Van de CEO in de directiekamer tot een arbeider op de werkvloer: het vermogen om op elk niveau snel de juiste beslissingen te nemen is altijd al bepalend geweest voor het succes van een organisatie. Toch is dit tegenwoordig geen sinecure meer. Zowel strategische als operationele beslissingen worden steeds complexer en de impact kan veel verder reiken dan we vermoeden. Om die reden verkennen moderne bedrijven steeds vaker de mogelijkheden van analytics en AI.
Gartner hield onlangs een conferentie waarin het onder meer de toekomst van beslissingsprocessen onder de loep nam. Twee conclusies springen daarbij in het oog. Aan de ene kant stelt het onderzoeks- en adviesbureau dat de context van beslissingen belangrijker wordt. Zo is het perfect mogelijk dat een beslissing in de ene situatie wel werkt, terwijl de andere situatie om een betere beslissing vraagt. Een tweede vaststelling van Gartner is dat verschillende beslissingen vaak met elkaar verbonden zijn. Een besluit kan ook cross-departementaal en zelfs buiten de organisatie grote gevolgen hebben.
Context en connectiviteit maken besluitvorming in een modern bedrijf dus veel complexer, maar het zijn tevens deze factoren die de deur openen voor data en analytics, ofwel Intelligent Decisioning.
Composite AI
Dat artificiële intelligentie (AI) een belangrijke rol heeft in het nemen van beslissingen, blijkt ook uit de conclusies van een ander onderzoeksbureau. Zo stelt McKinsey dat veel AI-initiatieven vandaag falen omdat bedrijven de technologie niet ingebed hebben in hun besluitvormingsproces. Zoals we eerder al hebben aangehaald is het niet voldoende om een mooi analytisch model te bouwen. Een model is pas waardevol wanneer het in de praktijk tot betere beslissingen voor het bedrijf leidt. Maar hoe kan je AI dan wel inzetten om de complexiteit van bedrijfsprocessen te ondersteunen?
Overeenkomstig met de trend naar complexere beslissingen is ‘Composite AI’ aan een opmars bezig. Waar we doorgaans één AI-technologie voor een toepassing gebruiken, streven we er met Composite AI naar om verschillende AI-componenten (Machine Learning, Deep Learning, Natural Language Processing, Computer Vision, …) op een slimme manier te combineren, zowel met andere technologie als met traditionele statistiek en menselijke beslissingsregels die nog steeds belangrijk blijven.
Een simpel, maar herkenbaar voorbeeld: organisaties die aan e-commerce doen, kunnen een predictief model laten samenwerken met een chatbot om de persoonlijke voorkeuren van een klant te voorspellen en op basis hiervan de juiste promoties of ondersteuning aan te bieden.
Een ander knap voorbeeld is de manier waarop het universitair ziekenhuis van Amsterdam AI gebruikt om kankerbehandelingen te evalueren. Dankzij een mix van technologieën zoals computer vision, machine learning en datavisualisatie slagen hun artsen erin om veel sneller effectievere beslissingen te nemen die de overlevingsgraad van de patiënten aanzienlijk verhogen. Voor simpele problemen kan je met een eenvoudig machine learning-model al heel ver komen, maar de meer complexe uitdagingen vragen om een holistische oplossing die verschillende technologieën efficiënt integreert.
Hyperautomation
Intelligent Decisioning leidt niet alleen tot betere beslissingen, het biedt ook mogelijkheden om te automatiseren. Gartner heeft hiervoor de term ‘Hyperautomation’ bedacht. Eigenlijk komt het erop neer dat we AI en Machine Learning gaan gebruiken om de businessprocessen in een organisatie met slimme beslissingen te automatiseren. Daardoor kunnen we tot een volledig geoptimaliseerd beslissingsproces komen.
De eerste etappe naar Hyperautomation is RPA, ofwel Robotic Process Automation. Het betekent dat een bedrijf eenvoudige processen door middel van intelligente software automatiseert. Hyperautomation is de volgende stap waarbij we die geautomatiseerde processen slimmer maken dankzij de integratie van analytics. Eigenlijk hangt dit wel samen met wat SAS ModelOps noemt: het operationaliseren van AI-modellen en het inbouwen van analytics in het beslissingsproces.
Transparantie
Om de beslissingen van een AI-model te kunnen vertrouwen, is transparantie uiteraard heel belangrijk. Menselijke medewerkers moeten zeker weten dat een geautomatiseerd beslissingsproces de juiste beslissingen neemt. Wat zijn bijvoorbeeld de onderliggende componenten die tot een beslissing hebben geleid? En zijn ze wel ethisch correct? Data kan immers bias bevatten. In de toekomst zal deze uitdaging er vermoedelijk voor zorgen dat bedrijven iemand verantwoordelijk maken om te waken over de transparantie, correctheid en impact van beslissingen, een soort ‘Decision Scientist’.
Transparantie kan er ook voor zorgen dat organisaties gemakkelijker kunnen inschatten wat de impact van een beslissing zal zijn. De bankwereld rekent bijvoorbeeld op algoritmes die de risico’s op fraude berekenen en bepalen welke transacties zeker nog door een medewerker van de bank gecontroleerd moeten worden. Door voldoende transparantie in het beslissingsproces op te nemen, kan de bank op voorhand bepalen hoeveel mankracht er nodig zal zijn om alles in goede banen te leiden.
Douane en belastingdiensten gebruiken SAS
In sommige sectoren is Intelligent Decisioning al goed ingeburgerd. Zo zijn meerdere douanediensten in Europa klant bij SAS. Ze gebruiken de software om te bepalen wanneer een controle vereist is. Dat is een hele uitdaging nu we meer en meer pakjes verzenden. Technologie helpt om de lading van een vliegtuig of boot voor aankomst te analyseren en toont welke pakketten mogelijk verdacht zijn. Op die manier kan de douane dus veel accurater inspecties uitvoeren.
Ook heel wat belastingdiensten rekenen op SAS-software om te bepalen welke dossiers extra aandacht verdienen. Algoritmes maken het niet alleen gemakkelijker om fraudeurs op te sporen, ze zorgen er tevens voor dat controles in lijn liggen met de snel veranderende wetgeving. Zelfs het toekennen van subsidies kan zo grotendeels geautomatiseerd worden zonder dat een medewerker eerst het volledige dossier van de aanvrager moet doornemen en beoordelen.
Promotie voor de mens
We horen wel eens dat mensen zich bedreigd voelen door artificiële intelligentie, en bij Intelligent Decisioning zal dat niet anders zijn. Toch hoeven we in de praktijk niet te vrezen dat machines het werk van mensen overbodig zullen maken. Integendeel, de technologie zal er in de eerste plaats voor zorgen dat we nieuwe rollen kunnen invullen. Terwijl algoritmes de context en connectiviteit van de meest complexe bedrijfsbeslissingen voor hun rekening nemen, blijven wij de coördinator van het proces. Wij bepalen wanneer we iets automatiseren of met artificiële intelligentie ondersteunen.
Kortom, de opmars van Hyperautomation en Intelligent Decisioning biedt eigenlijk een promotie voor de mens. Het zorgt ervoor dat bedrijven ondanks de toenemende complexiteit efficiënter functioneren en wij meer tijd hebben om ons te focussen op dingen die echt toegevoegde waarde bieden.
Dit is een aangeleverde bijdrage in samenwerking met SAS. Voor meer informatie rond hun oplossingen kan je hier terecht.