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 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.
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.
_____________________
"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.
Mede-oprichter en Chief Science Officer (CSO) bij ORTEC
Met meer dan 40 jaar ervaring in het toepassen van wiskunde binnen de top van het bedrijfsleven kan Prof. dr. Gerrit Timmer als geen ander de zin van onzin scheiden op het gebied van thema’s zoals kunstmatige intelligentie, algoritmiek en data science. Hij wordt algemeen erkend als autoriteit op het gebied van toegepaste wiskunde en Operations Research en is een van de grootste experts in het toepassen van algoritmiek van ons land. Om de wereld de kracht en de mogelijkheden van toegepaste wiskunde te tonen, richtte hij samen met een paar studiegenoten in 1981 ORTEC op - vandaag de dag een wereldwijd toonaangevende partner in datagedreven besluitvorming. Momenteel is hij bij ORTEC werkzaam als Chief Science Officer (CSO).
22 maart 2022
Zal AI de mensheid verslaan? Neemt het onze banen over? Heeft het kwade bedoelingen? Er zijn allerlei mythes gaande op het gebied van kunstmatige intelligentie, ofwel Artificial Intelligence (AI). Met veel aandacht daarvoor wordt er ondertussen weinig aandacht besteedt aan de kansen die algoritmiek en AI ons biedt. Op verschillende vlakken lopen we wereldwijd nog mijlenver achter. En dat terwijl de kansen overal en nergens liggen, zelfs voor het oplossen van grotere (maatschappelijke) vraagstukken. Maar... Dan moeten die kansen wel worden gezien én aangegrepen. Welke (ongeziene) kansen zijn er? Wat zijn de mythes? En zijn die mythes ook risico’s? In dit eerste deel van twee zoomen we in op de kansen.
In gesprek met Gerrit Timmer, Mede-oprichter en Chief Science Officer (CSO) bij ORTEC.