Book review:
Real World AI

Stap in de wereld van AI!

Een boek dat leest als een handleiding om je bedrijf naar een volgend niveau te helpen. Dat is best uniek. En dat is precies de reden waarom wij dit boek zo graag met jou delen. 

We houden het kort. Want juist voor de bestuurders met een drukke agenda is dit boek zo belangrijk. Het is de 5 minuten meer dan waard!

Het boek is geen technische how-to-guide om met Artificial Intelligence (AI) aan de slag te gaan. In tegenstelling, het boek geeft praktische inzichten voor bedrijfsleiders, aangevuld met ‘real world examples and best practices’. De lessen uit dit boek sluiten naadloos aan bij onze ervaringen en kennis van de afgelopen jaren. 

De belangrijkste lessen op een rijtje:

• Ontwikkel een eigen AI strategie voor jouw organisatie
• Begin met het juiste probleem: klein maar met een duidelijke impact
• Start met een externe partner en bepaal vervolgens je weg
• Betrek het management in deze journey voor momentum
• Start simpel en werk van daaruit verder met oog op de business case

Ontwikkel een AI strategie

‘Within a few years, it will be just as hard to find a company without an AI strategy, as companies that decided not to pursue a web strategy in 2002.’ 

Het boek benadrukt het belang van een duidelijke AI strategie. Jouw AI strategie vormt de basis om het eerste probleem te selecteren waarmee je aan de slag gaat. Het geeft antwoord op vragen als:

• Moet ik AI kennis intern aantrekken of extern inhuren?
• Wat is de impact van AI op mijn business model?
• Hoe kan ik AI inzetten voor concurrentievoordeel?

Maar hoe vorm je deze strategie? Vooral als er binnen jouw bestuur nog weinig kennis is op het gebied van AI. Omdat het een nieuw domein is, is dit bij het merendeel van de bedrijven in de sector het geval.

We houden van een pragmatische aanpak, maar zien dat het zich terugbetaalt om met een workshop te starten. Daarom hebben we over de jaren een speciale AI workshop uitgewerkt.

Het resultaat van deze workshop is een duidelijke AI strategie en een roadmap met concrete cases voor jouw organisatie. Hiermee kun je verder aan de slag met een eerste probleem dat past binnen deze strategie. Zo ga je van start met een gedegen plan. 

Finding the right problem

‘It’s more important to pick the single right problem to start with and build momentum with its solution.’ 

Het advies is om met één probleem te beginnen. Zorg voor focus. De mogelijkheden met AI zijn bijna oneindig. Dat maakt het lastig om een start te maken. Wat is nu meest geschikte probleem om AI als eerste op toe te passen? 

In het boek noemen ze dit de zoektocht naar ‘the Goldilocks problem'. Het goldilocks principe refereert naar het vinden van de gulden middenweg. Niet te complex, maar met een zekere impact op de business. 

Start small

‘However, make sure you don’t try to do everything at once. If you try to solve all your business problems at the same time, you’ll succeed at none of them. Start small, then iterate and expand the solution over time. The problem you choose to tackle first will set the stage for the rest of your AI journey.’ 

Begin klein. Dat is wat ons betreft de belangrijkste les in het boek. AI toepassingen die je in de media tegenkomt, richten zich meestal op het oplossen van ingewikkelde problemen. Geweldige potentie als het lukt, maar vaak zijn die problemen op te knippen in beter behapbare stukken. Zoom eerst uit voor je begint. Begin het liefst met een probleem dat repetitief is voor de mens en een machine veel sneller kan. Dat levert direct waarde.

Het boek geeft een leuk voorbeeld van de US Postal Service. Om het toenemende aantal brieven te kunnen verwerken, moest het sorteren van de post sneller gebeuren. In 1965 begonnen zij al met een camera die alleen de postcode kon herkennen. Dat was een eenvoudige stap en scheelde al direct ontzettend veel sorteerwerk. Tegelijkertijd, konden ze op deze manier de technologie verder ontwikkelen. Eindelijk, in 1997 lukte het USPS om volledig geautomatiseerd van handgeschreven enveloppen het volledige adres te herkennen. Het werd net voor kerst gelanceerd en alleen dat jaar bespaarden ze al $90 miljoen dollar. 

Je kunt beter klein beginnen en snel starten, zo leer en ontwikkel je over de tijd. De investering om te starten blijft beperkt en je behaalt eerder een eerste succes. Daarmee creëer je weer ambassadeurs om met de volgende stap aan de slag te gaan en uiteindelijk je doel te bereiken!

‍Build or buy?

‘Most problems are multifaceted and require an assortment of skills - data pipelines, infrastructure, algorithms, UX, business risk analysis.’

Ons advies is om in het begin te vertrouwen op de skills van een externe partij. Je kunt snel aan de slag en creëert een vliegwiel binnen je eigen organisatie. Uiteindelijk is iedere organisatie anders en zal je met je AI partner moeten bepalen hoe je vervolgens verder gaat. Bouw je gradueel een eigen technisch team op, vertrouw je op een externe partij, of werk je in een hybride vorm verder? 

Het antwoord hierop zal onder andere afhangen van het type organisatie en het strategische belang van AI voor de business. Om daarover te kunnen oordelen is het goed om te begrijpen dat het ontwikkelen van AI oplossingen verschillende profielen in een team nodig heeft. 

Het eerste aanspreekpunt in een AI project zou bij voorkeur een business analyst of product manager moeten zijn. Iemand die het probleem tot in de kern begrijpt en die dat wil oplossen met AI. Tegelijkertijd, kan diegene de ROI in de gaten houden in plaats van alleen te focussen op de uitkomst van de oplossing. 

Na het identificeren van de business uitdaging volgt een heel scala aan profielen die ervoor zorgen dat deze wordt omgezet in een technische oplossing. Van data scientists tot machine learning engineers, van software developers tot designers. Er zijn tal van verschillende skills nodig om iets op te leveren dat goed is geïntegreerd in de bedrijfsvoering. 

Go where the data is

‘Building responsible AI and good data management from the beginning is key. This creates machine learning systems that are both more adaptable and more successful over the long-term.’ 

Je wilt de kans op een succesvol AI project zo groot mogelijk maken. Hoeveelheid en kwaliteit van de data spelen hier een belangrijke rol. Om dit in tuinbouw perspectief te plaatsen, een kilo data is meer waard dan een kilo tomatenzaad. Denk daar maar eens over na ;)

Maar hoeveel data is dan genoeg? Dat is een lastige vraag en hangt sterk af van het probleem. Er is geen vaste vuistregel voor. Om een start te maken begin je met een baseline model dat eenvoudig en generalistisch is. Dit geeft direct een beeld van de minimale performance. Van hieruit werk je verder naar complexere specialistische modellen. In de tussentijd houd je oog op de business case om een goed model direct om te zetten in waarde.

Neem bijvoorbeeld het voorspellen van de verkoop van zoete aardappel op weekbasis. Start met een eenvoudig model dat voor alle sorteringen samen de verkoop voorspelt. Dit geeft een baseline en is mogelijks al bruikbaar. Om nog meer waarde te genereren ga je verder aan de slag met een model per maatsortering. Hier blijkt dat voor sommige sorteringen niet genoeg data is voor een bruikbare accuraatheid. Met de baseline kun je al direct de business case valideren en je hebt direct een beeld van de benodigde data om verder te komen.  

‍

Over de Auteurs en het boek

Het boek is geschreven door Alyssa Simpson Rochwerger en Wilson Pang – Alyssa, VP of AI & Data bij Appen, Wilson CTO bij Appen. Appen is een (gerenommeerd) beursgenoteerd bedrijf dat bedrijven verder helpt met AI. ‘With more than 25 years of experience, we are the leader in Data for the AI Lifecycle’. Al met al hebben de auteurs een mooi track record en zeker recht van spreken over dit onderwerp.