211service.com
De wereldwijde AI-agenda: belofte, realiteit en een toekomst van het delen van gegevens
In associatie met Genesys, Philips
' De wereldwijde AI-agenda: belofte, realiteit en een toekomst van het delen van gegevens ' is een MIT Technology Review Insights-rapport dat is opgesteld in samenwerking met Genesys en Philips. Het is ontwikkeld door middel van een wereldwijd onderzoek uitgevoerd in januari en februari 2020 onder meer dan 1.000 leidinggevenden in 11 verschillende sectoren en een reeks interviews met experts met specifieke verantwoordelijkheid voor of kennis van AI. Onderstaand artikel is een uittreksel van het volledige rapport.
Deze inhoud is geproduceerd door Insights, de aangepaste inhoudstak van MIT Technology Review. Het is niet geschreven door de redactie van MIT Technology Review.
Download de volledig rapport .
Weinig opkomende technologiegebieden hebben de afgelopen jaren zoveel opwinding en debat gegenereerd als AI. Het grootste deel van de opwinding tot nu toe was gecentreerd rond de technologie-industrie, die in de VS, China en tot op zekere hoogte Europa miljarden heeft geïnvesteerd in de ontwikkeling van zijn AI-capaciteiten. Organisaties in andere sectoren besteden misschien niet met dezelfde overgave aan AI, maar het onderzoek suggereert dat de meeste op zijn minst de wateren testen.
Tegen eind 2020 zal 97% van de voor dit rapport ondervraagde grote bedrijven AI inzetten. De eerste adoptanten waren IT- en telecombedrijven, met 81% die AI in 2018 gebruikte, net voor financiële dienstverleners (78%) en consumentengoederen en detailhandel (75%). De publieke sector vindt ook tal van use-cases voor AI: eind 2019 zei 94% van de respondenten van de overheid dat ze AI hadden ingezet.
AI zal natuurlijk verschillende rollen spelen in verschillende soorten bedrijven. Voor sommigen zullen de mogelijkheden ervan helpen om aspecten van operationele efficiëntie te verbeteren. Anderen verwachten dat het spelveranderend zal zijn. Voor ons, zegt Jeroen Tas, chief innovation and strategy officer bij Philips, leverancier van consumenten- en gezondheidsapparatuur, is AI een fundamentele technologie die de komende jaren in het overgrote deel van onze proposities terug te vinden zal zijn. En voor sommige bedrijven die in de online omgeving zijn geboren, berust het succes van het bedrijfsmodel erop. Een daarvan is Lemonade, een in New York gevestigde online aanbieder van eigendoms- en ongevallenverzekeringen die wordt beschreven als een disruptor van de gevestigde verzekeringssector. CEO Daniel Schreiber gelooft dat door AI aangedreven bots zoals die van Lemonade de toekomst van verzekeringen zijn.
Een stap tegelijk
Hoewel het op grote schaal wordt ingezet, staat AI niet op het punt de onderneming te veroveren. Zeer weinig ondervraagde leidinggevenden (4%) denken dat het over drie jaar in meer dan de helft van hun bedrijfsprocessen zal worden gebruikt. Minder dan een derde (30%) verwacht dat het in 31% tot 50% van de processen zal worden gebruikt. De meerderheid, 60% van de respondenten, gelooft dat AI ergens tussen de 11% en 30% van hun processen een plaats zal vinden - een aanzienlijke, maar niet noodzakelijk dominante invloed op hoe de meeste bedrijven werken. Wat deze maatregel betreft, zal AI een bijzonder grote rol spelen in de activiteiten van financiële dienstverleners, fabrikanten en technologiebedrijven.
De financiële dienstverlening, de maakindustrie en de IT- en telecommunicatiesectoren hebben binnen drie jaar de grootste ambities van AI.
Omdat ze niet zeker waren van de werkelijke (in tegenstelling tot veronderstelde) capaciteiten en zich bewust waren van de uitdagingen die het met zich meebrengt, hebben bedrijven een iteratieve benadering gekozen voor de implementatie van AI. Volgens Dirk Jungnickel, senior vice-president Enterprise Analytics bij Emirates Group, kwamen de vroege pogingen van zijn bedrijf in 2015 en 2016 om AI-mogelijkheden te bouwen vaak niet verder dan de proof-of-concept of pilotfase. Dat begon medio 2018 te veranderen toen, zegt hij, het bedrijf zijn inspanningen op het gebied van AI-ontwikkeling begon te operationaliseren en datawetenschap begon te industrialiseren.
Céline Le Cotonnec, chief data innovation officer bij Bank of Singapore, merkt op dat veel bedrijfsorganisaties AI-gebruiksscenario's willen leveren voordat ze eerst de juiste basis hebben gelegd op het gebied van IT-architectuur, AI-mogelijkheden, doelbesturingssysteem of datagovernance. Mijn reactie is 'first things first', zegt ze. We moeten de juiste basis voor data leggen voordat we verder gaan. Dit omvat het hebben van analytische vertalers - mensen die zowel AI als het bedrijf begrijpen om projecten te scopen, de levering te beheren, het rendement op investering te meten en te begrijpen hoe haalbaar het is om op te schalen.
Voor grote bedrijven die aanzienlijke budgetten opzij zetten om AI-capaciteiten te ontwikkelen, is het ontwikkelen en prioriteren van use cases een grote uitdaging. Volgens Mike Hanrahan, CEO van Walmart's Intelligent Research Lab (IRL): Het eerste waar we tijd in moesten steken, was beslissen waar we onze middelen op moesten richten. Zijn team identificeerde meer dan 250 verschillende use-cases en filterde ze vervolgens tot een handvol. Het filterproces was behoorlijk ingewikkeld om te beslissen waar we aan moesten werken, zegt Hanrahan. Het kwam erop aan te beslissen welke gevallen het meest praktisch waren om te schalen.
Voor Walmart hadden de prioritaire gevallen betrekking op voorraadbeheer, dat een groot deel van de kostenbasis van de multinational vertegenwoordigt, en waar zelfs kleine verbeteringen in efficiëntie aanzienlijke besparingen opleveren. In alle sectoren streven bedrijven echter naar een verscheidenheid aan gebruiksscenario's, in de hoop dat op zijn minst een paar vroegtijdig rendement zal genereren en zal dienen om vertrouwen en opwinding in AI in de hele organisatie op te bouwen.
Gebruik cases vandaag en morgen
Van de onderzoekssteekproef als geheel zijn kwaliteitscontrole, klantenservice en fraudedetectie momenteel de belangrijkste AI-gebruiksgevallen. Een meer gedetailleerd overzicht onthult echter een aanzienlijke variëteit in de belangrijkste use-cases die door verschillende sectoren worden nagestreefd. Meer dan de helft van de financiële dienstverleners (58%) en overheidsorganisaties (55%) noemt bijvoorbeeld fraudedetectie als hun belangrijkste AI-gebruiksvoorbeeld. Céline Le Cotonnec zegt dat in haar vorige functie bij een wereldwijde verzekeringsmaatschappij, fraudedetectie-use-cases de eerste waren die werden geïmplementeerd, aangezien het voordeel beloofde aanzienlijk te zijn: volgens een onderzoek van de Reinsurance Group of America (RGA) uit 2017, 3- 4% van alle wereldwijde claims is frauduleus, met de hoogste incidentie (4,16%) in Azië.
Van de onderzoekssteekproef als geheel zijn kwaliteitscontrole, klantenservice en fraudedetectie momenteel de belangrijkste AI-gebruiksgevallen wereldwijd.
Volgens Adi Chhabra, hoofd productinnovatie bij Vodafone UK, zijn de meest succesvolle use-cases voor mobiele operator Vodafone te vinden in klantenservice. De voordelen, zegt hij, vloeien voort uit zowel de kostenefficiëntie als de klantervaring. In de telecomsector kost klantenservice veel kosten. Door AI te integreren met IVR (interactive voice response) worden de kosten van deze operaties vrijwel direct weggenomen en worden sneller beslissingen genomen om problemen van klanten aan te pakken.
Volgens 51% van de respondenten uit die sector gebruiken energiebedrijven en nutsbedrijven AI om de toestand van hun netwerken te monitoren. Monitoring en diagnose zijn ook een natuurlijke AI-focus voor organisaties in de gezondheidszorg, en 42% van de respondenten van deze organisaties streeft naar dergelijke toepassingen. Volgens Tas van Philips heeft AI de manier waarop de industrie kanker diagnosticeert volledig veranderd, en de mogelijkheden strekken zich nu verder uit tot het selecteren van behandelingen: zodra de diagnose is gesteld, helpen AI-algoritmen ons nu om de juiste therapie te selecteren. Dat is complex omdat de opties chirurgie, ablatie, chemotherapie, immunotherapie of bestraling of een combinatie hiervan kunnen zijn. Het selecteren van de juiste therapieën en trajecten wordt een op inzichten gebaseerde, AI-gestuurde oefening.
De uitdagingen van schaalvergroting
Het is duidelijk uit de leidinggevenden die voor dit rapport zijn geïnterviewd dat het schalen van AI-use cases moeilijk blijkt te zijn. Bestaande technologische beperkingen kunnen een bredere acceptatie in de weg staan, suggereert Hanrahan in het geval van realtime video-analyse. Als het gaat om vormen van persoonlijke AI, moet er vooruitgang worden geboekt in de verwerking van natuurlijke taal voordat bijvoorbeeld chatbots echt geavanceerd worden, zegt Chhabra.
In sommige sectoren belemmert regelgeving de bredere toepassing van op AI gebaseerde innovaties. Een voorbeeld hiervan zijn op algoritmen gebaseerde verzekeringsprijzen in de Verenigde Staten. Volgens Daniel Schreiber van Lemonade is dit momenteel slechts in een handvol Amerikaanse staten toegestaan. In de VS, 's werelds grootste verzekeringsmarkt, heeft de regelgeving nog geen rekening gehouden met deze next-gen technologieën, zegt hij.
Tekorten aan AI-gerelateerd talent en vaardigheden zijn een veelgehoorde klacht van CIO's en CTO's, en 42% van de respondenten van ons onderzoek zegt dat een tekort aan interne datawetenschappers en gerelateerde experts een grote belemmering is voor hun gebruik van AI. Het tekort wordt sterk gevoeld onder respondenten uit de productie- en technologie-industrie, die door respectievelijk 48% en 47% van hen als een AI-beperking worden genoemd.
De moeilijkheid om bedrijfsprocessen aan te passen rond AI-inzichten werd genoemd als de grootste AI-uitdaging wereldwijd, gevolgd door problemen rond gegevenskwantiteit, kwaliteit en beschikbaarheid.
Gegevens zijn inderdaad een andere belangrijke beperking, die door de respondenten van de enquête (geciteerd door 48% van hen) op de tweede plaats staat bij de verwerking van problemen. AI-modellen hebben gegevens nodig: hoe meer een model binnenkrijgt, hoe nauwkeuriger de analyse en hoe groter de kans dat de beslissingen die het oproept, resultaat opleveren. Het probleem ligt echter minder bij de algehele beschikbaarheid van gegevens. Slechts 10% van de respondenten zegt hiermee te worstelen. Moeilijkheden bij het integreren van gegevens in verschillende formaten, vooral ongestructureerde gegevens, zijn volgens Le Cotonnec het grootste probleem. Verzekeraars zouden hun ongestructureerde gegevens (oproeplogboeken, afbeeldingen, e-mail) moeten gaan gebruiken om de efficiëntie van het claimproces of de klantervaring te verbeteren. We hebben genoeg data, maar ons vermogen om waarde te halen uit ongestructureerde data is op dit moment beperkt. De verzekeringssector staat niet alleen: het is een probleem waarmee 57% van de bedrijven in het onderzoek (en aanzienlijk meer professionele dienstverleners, transport- en overheidsorganisaties) wordt geconfronteerd.
Het integreren van ongestructureerde data, interfacing met open dataplatforms en vooringenomenheid in algoritmische modellen zijn de belangrijkste AI-data-uitdagingen.
Mogelijkheden voor het delen van gegevens ontgrendelen
In juni 2019 vormden 10 grote farmaceutische producenten een consortium met het uitdrukkelijke doel om onderzoeksgegevens over geneesmiddelen te delen die elk kunnen gebruiken om hun AI-algoritmen te trainen. Het is niet de eerste keer dat grote farmaceutische bedrijven zich bezighouden met R&D-samenwerking. Maar het is de eerste keer in deze sector van onderzoekssamenwerking waarin AI zowel de katalysator als de begunstigde is. Consortiumleden doorzoeken elkaars gegevens met behulp van federatieve leertechnieken, een gedecentraliseerde vorm van machine learning. Hierdoor kunnen de gegevens die worden doorzocht op de servers van elk bedrijf blijven in plaats van te worden gepoold in een centrale repository. De bedrijven kunnen beschermen wat zij als eigendom beschouwen, terwijl het gebruik van blockchain zorgt voor volledige traceerbaarheid van de gegevens. Het uiteindelijke doel: het vereenvoudigen en versnellen van de ontdekking en ontwikkeling van geneesmiddelen, waardoor nieuwe en goedkopere geneesmiddelen en behandelingen op de markt komen.
Dit voorbeeld laat zien hoe het gebruik van AI, in combinatie met andere technologieën, het efficiënt en veilig delen van gegevens tussen bedrijven kan vergemakkelijken, en de voordelen die kunnen voortvloeien uit krachtige AI-modellen die zijn gebaseerd op gedeelde gegevens. De voordelen kunnen de vorm aannemen van nieuwe efficiëntieverbeteringen, nieuwe producten en diensten, of zelfs nieuwe waardeketens die zich vormen rond regelingen voor het delen van gegevens.
Wereldwijd tonen de industrie, consumentenproducten en detailhandel, en de IT- en telecommunicatie-industrie de grootste belangstelling voor manieren om gegevens met derden te delen.
Tweederde (66%) van de respondenten van onze enquête geeft aan bereid te zijn om hun eigen gegevens voor deze doeleinden te delen. Fabrikanten, consumentengoederen- en retailbedrijven en technologiebedrijven zijn het meest enthousiast, hoewel alle sectoren een grote mate van paraatheid vertonen. Hoe willen ze er voordeel uit halen? Fabrikanten zien hun belangrijkste overwinningen in de vorm van een grotere snelheid en zichtbaarheid van de toeleveringsketen, efficiëntere productieactiviteiten en snellere en meer innovatieve productontwikkeling. Respondenten uit de sectoren consumptiegoederen en detailhandel en farmacie en gezondheidszorg noemen dezelfde voordelen op het gebied van toeleveringsketen en productontwikkeling. IT- en telecommanagers zien de voordelen vooral in verbeterde klantenservice-ervaringen en sterkere cyberbeveiliging en fraudepreventie, dezelfde voordelen die de respondenten uit de financiële sector hoog in het vaandel hebben staan.
Het delen van gegevens over waardeketens en tussen verschillende providers in een klantreis kan een enorm voordeel zijn voor consumenten, zegt Tony Bates van Genesys. We genereren miljarden interacties waar we gemeenschappelijke datamodellen omheen kunnen bouwen. Maar we hebben ook andere vormen van data nodig. Er is behoefte aan het delen van gegevens over de verschillende grote technologiestacks die we gebruiken en beheren. Als we dit op een geanonimiseerde en veilige manier kunnen doen, kunnen we als branche ervoor zorgen dat onze klanten veel meer gepersonaliseerde ervaringen krijgen dan ze nu krijgen.
Enquête-respondenten zien een grotere zichtbaarheid in de toeleveringsketens en snellere en meer innovatieve productontwikkeling als de grootste voordelen van het delen van gegevens met derden.
Vooral voor business-to-consumer-bedrijven was het grootste obstakel tot nu toe de moeilijkheid om de anonimiteit van de gegevens van hun klanten te waarborgen. Chhabra van Vodafone zegt dat volledige anonimiteit ongrijpbaar was: hoe graag je ook wilt anonimiseren, gebruikers van gedeelde gegevens kunnen manieren vinden om de klanten te volgen waarnaar de gegevens verwijzen. Hij is van mening dat blockchain en nieuwere ontwikkelingen zoals Ocean Protocol, dat op dezelfde manier werkt als federatief leren door gedecentraliseerd zoeken naar gegevens mogelijk te maken, er uiteindelijk voor zullen zorgen dat AI-modellen kunnen worden uitgevoerd op volledig geanonimiseerde gegevens.
Het creëren van de mogelijkheid om gegevens veilig te delen is een stukje van de puzzel. De andere, zegt Chhabra, creëert een stimulans voor bedrijven om door te gaan en het te delen. Degenen achter Ocean Protocol, een non-profitplatform ontwikkeld door een in Singapore gevestigde stichting, zien de technologie ervan ten grondslag liggen aan de vorming van datamarktplaatsen waarin bedrijven, consumenten en andere partijen data delen of verhandelen.
Aan welke vormen van delen bedrijven ook deelnemen, ze moeten leren hoe ze de gegevens die ze bezitten en de gegevens die ze nodig hebben kunnen waarderen, zegt George Bailey, directeur van het Digital Supply Chain Institute, een onderzoeksorganisatie. Het kan inhouden dat er een geldprijs wordt toegekend aan verschillende soorten gegevens, of dat wordt vastgesteld welke gegevens het wil ruilen in ruil voor die van andere partijen. Hij haalt voorbeelden aan van producenten van sportartikelen die er baat bij hebben om gegevens te verkrijgen van bedrijven die fitness-apps ondersteunen, en producenten van duurzame consumptiegoederen die gegevens over de voorkeuren en kenmerken van eindgebruikers van retailers zoeken. Bailey pleit ook voor gegevenswaardering en handel binnen bedrijven als middel om diepgewortelde gegevenssilo's te doorbreken.
Meer duidelijkheid over de regelgeving en de ontwikkeling van overeengekomen industrienormen zijn nodig voordat bedrijven actiever gegevens gaan delen.
Van visie naar realiteit
Het delen van gegevens op een schaal die leidt tot nieuwe AI-enabled efficiënties, producten en waardeketens is een visie die moet worden gerealiseerd in plaats van een huidige realiteit. Al degenen die we hebben geïnterviewd, geloven dat het zal gebeuren, maar dat het enige tijd zal duren voordat de twijfels van het bestuur en de C-suite over de veiligheids- en privacyrisico's hiervan zijn weggenomen. Die mening wordt weerspiegeld in de enquête, waar 64% van de respondenten zegt dat de regelgeving moet worden gewijzigd of verduidelijkt, en 58% dat er industrienormen moeten worden ontwikkeld voordat hun bedrijven het delen van gegevens op grote schaal zullen omarmen.
Strenge gegevensprivacyregels, zoals de Algemene Verordening Gegevensbescherming (AVG) van de Europese Unie, die sinds 2018 van kracht is, geven leidinggevenden begrijpelijkerwijs een pauze in het licht van de straffen die ze kunnen krijgen als ze niet aan de vereisten voldoen. Blockchain-technologie kan een deel van de oplossing zijn, maar Chhabra benadrukt ook wat bekend staat als de AVG-blockchain-paradox - de eerste vereist de mogelijkheid om gegevens te wissen op verzoek van een persoon, terwijl niet-verwijdering - volledige traceerbaarheid - inherent is aan de laatste.
Hoe dergelijke problemen worden opgelost, valt nog te bezien, maar sommige organisaties pleiten voor de oprichting van datatrusts om het delen te vergemakkelijken. Een daarvan is het Open Data Institute (ODI), een in het VK gevestigde non-profitorganisatie: het stelt dat er bij Britse bedrijven een sterke behoefte bestaat aan dergelijke trusts die zijn opgericht als onafhankelijke instellingen om op te treden als beheerders van de gegevens die worden gedeeld.
Philips, zegt Jeroen Tas, is een groot voorstander van het creëren van een niet-commerciële trust voor het beheer van gezondheidsgegevens en is in gesprek met de Europese Commissie om dergelijke initiatieven te ondersteunen. Er is een consensus in deze industrie die zegt: 'Misschien moeten we niet alleen investeren in fysieke ziekenhuizen en andere faciliteiten. Misschien is de toekomst van de gezondheidszorg een zeer solide infrastructuur voor gezondheidsgegevens die veilig is.
Voor meer, download de volledig rapport .