Het onbenutte potentieel van kunstmatige intelligentie (AI): de kansen

Het oplossen van grote (maatschappelijke) vraagstukken met kunstmatige intelligentie/algoritmiek: kijkend naar de wereld om ons heen weten we die kansen nog maar zelden te grijpen. Die kansen worden vaak namelijk nog niet gezien, maar ook het tekort aan begrip van AI leidt daartoe.

“Om kansen te zien heb je begrip nodig over wat er in theorie allemaal mogelijk is”, legt Gerrit Timmer, mede-oprichter en Chief Science Officer (CSO) bij ORTEC, uit. “Dat moet leven in je geest, anders lukt dat niet. Of volgens Johan Cruijff: je ziet het pas als je het door hebt. Daarin loopt met name de top in het bedrijfsleven sterk achter.” Het aantal mensen met voldoende begrip van AI in het bedrijfsleven is veel te laag. De bottleneck is dat bestaande methoden en technieken hun weg naar de markt beter moeten vinden. Daarvoor moeten voldoende mensen iets van die methoden begrijpen.

“Zonde”, concludeert Timmer, “want de kansen liggen overal en nergens.” Bijvoorbeeld in de gezondheidszorg en het bedrijfsleven, zoals hieronder toegelicht.

In de ziekenhuizen

• Optimale capaciteit
  Binnen ziekenhuizen opereren verschillende onderdelen zoals verpleegafdelingen, poliklinieken en operatiekamers verregaand los van elkaar. Zodoende is het overal voortdurend hollen en stilstaan. Hierbij kun je denken aan een situatie waarin een arts veel operaties uitvoert waarna een patiënt langere tijd in het ziekenhuis dient te blijven: is er dan wel een bed beschikbaar op de afdeling? Tegelijkertijd kan bij het uitvoeren van veel operaties en het daardoor weinig spreken met nieuwe patiënten er na een tijdje juist weer te weinig werk zijn doordat de patiëntenflow ‘opdroogt’. Er is veel meer mogelijk is als dit beter op elkaar wordt afgestemd en de capaciteit goed wordt benut. Dit staat ook wel bekend als integraal capaciteitsmanagement.
  _____________________
  
  Voorbeeld: meer operaties tijdens coronapandemie dankzij slimme forecasting
  Wegens het hoge aantal COVID-19-patiënten op de IC wordt er de afgelopen maanden minder ‘reguliere’ zorg uitgevoerd omdat er mogelijk geen bedden op de IC beschikbaar zijn mocht dat na een ingreep nodig blijken. Door hier precieser naar te kijken blijken meer operaties mogelijk dan nu in de meeste ziekenhuizen plaatsvindt. (Source: STAtOR, 2021) Met ondersteuning van ORTEC en Rhythm blijkt bijvoorbeeld dat bij OLVG, stadsziekenhuis van Groot-Amsterdam, meer operaties kunnen worden uitgevoerd. Bij Rijnstate, ziekenhuis in regio Arnhem, waren de verpleegbedden de bottleneck. Waar eerder het beddenhuis op sommige dagen in de week altijd overvol was, was het op andere dagen juist vrij leeg. Door de juiste type operaties op de juiste dagen uit te voeren wordt de capaciteit van het beddenhuis beter benut en vinden er meer operaties plaats.
  _____________________
• AI leidend en artsen ondersteundend
  AI gaat in de nabije toekomst een veel grotere rol spelen in onze gezondheidszorg dan menigeen nu verwacht, waaronder ook op de werkvloer in het ziekenhuis. Vandaag de dag is AI nog ondersteunend aan de zorg, maar we verwachten dat over tien jaar AI leidend zal zijn en artsen ondersteunend.
• Empowerment van de patiënt
  Het belangrijkste dat AI in de zorg gaat brengen is volgens Prof. Dr. Folkert Asselbergs, cardioloog bij Universitair Medisch Centrum Utrecht, de empowerment van patiënten. “Wij als artsen hebben een enorme voorsprong in ervaring en kennis. Ook datakennis. We hebben een eigen taal, we dragen een witte jas: dat alles creëert afstand.” Die afstand is straks weg. De patiënt weet dan hetzelfde als de arts.

In de medische wetenschap

In de medische wetenschap is oneindig veel data beschikbaar. Van welke kwalen patiënten hebben gehad, welke medicijnen ze slikken, tot MRI-scans. Dankzij AI valt hier meer resultaat te halen, zoals het beter diagnosticeren en behandelen, óók preventief. Zo valt er een gezondheidswinst te behalen met een aanpassing van levenstijl of behandeling. Dit omvat aanpassingen als bijvoorbeeld het stoppen met roken, meer bewegen, niet teveel zout en/of vet eten, et cetera. Ook kan data ons vertellen hoeveel gezondheidswinst je boekt bij het starten met een bepaalde behandeling via een zogeheten lifetime prediction.

Kansen in het bedrijfsleven

Organisaties zijn vaak verdeeld in kleinere afdelingen die ieder vooral denkend vanuit die afdeling te werk gaan. Dit is historisch zo ontstaan: om als mens goed te functioneren is het nodig om te werken binnen de grenzen van afdelingen; het is anders namelijk niet te overzien. Dankzij de rekenkracht van de computer en de steeds vernuftigere algoritmiek kan er wél ‘over afdelingen heen’ worden gedacht en geoptimaliseerd, waardoor je tot betere, efficiëntere en winstgevendere oplossingen kunt komen.

_____________________

Een voorbeeld: het limiet van denken binnen afdelingen
Binnen bedrijf X is er een afdeling “productie” en een afdeling “verkoop”. De verkoopafdeling verkoopt producten met een deadline die voor de productieafdeling niet uitkomt. Andersom kan het ook voorvallen dat de productie niet juist wordt afgestemd op de vraag, waardoor er aantallen worden geproduceerd die de verkoopafdeling niet verkocht krijgt.
_____________________

Bij grote retailers is al te zien hoe zij dankzij AI verschillende afdelingen op elkaar afstemmen. Zij maken bijvoorbeeld combinaties tussen prijsstellingen en bezorgtijden: afhankelijk van hoelaat je jouw bestelling in huis wil hebben, moet je meer of minder betalen. Jouw voorkeurstijdstip beïnvloedt namelijk de logistieke kosten van de retailer: past het bijvoorbeeld in de bestaande route? Vooraf wordt berekend berekend hoeveel extra het de retailer kost om jouw bestelling op jouw voorkeurstijdstip te bezorgen.

_____________________

Een voorbeeld: Afdeling verkoop en logistiek op elkaar laten inspelen
Een grote multinational in de Verenigde Staten gebruikt ORTEC’s loaddesigner op creatieve wijze en laat zodoende de afdeling verkoop en logistiek op elkaar inspelen. Waar oorspronkelijk Loaddesigner is bedoeld voor het inzichtelijk krijgen hoe je je goederen in een vrachtwagen moet laden zodat er zoveel mogelijk in past, passen zij de tool toe binnen hun verkoopafdeling. Als er een klant belt om een bestelling door te geven, kijkt de verkoper real time of het in een vrachtwagen past. Is het net teveel, dan zal de verkoopmedewerker voorleggen dat één van de gevraagde artikelen de week erop in de aanbieding is, om zo hopelijk tot precies één gevulde vrachtwagen te komen. Andersom: als er juist nog een wat ruimte in de vrachtwagen beschikbaar is zal de verkoper de klant proberen te verleiden om net iets meer te bestellen door een beetje korting op een extra bestelling aan te bieden.

_____________________

Gerrit's toekomstvoorspelling

"Al met al is de huidige kennis van kunstmatige intelligentie en data science in het bedrijfsleven is nog veel te laag. En dat zal voorlopig ook nog wel blijven”, voorspelt Timmer. De ontwikkelingen gaan namelijk in zo’n razend tempo, dat je gemakkelijk achterop raakt.