Hoe je artificial intelligence in jouw sector kunt toepassen

In onze vorige blogpost over Artificial Intelligence lieten we zien dat AI niet nieuw meer is en al veel nuttige toepassingen kent. Toch lees je in de praktijk vooral over bekende en innovatieve projecten als Google’s Duplex en Amazon’s Alexa. Dit zijn vooruitstrevende producten, maar ook de showcases van enorme bedrijven. Hierdoor is het voor andere organisaties helaas vaak niet duidelijk hoe AI voor hen van toegevoegde waarde kan zijn. Dat is zonde, want je kunt kunstmatige intelligentie op heel concrete manieren inzetten om de dagelijkse bedrijfsvoering te verbeteren.

In deze blogpost laten we zien welke concrete AI-toepassingen mensen in allerlei sectoren al gebruiken om bedrijfsprocessen te optimaliseren. Zo krijg je een idee hoe ook jouw bedrijf hiermee aan de slag kan.

Leestip: whitepaper 'De 6 belangrijkste ict-trends voor 2022'

AI-toepassingen in de retail

Je kunt ‘retail’ niet schrijven zonder AI; deze sector is bij uitstek geschikt voor het toepassen van data-analysetechnieken. Denk bijvoorbeeld aan het beantwoorden van vragen als: ‘Op welke manier benader ik mijn klanten?’ of ‘Welke producten worden vaak samen verkocht?’. Met het beantwoorden van dit soort vragen speel je beter in op de behoeftes van klanten. Modellen op basis van machine learning (ML) helpen je goed en snel aan dit soort antwoorden.

Vandaar dat CRM-applicaties als Dynamics 365 en Salesforce een ingebouwde functionaliteit hebben om ML-technieken toe te passen. Wat je hiermee kunt? Denk aan het doen van productaanbevelingen aan je klanten, waardoor ze sneller vinden wat ze zoeken (en iets kopen). Of demand forecasting, waarmee je voorspellingen maakt over de klantvraag, zodat je minder risico loopt op het weggooien van verlopen producten. Ook het inschatten van de conversiekans van een marketing lead behoort tot de mogelijkheden.

Maar echt vooruitlopen op je concurrenten lukt met deze standaard meegeleverde functionaliteiten niet. We hebben gezien dat je meegeleverde functionaliteiten snel kunt inzetten, maar dat deze niet altijd aansluiten op bedrijfsspecifieke problemen. De meeste waarde haal je uit je data met op maat gemaakte ML-modellen op bijvoorbeeld AWS, Azure ML, of Azure Databricks. Om echt iets te hebben aan AI en andere bedrijven een stapje voor te zijn loont het dus om daarin te investeren.

Finance & AI

Ook de financiële sector kent veel AI-toepassingen. Je ziet ze voornamelijk terug in de ict-hoek: persoonlijke assistenten, chatbots en het automatisch inlezen van teksten. Dit is niet onlogisch, aangezien een kwart van het bankpersoneel eigenlijk ict-personeel is. Maar banken en investeringsfondsen gebruiken ook al jaren wiskundige modellen om bedrijfsbeslissingen op te baseren. Zo is het mogelijk om de waarde van effecten in te schatten met behulp van algoritmes en ze zo snel mogelijk te kunnen uitvoeren. Daarnaast wordt AI gebruikt om fraude te detecteren.

Bedrijven voeren op deze manier sneller en op veel grotere schaal analyses uit dan voorheen. Hierdoor zien we een groeiende hoeveelheid personalisering in de dienstverlening van de financiële sector. Banken als de ING en de Rabobank passen machine learning bijvoorbeeld toe zodat hun klanten vooruit kunnen kijken op hun bankrekening. En ook OGD heeft een voorspellend model gemaakt dat wordt gebruikt in de financiële sector. Lees hier over het model dat we voor Flanderijn hebben gemaakt.

Artificial Intelligence in de zorg

Waar data is, is machine learning. Zo ook in de zorg. Veel uitdagingen in deze sector kun je met het gebruik van data verhelpen. Denk bijvoorbeeld aan het personaliseren van de patiëntenzorg en het vinden van de juiste behandelmethode. Ook zijn er de afgelopen jaren veel zelfzorg-apps ontwikkeld waarin ML een belangrijke rol speelt. Enkele voorbeelden zijn beeldherkenning van voedsel, het geven van dieetadvies en menstruatie-apps. Hoewel deze apps niet altijd even betrouwbaar zijn, is de toepassing van deze techniek wel erg spannend.

Een ander interessant project is het toepassen van beeldherkenning op microscoopbeelden, CT- of MRI-scans. Nederlandse ziekenhuizen gebruiken bijvoorbeeld al software om röntgenbeelden automatisch te analyseren. Google zet hier flink op in en ontwikkelt beeldherkenningsmodellen om verschillende ziektebeelden te detecteren. En ook OGD is samen met klanten bezig om een tool te ontwikkelen die eigenschappen van cellen identificeert uit microscoopbeelden.

Machine Learning heeft veel nuttige toepassingen en deze zijn ook voor kleinere organisaties toegankelijk. De vraag is, wat is jouw grootste uitdaging? Laat het ons weten.

AI binnen de ict

Automatisering is natuurlijk doodnormaal binnen de ict-sector. In de afgelopen tien jaar is ict-beheer steeds meer op coderen gaan lijken. Het is nu mogelijk om een groot deel van de infrastructuur automatisch op te bouwen door gebruik te maken van DevOps. AI komt nu om de hoek kijken met AIOps: dit is DevOps, maar dan met machine learning-modellen. Deze kunnen worden ingezet voor het opsporen van uitzonderlijke gebeurtenissen, het clusteren van problemen en het automatisch uitvoeren van een Root-Cause-Analysis. Op deze manier grijpen AIOps-platformen op een slimme en flexibele manier in bij het ontstaan van problemen in de ict-omgeving.

OGD werkt al aan AIOps om haar medewerkers efficiënter te laten werken. Hiernaast focussen we ons op de eindgebruiker. Problemen sneller oplossen is belangrijk, maar uiteindelijk is het doel dat mensen zonder problemen kunnen werken. Data driven ict-support zorgt ervoor dat ict proactief met gebruikers meedenkt en meebeweegt. Zo zorg je met AI dus voor betere ict-ondersteuning en hiermee voor een hogere klanttevredenheid.

AI en de overheid

De overheid kent een breed scala aan AI-toepassingen en experimenteert veel met de technologie. Of het nu gaat om het vergroten van de veiligheid of het verbeteren van het milieu; machine learning helpt ook deze branche verder. Zo gebruikt het iCOV modellen om crimineel vermogen te vinden, de Belastingdienst gebruikt algoritmes om fraudeurs op te sporten, en SyRI wordt gebruikt om criminele burgers te identificeren. Dit is niet altijd zonder controverse: SyRI is onder veel kritiek komen te staan en oppositiepartijen hebben recent nog opgeroepen tot meer toezicht op dit soort algoritmes.

Dit wil niet zeggen dat de overheid alleen maar controversiële toepassingen van AI gebruikt. Zo draait de gemeente Rotterdam bijvoorbeeld een programma met vulgraadmeters in ondergrondse afvalcontainers. De vulgraadmeters (sensoren) geven door hoe vol de container zit. Zo kan de afvalophaaldienst de meest efficiënte route rijden. Hierdoor worden halfvolle containers niet geleegd en dit bespaart natuurlijk uitlaatgassen, tijd en geld.

Kunstmatige intelligentie in de landbouw

De landbouw is een sector waarin het gebruik van data misschien niet voor de hand lijkt te liggen. De sector heeft dan ook problemen met het toepassen van AI. Toch liggen er enorme kansen. Een spannende ontwikkeling is bijvoorbeeld het inzetten van drones om landbouwgrond in kaart te brengen. Hierdoor kunnen bemesting, irrigatie, en ongediertebestrijding gericht worden toegepast. Dit soort drones zie je voornamelijk in de Verenigde Staten, maar er zijn ook een aantal Nederlandse bedrijven die vooroplopen in dit soort toepassingen van AI.

Zo is er een bedrijf dat fitbits voor koeien maakt. De sensoren houden bij wat de koe doet. Op basis hiervan achterhaalt een machine learning-model wat de koe nodig heeft. Zo kan de boer voedsel en medicijnen op maat geven. Er is ook een bedrijf dat een zelflerend kasautomatiseringssysteem heeft ontwikkeld. Hiermee kan de glastuinbouw zijn energiegebruik optimaliseren en geld besparen. 

AI zorgt er op deze manier voor dat bedrijven minder grondstoffen nodig hebben voor dezelfde productie en dat ze meer inzicht hebben in de gezondheid van hun planten en dieren.

Past AI binnen elke sector?

Hier kunnen we duidelijk over zijn. Artificial Intelligence is niet altijd en overal op zijn plek. Toch levert AI zoals je hierboven hebt gezien heel vaak meerwaarde, ook waar je het niet direct verwacht. De truc is om uit te vogelen hoe je een probleem binnen je bedrijf vertaalt naar een data-vraag. Dit betekent dat je alle onderdelen van het probleem in cijfers kunt vatten. Werkt jouw bedrijf met data of is het mogelijk om dat te gaan doen? Dan is deze vertaling ook voor jou waarschijnlijk goed te maken.

Conclusie

AI is zoals je ziet geen ver-van-je-bedshow meer; er zijn al veel toepassingen waarmee je de bedrijfsvoering én de maatschappij kunt verbeteren. AI helpt mensen om snel analyses uit te voeren die anders onmogelijk waren of veel tijd hadden gekost. Hierdoor ontstaan allerlei nieuwe mogelijkheden. Klanten worden beter en sneller bediend en de effectiviteit binnen het bedrijf neemt toe. En dat kan in allerlei sectoren: of het nu gaat om snellere en betere medische diagnoses of het terugdringen van energieverbruik en uitlaatgassen.

Ben jij benieuwd hoe je AI laagdrempelig kunt inzetten binnen jouw bedrijf? Lees dan onze whitepaper!