"In de apps op uw mobieltje zit misschien meer kunstmatige intelligentie dan in al uw bedrijfsapplicaties."

Geen wonder dat er it-experts zijn die zeggen dat het allemaal een hype is en dat het spoedig over is. Maar daarvoor worden er te veel successen geboekt. Ja, het nabouwen van menselijke intelligentie is nog (heel) ver weg. Maar het toepassen van machine-intelligentie en machine-gebaseerd leren gebeurt al veel. Zowel binnen als buiten het laboratorium.

Ai kan nu worden gebruikt voor specifieke toepassingen voor specifieke bedrijfssituaties. Voorbeelden zijn: chatbots, kennissystemen, spraak- en beeldherkenning.

We kunnen natuurlijk wachten tot de productleveranciers echte artificiële intelligentie gaan inbouwen in hun producten. Maar deze luie vorm van innovatie maakt ons natuurlijk niet competitief. En het moet maar blijken of deze kant-en-klaar producten ook daadwerkelijk meerwaarde toevoegen.

Ai kost meer dan een paar klikken om het in gebruik te nemen. Je moet de machine tenslotte ook het onderwerp leren. Maar als je er echt voor gaat, kun je (routine)werk automatiseren waardoor je echte productiviteitsverbeteringen mogelijk zijn. IBM Watson kan bijvoorbeeld 500 gigabytes aan informatie (equivalent aan één miljoen boeken) per seconde lezen. Dat doet geen mens hem na.

Artificiële intelligentie is een blijvertje. En de ai-frameworks en micro apps zijn volwassen genoeg om er mee te beginnen. Niet alleen om wat stapjes in een proces efficiënter te maken, maar om te kijken wat ai voor uw processen en data kan betekenen. Hoe kunnen we echte verbeteringen afdwingen? Of dingen doen die nog nooit eerder gedaan zijn?

Maar er zijn (nog) geen kant-en-klare oplossingen voor iedere bedrijfssituatie. Daarom is het nu de tijd om, voor intern gebruik en voor klanten, nieuwe technologieën te verkennen. Door actief te werken aan een ecosysteem en ontwikkelmethodes waarbij productleveranciers en klanten bij elkaar kunnen worden gebracht en nieuwe oplossingen kunnen worden gecreëerd. Die ook mogen falen. Om zo al doende kennis en ervaring op te bouwen over artificiële intelligentie.

Text in English:

"There may be more AI in the apps on your mobile than in all your business applications."

2017 was the year of Artificial Intelligence. At least, that's what the forecasters wanted us to believe. But has it happened? What is certain is that a lot of “AI washing” has taken place. Non-intelligent IT products were provided with an AI label. What my colleague Ron Tolido calls “fake AI”. Amazon web services have been able to respond effectively to the big AI promise since 2005. But is the underlying technology true AI?

No wonder that there are IT experts saying that it is all a hype and that it is soon over. But too many successes have been achieved. Yes, the imitation of human intelligence is still (very) far away. But the application of machine-intelligence and machine-based learning is already happening. Both inside and outside the laboratory.

AI is now used for specific applications for specific business situations. Examples are chatbots, knowledge systems, speech and image recognition.

We can, of course, wait for the product suppliers to incorporate genuine Artificial Intelligence into their products. But this is a lazy form of innovation that doesn’t make us competitive. And it should be made clear whether these ready-to-use products actually add value.

AI costs more than a few clicks to take it into use. After all, you must also teach the machine the subject matter. But if you really go for it, you can automate (routine) work so that your real productivity improvements are possible. For example, IBM Watson can read Watson's 500 gigabytes of information (equivalent to one million books) per second. No human can do that.

Artificial Intelligence will stay. And the AI frameworks and micro apps are mature enough to start building applications. Not only to make steps in a process more efficient but really to look at what AI can do for your processes and data. How can we gain real improvements? Or do things that have never been done before?

But there are no ready-made solutions for every business situation (yet). Capgemini has therefore opted to explore new technologies for internal use and for and with its customers. By actively working on an ecosystem and development methods whereby product suppliers and customers can be brought together and new solutions can be created. Which may fail. In order to build knowledge and experience about Artificial Intelligence.

Photo Public Domain via Pixabay.