaam dus.
Een fantastisch vergelijk kwam ik recent tegen op een blog van Willem Koenders, namelijk: Data Management (& Data Governance) vergelijken met het beheren van vastgoed:
Data Management & Governance van strategisch belang
Een stevige uitspraak die hopelijk de urgentie aantoont dat bedrijven de recente ontwikkelingen op AI gebied serieus moeten nemen, is de volgende:
“Elke organisatie die zichzelf serieus neemt, heeft tegenwoordig wat ze kunnen & moeten met Data & AI in haar bedrijfsstrategie opgenomen.”
Wanneer je als organisatie wil gaan innoveren met data, worden de volgende twee aspecten vaak onderschat wat ertoe leidt dat data-initiatieven lastig van de grond komen of zelfs uiteindelijk helemaal mislukken:
Data Management, om ervoor te zorgen dat je beschikt over de juiste data en dat je deze ook op de juiste manier gebruikt.
Data Literacy, om ervoor te zorgen dat iedereen binnen je organisatie weet wat ze met data kunnen bereiken. In het Nederlands wordt dit ook wel 'data geletterdheid' genoemd.
Data Management wordt daarmee dus van strategisch belang voor organisaties en het is helaas een onderwerp wat je niet kunt oppakken in een project van een aantal weken en het daarmee helemaal en voor altijd geregeld hebt. Het is een continu proces waar je als organisatie een bij jou passende invulling voor moet vinden.
Een belangrijk onderdeel van data management is data governance. Naarmate we meer gebruik gaan maken van de data die we hebben, wordt dit onderdeel belangrijker omdat je binnen je organisatie afspraken gemaakt wil hebben over wie bijv. de eigenaar is van bepaalde data en hoe je als organisatie goed omgaat met het inzetten hiervan.
Te laat?
Is het mogelijk om zonder datamanagement je organisatie serieus mee te laten doen in deze ‘AI revolutie’? Wat ons betreft is het antwoord “nee” en ga je er dan niet in slagen om je data experimenten op te schalen naar productie en écht toegevoegde waarde te laten leveren.
Is het dan al te laat? Ook hierop is het antwoord “nee”. Veel organisaties beginnen nu pas in te zien dat het hebben van data iets anders is dan het daadwerkelijk kunnen gebruiken & relevant inzetten van deze data.
Onze verwachting is dat in de komende periode er flinke stappen gezet gaan worden in het vergroten van de datavolwassenheidsladder, waarbij het niet op orde hebben van datamanagement (of data literacy) je als een gewicht doormiddel van de zwaartekracht omlaag trekt naarmate je omhoog probeert te klimmen.
Conclusie: ga aan de slag, met let op de data ijsberg!
Ga dus vandaag nog aan de slag met het experimenteren met wat AI voor jouw bedrijfsvoering kan betekenen. Met de eerder benoemde "veilig aan de slag met ChatGPT in 1 dag" workshop ontdek je tal van mogelijke scenario's die relevant zijn voor jouw bedrijf en waarmee de uitkomsten ongetwijfeld voor nieuwe ideeën, energie & gesprekken zullen zorgen.
Zorg daarnaast ook dat je alvast nagedacht hebt over het duurzaam inzetten van de geslaagde experimenten en maak alvast een eerste stap in het professionaliseren van je datamanagement inrichting. Dit kan bijvoorbeeld door gebruik te maken van een van onze data versnellers. Richt je dus zeker op de zichtbare aspecten boven water & waar je AI kunt inzetten binnen jouw organisatie, maar let daarbij wel op wat er zich allemaal onder water van de data ijsberg afspeelt.
Welke stap je het beste als eerste kunt zetten hangt af van de staat van je datavolwassenheidsniveau op dit moment. Gelukkig zijn er vele hulpmiddelen beschikbaar om dit inzichtelijk te maken en wordt het aanbod van oplossingen waarmee organisaties deze stap kunnen maken steeds uitgebreider, dus laat je vooral overtuigen van de toegevoegde waarde.
Plan hier een kennismaking met Beeminds in en bekijk hoe wij met onze Data-as-a-Service dienst je kunnen versnellen in je data reis.
Comments