SAS beschikt al jarenlang over uitgebreide analytics-software, maar in hoeverre verandert de software door een opkomende, invloedrijke technologie als kunstmatige intelligentie (AI)? Met AI kan je namelijk beter conclusies trekken tijdens data-analyse. We gingen over de invloed van AI op analytics in gesprek met Mark Bakker, Principal Business Solution Manager, en Matthieu Joosten, Industry Leader Telecom South West Europe.
Volgens Joosten heerst er in het algemeen wat verwarring rondom AI, waarmee hij min of meer verwijst naar de uitgebreide mogelijkheden van het Viya-platform van SAS. Wanneer bedrijven over AI praten, passen ze regelmatig één of enkele AI-gerelateerde zaken toe. Dat wil zeggen dat ze Business Intelligence (BI) of Robotic Process Automation (RPA) soms als hun grote AI-toepassing zien.
SAS Viya biedt duidelijk meer en mikt op het dekken van de volledige analytics lifecycle. Het platform is een enabler van verschillende AI-disciplines, zoals image recognition, machine learning, neurale netwerken en algortimes. Gebruikers zetten deze methodes in om bepaalde situaties te analyseren en calculeren.
Praktijkvoorbeeld moet overtuigen
Tijdens onze gesprekken wordt er veel nadruk gelegd op de unieke situaties waarbij AI zijn waarde kan bewijzen. Bakker ziet daar echt de meerwaarde in, aangezien het nut van AI in specifieke bedrijfssituaties aangetoond wordt. Seeing is believing, of zien is geloven, zoals het ook wel omschreven wordt. Als er in een vergelijkbare situatie aangetoond is dat kunstmatige intelligentie een meerwaarde biedt voor medewerkers of dat het maatschappelijk relevant is, dan ben je als bedrijf geneigd om het voorbeeld te volgen. Maar ook als bij een proef in jouw unieke situatie de meerwaarde snel duidelijk wordt, wordt het enthousiasme aangewakkerd.
De uitdaging zit volgens Bakker dan ook niet per se in het ontwikkelen van techniek. AI is immers al een tijd in ontwikkeling, waardoor het al best wat mogelijkheden heeft. Die mogelijkheden moeten alleen wel goed aangetoond worden. Daardoor komen er nu al situaties voor waarbij SAS een voorinvestering maakt, om de verdere commercialisering in een later stadium te behandelen. SAS hamert natuurlijk wel op de laatste, alleen is de drive van SAS om AI een flinke push te geven groot.
Problemen voorkomen door middel van AI
Eén van de cases waarmee het bedrijf de mogelijkheden van AI aantoont, richt zich op telecomoperators. SAS zet zijn software voor deze partijen in om op basis van analytics te voorspellen wanneer een bepaald netwerkelement gaat uitvallen, zodat de eindklant niet met een probleem wordt opgezadeld. Kunstmatige intelligentie is dan de overkoepelende term voor het detecteren van de problemen, wat vaak mogelijk is doordat een patroon op een bepaalde fout wijst die zich voor zal gaan doen. Dit komt bijvoorbeeld in een modem voor.
Om de problemen te detecteren, worden verschillende technologieën toegepast. Belangrijk component hierin is streaming analytics, ook wel bekend als event stream processing Een event is dan de gebeurtenis die op een bepaald moment plaatsvindt, de data stream is de voortdurende toestroom van data events en het processing-gedeelte analyseert alle data. Daarnaast maken ook machine learning-modellen deel uit van de aanpak, waardoor automatisch bepaald wordt of het probleem zichzelf automatisch oplost of dat het actie vereist.
Image recognition als AI-toepassing
Weer een wat andere proef van SAS richt zich op image recognition, een technologie waar het bedrijf stevig in investeert, in combinatie met 5G. Samen met een Italiaanse telecomoperator wordt de netwerkstandaard ingezet om beelden van een plein te analyseren. 5G is in deze situatie wel belangrijk omdat de bandbreedte grotere is en de latency minder is, wat real-time analytics mogelijk maakt.
In deze specifieke proef zijn er camera’s op een plein geplaatst om de crowd densisty (hoeveelheid mensen) en de beweging van de mensenmassa te monitoren. De software van SAS wordt dus niet ingezet voor een uitgebreide analyse van het individu, waar soms nog wel eens privacy zorgen rondom heersen. Het is puur voor crowd management en de veiligheid, zodat hulpdiensten ondersteund worden bij paniek- en aanslagsituaties. Image recognition bepaalt dan hoeveel mensen er op het plein zijn en wat de beste escape route is.
De proef gebruikt eveneens verschillende AI-toepassingen. Real-time analytics beoordeeld daarbij hoeveel mensen er zijn en hoe dreigend de situatie is. Anderzijds past SAS een stukje machine learning toe om te leren van de hoeveelheid mensen. Uit de beweging van de hoeveelheid mensen kunnen weer bepaalde conclusies getrokken worden. Een ander voorbeeld van een aspect dat machine learning monitort is het gedrag van een tiener of een volwassene in een groep, zodat ook hieruit conclusies getrokken worden voor betere crowd management.
Belang van AI wordt steeds duidelijker
Met de gebruikstoepassingen maakt SAS werk van het in kaart brengen van de AI-mogelijkheden. Die toewijding liet het onlangs ook blijken door een investering van 1 miljard dollar (880 miljoen euro) in AI aan te kondigen. Het moet de Research & Development (R&D) ten goede komen, waarbij de aandacht uitgaat naar het versimpelen van de voordelen voor gebruikers met verschillende vaardigheidsniveaus. Naast data scientists en data-analisten heeft het bijvoorbeeld betrekking op zakelijke gebruikers. Ook moet de SAS-software een upgrade krijgen door de investering, iets wat de komende jaren duidelijker zal gaan worden. De investering wordt namelijk uitgesmeerd over drie jaar.
Daarmee maakt SAS werk van het verbeteren en breder beschikbaar maken van kunstmatige intelligentie. Dat is ook niet zo vreemd, aangezien een groot deel van de analytics-toepassingen al erg gefocust zijn op AI. We zijn benieuwd naar hoe de AI-functionaliteiten zich verder blijven ontwikkelen.