Geen producten in de winkelwagen.
De meesten van ons hebben geen kaas gegeten van algoritmes en kunstmatige intelligentie. Toch werken we steeds vaker met systemen die hier gebruik van maken, zeker ook binnen de organisaties waar we werken. Het is een goed idee als niet alleen je IT-afdeling maar al je medewerkers iets afweten van AI.
Natuurlijk hoeft niet iedereen programma’s te kunnen bouwen, schrijft Emma Martinho-Truswell in Harvard Business Review, maar net als iedere andere technologische vaardigheid zijn er verschillende niveaus van begrip. Je hoeft bijvoorbeeld geen codeur te zijn om je smartphone ten volle te benutten, en om na te denken over vliegroutes hoef je geen vliegtuig te kunnen besturen.
Zelfs met basale kennis van machine learning kunnen je medewerkers AI-systemen gebruiken, er tijd med besparen en misschien zelfs hun werk beter doen. Drie belangrijke vragen en antwoorden over AI.
Hoe werkt Artificial Intelligence?
Vooral het verschil tussen hoe mensen leren en hoe een machine dat doet is relevant. Als mensen een grote hoeveelheid data analyseren, zoeken ze noodzakelijkerwijs naar manieren om de data te versimpelen om die behapbaar te maken. Bijvoorbeeld door gemiddeldes te vinden, of door de gegevens in een grafiek te zetten. Een machine kan daarentegen alle afzonderlijke data gebruiken doordat hij eenvoudigweg veel sneller is en getraind om patronen te zien; hoe meer data hoe beter.
Lees ook: Wat kunnen we leren van sciencefiction?
Precies omdat die data fundamenteel zijn voor bruikbare output, is het goed als je medewerkers een beetje data kunnen lezen – als ze begrijpen wat cijfers te zeggen hebben en hoe je vooroordelen en fouten kun herkennen. En als ze de machine voeden: pas als bijvoorbeeld kalendersoftware data en afspraken krijgt ingevoerd, kan hij analyseren dat het ongewoon lang geleden is dat je een afspraak had met een van je teamleden.
Waar is machine learning goed in?
Zelflerende systemen blinken uit als ze een probleem moeten oplossen op basis van grote hoeveelheden betrouwbare data, en antwoord moeten geven binnen duidelijke, door mensen gestelde parameters. Hoe vaker ze dat doen, hoe beter ze erin worden. Duidelijk zien waar machine learning goed in is, helpt ook om te begrijpen waar het níet goed in is: nieuwe zaken of vraagstukken met te weinig data om er iets zinvols over te ‘zeggen’.
Omdat AI heel abstract werkt, is het goed om concrete voorbeelden te laten zien. Denk aan advertenties via social media, of de aanbevelingen die Netflix je doet. Dergelijke voorbeelden laten de enorme mogelijkheden zien, maar ook de beperkingen.
Wat zou AI nooit mogen doen?
‘Omdat het kan’ is nooit reden genoeg; niet elk probleem is geschikt voor een machine, ook al kan hij er op basis van de data wel mee uit de voeten. Een machine heeft bijvoorbeeld geen begrip van vooroordelen die uit de data naar voren komen, of van de consequenties van het advies dat volgt uit de analyse. Het is de vraag of het wenselijk is als een machine de doorslag geeft in het bepalen van de agenda op een bestuursvergadering, of wat te doen met een medewerker die slecht presteert. Als je nadenkt over ethische grenzen voor AI, helpt dat ook om alert te zijn op misbruik ervan.
