Afgelopen jaar bracht ons op een kruispunt met betrekking to AI en analytics. Het belang van goede, snelle data-analyses in relatie tot publieke en private instanties werd tijdens de pandemie bijzonder zichtbaar. Ook in 2021 mogen we het nodige verwachten van data als motor voor verandering.
Voor de illustratie hiervan hoeven we niet ver te zoeken. Dagelijks zijn in het nieuws de laatste cijfers over Covid-19 en de effecten hiervan te lezen. In de zorgsector zelf zien we dat het gebruik van analytics steeds belangrijker wordt voor zaken als voorraadbeheer, beddenbezetting en personeelsplanning. Een goed voorbeeld hiervan is Treant Zorggroep. Daarnaast moest de Rijksdienst voor Ondernemend Nederland (RVO) op korte termijn twee regelingen opzetten en uitvoeren, de TOGS-regeling en de Tegemoetkoming Vaste Lasten (TVL) en automatiseerde dit werk deels met analytics-software van SAS. Dit zijn slechts enkele voorbeelden van de inzet van algoritmen die aantonen dat er grote stappen gezet zijn op het gebied van analytics en decisioning, oftwel het nemen van beslissingen met de hulp van data.
Wat 2020 heeft laten zien, is de behoefte aan goede rekenmodellen en algoritmen om kernprocessen te versnellen dan wel te verbeteren. Dit gaat inmiddels veel verder dan overheden en banken, de sectoren met een lange historie aan data en statistiek. De zorg haakt snel aan en ook in de industriële sector is bezig met een inhaalslag. Ik verwacht dat de trends van 2020 ook in 2021 zullen doorzetten om de oplossingen te vinden voor de grote vraagstukken die zich aandienen met betrekking tot bedrijfskeuzes, overheidskeuzes en de gezondheidszorg.
Kort samengevat zijn dat:
- De ‘core’ van analytics wordt versterkt. Organisaties gaan meer investeren in traditionele analytics teams en technieken die geschikt zijn om snel data te ontsluiten en voorspellingen te doen.
- Daar de kernprocessen van bedrijven steeds meer gebruikmaken van AI& analytics is de behoefte aan ModelOps fors toegenomen. ModelOps is de holistische benadering die wordt gebruikt om modellen snel in productie te nemen en beter te beheren gedurende hun levenscyclus. Voor organisaties die hun digitale transformatie willen versnellen en hun wendbaarheid en concurrentiekracht willen vergroten, is ModelOps geen optie maar een vereiste.
- AI wordt pragmatisch. De focus zal blijven liggen op het toepassen van AI voor het automatiseren en verbeteren van de kernprocessen om goed onderbouwde beslissingen te nemen. AI-gebruikers op alle niveaus geven aan dat het verbeteren van bestaande producten en diensten hun nummer één AI-prioriteit is en blijft.
- Ethische AI-principes bieden ruimte voor verantwoordelijke AI-praktijken. Organisaties streven in de eerste plaats ethiek na, maar gaan ook over op praktische procedures om AI-besluitvorming in goede banen te leiden. Dit omvat het op maat maken van AI-beheer en -toezicht voor hun specifieke sector, probleemdomein en niveau van volwassenheid.
- De combinatie van menselijke intelligentie en besluitvormingstechnologieën zorgt voor optimale resultaten. De reactie van het bedrijfsleven op COVID-19 heeft de digitale transformatie-activiteiten in 2020 drastisch versneld. Er is meer druk op organisaties om transacties te digitaliseren en de besluitvorming te versnellen. De interactie van het mens brein met de technologie – en het toezicht daarop – optimaliseert de resultaten voor organisaties over de hele linie.
- Een ander element dat een enorme impact gaat hebben op de brede adoptie van artificial intelligence, is de opkomende wet- en regelgeving. Binnen de EU is AI-regelgeving in de maak, die medio juni geïntroduceerd zal worden. Dit zal de adoptie van AI ondersteunen door te voorzien in expliciete richtlijnen om risico’s te minimaliseren. Binnen deze regelgeving zal ook veel aandacht zijn voor duidelijkheid en transparantie. Aan de hand hiervan kunnen organisaties met meer vertrouwen navigeren door de onzekerheden die inherent zijn aan riskante, zelflerende systemen.
Analytics en AI hebben het afgelopen jaar een grote stap richting volwassenheid gezet. Er is voldoende aanleiding om te constateren dat dit jaar opnieuw veel aandacht zal uitgaan naar de inzet van analytics en algoritmen om problemen op te lossen. Daarbij is het belangrijk om transparantie te garanderen om het vertrouwen en een duurzame inzet van AI te bevorderen. Dat is de belangrijkste opdracht voor dit jaar.
