Deze website maakt gebruik van cookies. Voor meer informatie over de cookies waarvan deze website gebruik maakt klik hier.
Door verder op deze website te surfen geeft u de toestemming aan Minoc Data Services om cookies te gebruiken. verder gaan
 

4 manieren waarop elk bedrijf artificiële intelligentie kan gebruiken

Karen Gijsbrechts

 
Weet jij hoe artificiële intelligentie op de werkvloer eruitziet? Ontdek hier 4 toepassingen die elk bedrijf kan gebruiken.

 

Artificiële intelligentie kan talloze vormen aannemen. Zoveel zelfs, dat 8 op 10 bedrijven AI gebruiken zonder het te weten. Hoewel zulke toepassingen stilaan ingeburgerd worden in het bedrijfsleven, zijn veel IT-managers zich daar niet van bewust. Hieronder vind je volgens IT-expert Greg Satell vier voorbeelden van kunstmatige intelligentie die elk bedrijf toch zou moeten kennen.

1. Virtuele assistent

De meest voor de hand liggende optie om artificiële intelligentie te gebruiken, is een virtuele assistent. In een mum van tijd is een virtuele assistent op de werkvloer (en daarbuiten) een standaard geworden. Populaire opties als Siri, Cortana, Alexa, en Google Assistant trekken het voortouw, met daarachter een sleep van gespecialiseerde bots zoals X.ai of Pegg.

 

Het geheim van de virtuele assistent zit ‘em in tijdsbesparing. Door een conversationele interface – gebaseerd op spraak – kan je tijd sparen bij het zoeken naar informatie of het uitbesteden van simpele taken. Je kan Siri vragen om snel een e-mail op te sporen, in plaats van zelf je inbox uit te pluizen, of vertelt aan Cortana dat je morgen om 06:30 een alarm wilt instellen. Sneller kan niet.

 

Chatbots die worden ingezet voor customer service, kunnen klanten 24/7 verder helpen met makkelijke vragen, zodat de werknemers meer tijd hebben voor de delicate zaken die een menselijke interpretatie nodig hebben.

 

robot-ai-intelligentie

2. Meer inzicht

Data wordt weleens het nieuwe goud genoemd. Niet alleen generen we sinds kort meer data dan ooit tevoren, we hebben nu ook de tools om die gegevens om te zetten in waarde. Platformen zoals Hadoop en Spark maken het mogelijk om data te verwerken, en zo informatie te cultiveren die vroeger ondenkbaar was. Predictive analytics, bijvoorbeeld, laat toe om trends te ontdekken in de toekomst. Daarbij worden in data bepaalde patronen gezocht die zich in de toekomst kunnen doorzetten, zodat je uiteindelijk kan voorspellen welke uitkomst het waarschijnlijkst is.

 

Zo laat predictive analytics toe in te schatten welke lead het meeste potentieel heeft om een goede klant te worden, welke financiële transacties op fraude wijzen en zelfs hoe de prijzen van vliegtuigtickets kunnen evolueren.  Bovendien zijn analyticsmodellen gebaseerd op machine learning in staat om te leren. Dat zorgt ervoor dat de systemen steeds beter presteren naar mate ze meer data verwerken.

3. Automatisering

Niet verwonderlijk wordt de opmars van artificiële intelligentie vaak vergeleken met de industriële revolutie. Beiden werden gekenmerkt door een doorgedreven automatisering van taken die voorheen enkel door de mens gedaan konden worden. Nu gaat het alleen om meer cognitieve jobs, dan fysiek werk. Routineklusjes, zoals basisopzoekwerk en -rapportage, kunnen volledig door slimme algoritmen worden overgenomen.

 

Er wordt hier en daar geopperd dat een groot aantal jobs overgenomen zullen worden door robotica, hoewel meesten het hebben over een complementerende samenwerking tussen mens en bot. Opnieuw krijgt de mens meer tijd, aangezien een deel van zijn werk wordt geautomatiseerd. Bovendien zullen er door de veranderende arbeidsmarkt ook banen bijkomen: denk aan robotwetenschapper, kwaliteitscontroleur, en dergelijke.

big-data-trends

4. Ruwe data verwerken

Tot voor kort was analytics gebaseerd op gestructureerde data: data die bewust werd verzameld en bewaard in een database. De hoeveelheid beschikbare data bedraagt oneindig veel meer, maar ging tot dan verloren: we hadden geen manier om die ‘ruwe’ data te verwerken. Een groot probleem, want ongestructureerde data zou tellen voor zo’n 80 procent van alle data wereldwijd. In theorie hebben we dus hopen data tot onze beschikking, maar in praktijk kunnen we er amper aan.

 

Dankzij ‘natural language processing’, machine learning en andere AI-evoluties wordt het nu mogelijk om die bron wel aan te tappen. IBM Watson bijvoorbeeld, kan het internet afspeuren naar onverwerkte data in de vorm van video’s, blogs en andere bronnen om informatie te verzamelen, en die te interpreteren. Zo is er geen menselijke tussenkomst meer nodig om de data te structureren.

 

Die mogelijkheid om ruwe data om te zetten in bruikbare informatie kan een sleutelmoment betekenen in de evolutie van artificiële intelligentie. AI kan namelijk op die manier een kans zijn om “inzicht on-demand” te creëren, zoals we in het begin van het internettijdperk “informatie on-demand” ontdekten. Zo kan AI niet alleen een virtuele assistent zijn, maar ons ook helpen om betere beslissingen te nemen.

 

 

Reacties

comments powered by Disqus
 

RECENT NIEUWS