5 Stappen Om AI In Uw Bedrijf Te Implementeren Zonder De Bank Te Breken

Kunstmatige intelligentie blijft een groeiende trend, en als het blijft doordringen in elke industrie, zal het de manier waarop we leven volledig transformeren.

Als gevolg hiervan is het integreren van AI in hun bedrijven voor veel oprichters een topprioriteit geworden. Ook individuen zoeken naar manieren om AI te gebruiken om hun persoonlijke leven te verbeteren.

De hype is zo groot dat Collins Dictionary, een toonaangevende taalautoriteit, AI als woord van het jaar heeft genoemd, vanwege de plotselinge toename in populariteit.

Gezegd hebbende, voor de meeste organisaties is er een grote kloof tussen idee en realiteit wanneer ze proberen AI in hun processen te integreren, omdat de weg niet zo rechttoe rechtaan is als het lijkt, en het kan heel duur zijn, zowel in termen van benodigde kapitaaluitgaven als in verspilde tijd, omdat de ontwikkelingen niet het verwachte resultaat zullen opleveren. Dit heeft verschillende bedrijven in de problemen gebracht. Zo heeft CNET geëxperimenteerd met AI-gegenereerde artikelen, en die bleken vol fouten te zitten. Andere bedrijven, zoals iTutor Group, hebben forse boetes gekregen, naast publieke spot, vanwege hun slechte AI-implementaties.

Zoals deze gevallen laten zien, kunnen bedrijven veel fouten maken met AI, en tenzij een onderneming de financiële buffer van Amazon, Google, Microsoft of Meta heeft, kunnen deze mislukte experimenten een bedrijf effectief failliet laten gaan.

Als u een oprichter of eigenaar van een bedrijf bent, is hier een gids met vijf stappen om u te helpen AI in uw bedrijf te implementeren, zonder uw middelen – geld en tijd, wat uiteindelijk geld is – te verspillen, en zonder de kans op fatale fouten te vergroten.

1. Wees duidelijk over het probleem dat u probeert op te lossen

Geen enkel bedrijf is immuun voor AI-falen. En zoals Amazon pijnlijk heeft ontdekt – door zijn mislukte kassaloze winkels Amazon Go – niet elk bedrijf heeft AI nodig.

Daarom is het cruciaal dat u het probleem dat u met AI probeert op te lossen, zo duidelijk mogelijk omschrijft.

Een veelvoorkomende toepassing van AI is klantenservice. Het implementeren van AI in een dergelijk geval is mogelijk op een manier die specifieke resultaten oplevert, bijvoorbeeld door de kosten van de callcenter te verminderen met een bepaald bedrag per maand of door de gemiddelde tijd te verkorten die nodig is om klantvragen op te lossen met een bepaalde tijd. Met deze aanpak hebben we een meetbaar indicateur in de vorm van geld of tijd, die we proberen te bereiken door AI te implementeren en te zien of dit enig effect heeft.

Er zijn verschillende manieren waarop dit kan gebeuren. Bijvoorbeeld, in plaats van een chatbot, kunnen we een dienst ontwikkelen of kopen die bepaalt of een klantvraag kan worden beantwoord met een FAQ-pagina. Het werkt als volgt. Wanneer een klant een bericht schrijft, voeren we dit model uit en het vertelt ons of we de conversatie moeten overdragen aan een agent of laat zien een relevante pagina met een antwoord op hun vraag. Het ontwikkelen van dit model is sneller en goedkoper dan het bouwen van een complexe chatbot van scratch. Als deze implementatie slaagt, bereiken we ons doel van het verminderen van de kosten terwijl we onze AI-gerelateerde kapitaaluitgaven optimaliseren, in vergelijking met de kosten van het ontwikkelen van een chatbot.

Een pionier in deze aanpak was Matten Law, een Californische advocatenkantoor dat een AI-gepowered assistent geïntegreerd heeft om veel taken te automatiseren, waardoor advocaten meer tijd kunnen besteden aan het luisteren naar klanten en het bestuderen van die aspecten van een zaak die het meest relevant zijn. Dit illustreert dat zelfs de meest rigide sectoren kunnen worden verstoord door AI op een manier die de gebruikerservaring versterkt, door de menselijke touch te verhogen waar het het meest nodig is.

Andere veelvoorkomende problemen die met hulp van AI kunnen worden aangepakt, zijn gegevensanalyse en het creëren van aangepaste aanbiedingen. Spotify is een buitengewoon voorbeeld van een bedrijf dat met succes AI gebruikt om een intelligent systeem voor muziekanbevelingen te ontwikkelen, dat zo ver gaat als rekening houdend met de tijd van de dag waarop iemand naar een bepaald genre luistert.

In beide genoemde scenario’s helpt AI bij het bieden van een betere ervaring voor de klant. Echter, de reden waarom deze bedrijven AI met succes gebruikten, was omdat ze heel duidelijk waren over de aspecten die aan AI moesten worden overgedragen.

2. Bepaal de gegevens die u wilt analyseren

Zodra het hoofdprobleem duidelijk is omschreven, moeten we rekening houden met de gegevens die we aan het systeem moeten voeden. Het is essentieel om te onthouden dat AI een algoritme is dat de gegevens die we bieden analyseert en aanpast. Het basisscenario voor gegevensverzameling is als volgt:

1. Begrijp welke gegevens we nodig hebben om AI te implementeren.

2. Zie of ons bedrijf die gegevens heeft.

   1. Als dat zo is — prima.

   2. Als niet, moeten we ons afvragen of we het juiste gegevensverzamelingproces in-house kunnen starten. Als andere mogelijkheid kunnen we ontwikkelaars vragen om de gegevens die we nodig hebben op te slaan als we dat nog niet doen.

Hier is een voorbeeld. We hebben een koffiezaak en we hebben gegevens nodig over hoeveel klanten die bezoeken. We kunnen dit doen door persoonlijke loyaliteitskaarten te implementeren die klanten zullen laten zien als ze een aankoop doen. Op deze manier hebben we de gegevens die we nodig hebben, zoals welke klanten kwamen, wanneer ze kwamen, wat ze kochten en in welke hoeveelheid. Zodra we die gegevens hebben, kunnen we die gebruiken om AI te implementeren. Er zijn echter tijden waarin het verzamelen van deze gegevens heel duur kan zijn. En dat is wanneer AI ons te hulp kan komen. Als we bijvoorbeeld een camera in onze koffiezaak hebben geïnstalleerd – wat we in ieder geval voor veiligheidsdoeleinden zouden doen – kunnen we die gebruiken om gegevens van onze bezoekende klanten te verzamelen. Ik moet zeggen dat het, voordat we dit implementeren, belangrijk is om te raadplegen over persoonlijke gegevenswetten, zoals de AVG, omdat deze aanpak niet in elk land zou werken. Maar in die rechtsgebieden waarin het wel is toegestaan, kan dit een naadloze manier zijn om de informatie te verzamelen die we nodig hebben en om AI te laten helpen bij het analyseren en verwerken ervan.

Als u zich afvraagt, is dit persoonlijke loyaliteitsprogramma wat Starbucks heeft gedaan, met groot succes. Het beloningsprogramma van Starbucks ging zo ver dat het persoonlijke incentives bood wanneer een klant hun favoriete locatie bezocht of hun favoriete drankje bestelde.

3. Definieer een hypothese

Er kunnen situaties zijn waarin u onzeker bent over welke processen geoptimaliseerd kunnen of moeten worden met AI.

Als dat uw geval is, kunt u beginnen met het opdelen van uw hele proces in fasen en identificeren van die fasen waarin u voelt dat uw bedrijf onderpresteert. Wat zijn die gebieden waarop u te veel geld uitgeeft? Wat duurt langer dan normaal? Door deze vragen te beantwoorden, kunt u de kritieke gebieden voor verbetering identificeren en beslissen of AI van hulp kan zijn.

Zoals u zult ontdekken, zijn er gevallen waarin conventionele oplossingen effectiever kunnen zijn. Als u worstelt met welke productaanbiedingen u aan uw klanten moet laten zien, zijn suggesties op basis van de meest populaire producten vaak veel effectiever in marktplaatsaanbevelingssystemen dan pogingen om gebruikersgedrag te voorspellen. Probeer dat dus eerst. Zodra u een resultaat heeft – of het nu positief of negatief is – kunt u een hypothese voor AI-testen hebben. Anders zal het veld van actie te vaag zijn en kunt u tijd en geld verspillen.

4. Maak gebruik van de bestaande oplossingen

Veel bedrijven proberen meteen hun eigen machine learning-algoritmes te ontwikkelen. Echter, als u niet van plan bent om ze te trainen met grote datasets over een lange periode, doe dat dan niet. Het zal heel duur en tijdrovend zijn.

In plaats daarvan stel ik voor dat u zich richt op oplossingen die al beschikbaar zijn. Bedrijven als Amazon, Google, Microsoft en vele anderen hebben AI-gepowered tools die u kunnen helpen om veel doelen te bereiken. Vervolgens kunt u een contract sluiten met een van hen en een interne ontwikkelaar inhuren om de benodigde API-aanvragen vaardig te configureren.

Het basisidee is dat deze tools geïntegreerd kunnen worden door bedrijfsontwikkelaars (niet ML-specialisten), wat ons in staat stelt om snel de hypothese te testen of AI het verwachte effect heeft of niet. Als het faalt om dat te doen, kunnen we deze tools eenvoudig uitschakelen en onze kosten voor het testen van onze hypothese zullen alleen de ontwikkeltijd zijn die we hebben besteed aan het integreren met die dienst en het bedrag dat we hebben betaald om de tool te gebruiken. Als we een model aan het ontwikkelen waren, zouden we het salaris van de ML-specialist maal de tijd die ze besteden aan het ontwikkelen van het model uitgeven, plus eventuele infrastructuurkosten. En dan is het niet duidelijk wat u met de ontwikkelaar en het model moet doen als het uiteindelijke effect er niet is.

Als onze hypothese bewezen is en de AI-gepowered tool het verwachte effect heeft, vieren we en komen we met een nieuwe hypothese. In de toekomst, als we voorzien dat de kosten van de tool aanzienlijk toenemen, kunnen we nadenken over het ontwikkelen van dit model zelf, en zo de kosten nog verder verlagen. Maar we moeten eerst evalueren of de ontwikkelingskosten in feite lager zijn dan wat we zouden betalen om een tool van een ander bedrijf te gebruiken dat gespecialiseerd is in het ontwikkelen van deze tools.

Mijn advies is dat u overweegt om uw eigen machine learning-product te ontwikkelen alleen nadat u goede resultaten heeft behaald met het gebruik van AI met de hierboven genoemde tools en zodra u er zeker van bent dat AI de juiste manier is om uw probleem op lange termijn op te lossen. Anders zal uw ML-project de waarde die u zoekt niet opleveren en, zoals een recent artikel in de Harvard Business Review zei, zal de AI-hype u alleen maar afleiden van uw missie, die geen AI nodig heeft.

5. Raadpleeg AI-specialisten

In dezelfde geest is een andere veelvoorkomende fout die oprichters en bedrijfseigenaren maken dat ze proberen alles in-house te doen. Ze nemen een AI-hoofdingenieur of -onderzoeker in dienst en vervolgens meer mensen om een team te vormen dat een baanbrekend product kan creëren. Echter, die technologie zal waardeloos zijn voor het doel van uw bedrijf als u geen goed gedefinieerde AI-implementatiestrategie heeft. Er is ook een geval waarin ze een junior ML-engineer in dienst nemen om geld te besparen in vergelijking met het inhuren van een meer ervaren specialist. Dit is ook gevaarlijk, omdat iemand zonder ervaring de subtiliteiten van ML-systeemontwikkeling en -ontwerp niet kan kennen en “rookie-fouten” kan maken, waarvoor het bedrijf een te hoge prijs moet betalen, die bijna altijd hoger is dan de prijs van het inhuren van een ervaren ML-specialist.

Daarom is mijn aanbeveling dat u eerst een AI-expert inhuurt, zoals een consultant, die u zal begeleiden en uw AI-adoptieproces zal evalueren. Maak gebruik van hun expertise om ervoor te zorgen dat het probleem dat u aan het werk bent AI nodig heeft en dat de technologie effectief kan worden geschaald om uw hypothese te bewijzen.

Als u een startend bedrijf bent en zich zorgen maakt over financiering, is een hack hiervoor contact opnemen met AI-engineers op LinkedIn met specifieke vragen. Gelooft u het of niet, veel ML- en AI-experts houden ervan om te helpen, zowel omdat ze echt van het onderwerp houden als omdat, als ze u helpen, ze het kunnen gebruiken als een positief casestudy voor hun consultancyportfolio.

Laatste Gedachten

Met alle hype die rond AI heerst, is het normaal dat u mogelijk enthousiast bent om het in uw bedrijf te integreren en een AI-gepowered oplossing te ontwikkelen die u naar het volgende niveau tilt. Echter, u moet in gedachten houden dat het feit dat iedereen over AI praat, betekent dat uw bedrijf AI nodig heeft. Veel bedrijven, helaas, haasten zich om AI te integreren zonder een duidelijk doel voor ogen en verspillen enorm veel geld en tijd. In sommige gevallen, vooral voor startende bedrijven, kan dit betekenen dat ze ten onder gaan. Door duidelijk een probleem te articuleren, relevante gegevens te verzamelen, een hypothese te testen en de beschikbare tools te gebruiken met de hulp van een expert, kunt u AI integreren zonder de financiële middelen van uw bedrijf te verspillen. Vervolgens, als de oplossing werkt, kunt u geleidelijk opschalen en AI integreren in die gebieden waarin het de efficiëntie of winstgevendheid van uw bedrijf verhoogt.