Hoge inflatie, krappe arbeidsmarkt, explosief gestegen energieprijzen, schaarste binnen supply chains, geopolitieke spanningen: organisaties hebben vandaag de dag te dealen met een combinatie van factoren die een risico vormen voor hun business.
Deze disruptieve marktomstandigheden doen een beroep op het aanpassingsvermogen van organisaties. Situaties kunnen waarnemen en doorvertalen naar actie, op basis van historische data, is een absolute must. Bedrijven hebben analytics en kunstmatige intelligentie (AI) nodig om te overleven in deze tijd van ontwrichting.
Bryan Harris, Executive Vice President en Chief Technology Officer van analytics-softwarebedrijf SAS legt uit hoe bedrijven data analytics en AI kunnen gebruiken om hun veerkracht en aanpassingsvermogen te vergroten.
AI en analytics elimineren menselijke observatie en besluitvorming als bottleneck
Het volume, de verscheidenheid aan data en de snelheid van data neemt al jaren significant toe. Menselijke waarneming en besluitvorming op basis van die data zijn bepalend voor de en snelheid waarmee organisaties zich kunnen aanpassen, maar vormen tegelijkertijd een bottleneck. “Mensen kunnen simpelweg niet zelf naar al die data kijken. Dus hebben we analytics, machine learning en AI nodig om de besluitvorming voor organisaties op te schalen,” zegt Harris.
Veerkracht vanuit de cloud
De strategische inzet van analytics, machine learning en AI vereist een flexibele en veerkrachtige architectuur, gefaciliteerd vanuit de cloud. Die omgeving kan meebewegen met de toenemende hoeveelheid data en de enorme hoeveelheid AI-modellen die bedrijven gebruiken. Harris: “Neem bijvoorbeeld de supply chain. Daar komt alles samen: vraagvoorspelling, productie, logistiek. Er is bijvoorbeeld een forecastingmodel dat de vraag voorspelt; een NLP-model dat teksten in vrije velden analyseert; een computer vision-model dat waarneemt door welke omstandigheden een productieproces verstoord wordt; een optimalisatiemodel dat ervoor zorgt dat looproutes in het magazijn worden aangepast aan de planning en ga zo maar door. Samen vormen ze een geïntegreerde workflow voor Sales & Operations Planning. Het is vrijwel nooit één model waarop je je beslissingen baseert, maar het is een set aan samenwerkende modellen.”
Analytics at scale: 15.000 AI-modellen in productie
Harris noemt als voorbeeld Georgia Pacific, dat onder meer gespecialiseerd is in toiletpapier en andere tissues. “Zij maakten voor de coronapandemie al gebruik van zelf ontwikkelde AI-modellen, maar het duurde gemiddeld genomen een halfjaar voordat een ontwikkeld model in productie werd genomen en de modellen stonden ieder op zich. Ze benaderden SAS voor hulp. We hebben ervoor gezorgd dat ze veel sneller meer modellen in productie konden nemen en die modellen onderling laten samenwerken. Dat was in 2019. Daarna brak corona uit en zat de hele wereld te springen om toiletpapier en papieren handdoekjes. In no-time heeft Georgia Pacific toen door anderen ontwikkelde AI-modellen in gebruik genomen om de ongeplande downtime van machines te reduceren en de equipment efficiency te verhogen. Daardoor konden zij de vraag toch aan. Op dit moment gebruiken ze maar liefst 15.000 AI-modellen. Het is dus echt ‘analytics at scale’.”
Model ops: prestaties van datamodellen in de gaten houden
Als je zoveel verschillende modellen gebruikt, is ook de model ops life cycle een belangrijk onderwerp. “Want modellen hebben onderhoud nodig. Je kunt ze niet ontwikkelen en er daarna nooit meer naar omkijken”, zegt Harris. Daarom houdt SAS voor je bij hoe het model presteert en waarschuwt je als de prestaties achteruit gaan. Dan is het tijd voor onderhoud of een update.
Voorkom dat AI een black box wordt
Het mag duidelijk zijn dat de complexiteit bij deze schaal gigantisch is. Het is belangrijk om die complexiteit goed te begrijpen, vindt Harris. AI mag geen black box zijn. Daarom investeert SAS veel in oplossingen voor data lineage: inzichtelijk maken hoe een model tot zijn voorspelling komt en welke data daarbij worden gebruikt. “Dat is heel belangrijk. Want in de supply chain zul je waarschijnlijk voor ieder product een ander voorspellend model hanteren. En in de gezondheidszorg voor iedere ziekte.”
De beslissing welk model, kun je ook aan SAS overlaten, zegt Harris. “Je geeft de software een heleboel data. Wij hebben via onze open API’s toegang tot duizenden voorspellende modellen. De software gaat voor je rekenen en komt terug met: voor deze toepassing is dit het best presterende model.” Dit kunnen modellen zijn die in de SAS-taal zijn ontwikkeld en die al beschikbaar zijn op het SAS-platform, maar ook Python- en andere modellen die verkrijgbaar zijn op marktplaatsen. Zo lang de modellen maar via een API te ontsluiten zijn, kan SAS ze gebruiken.
SAS zal zich dan ook blijven inzetten voor een open technologisch ecosysteem dat bedrijven flexibiliteit biedt en waarmee bestaande investeringen hun waarde houden. “Want als je als techleverancier iets niet moet willen, dan is het wel het creëren van een vendor lock-in. De ontwikkelingen gaan zo snel. Onze klanten moeten op ieder moment gebruik kunnen maken van nieuwe capabilities en nieuwe modellen”, zegt Harris.
De rol van mensen in responsible AI
Een laatste thema waar hij op wijst is responsible AI. “Want AI begrijpt onze menselijke waarden niet. AI maakt geen ethische afwegingen. Dat is wat wij mensen moeten toevoegen”, zegt Harris. “Mede daarom is het zo belangrijk dat modellen transparant zijn. Als je werkt met een black box en medewerkers weten niet hoe een beslissing tot stand is gekomen, dan kunnen ze een model ook niet corrigeren.” Zeker in de zorg en het sociale domein is responsible AI cruciaal. In iedere markt is het daarnaast belangrijk om domeinexpertise te betrekken. “Want een data scientist kan de complexiteit waar iemand uit de business mee te maken heeft nooit begrijpen. Je moet het multidisciplinair aanpakken.”
Harris besluit: “Bedrijven die nu kiezen voor analytics en AI om de huidige disrupties het hoofd te kunnen bieden, zullen ook op de lange termijn zich sneller en beter kunnen aanpassen dan hun concurrenten die deze technologieën nog niet op schaal hebben omarmd.“
Dit is een ingezonden bijdrage van SAS. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.
2 uur geleden
