De introductie tot Artificial Intelligence die jouw organisatie niet mag missen

De geschiedenis van AI

Alan Turing wordt wel de peetvader van AI genoemd. Hij kwam al in de jaren vijftig met het idee van intelligente machines en ontwierp de schaakcomputer Turochamp. Computers waren toen echter nog niet sterk genoeg, nog niet in staat om verbanden te leggen of slimme technieken toe te passen. Het duurde tot 1997 om de beroemde schaker Garry Kasparov te verslaan. In 2016 versloeg de computer Alphago een wereldkampioen Go. Dit was een mijlpaal voor AI, omdat Go vanwege zijn complexiteit bekend staat als het meest uitdagende klassieke spel voor kunstmatige intelligentie.

AI-systemen verkennen

Het doel van AI is altijd geweest om computers te laten denken en reageren alsof ze mensen zijn. Met andere woorden, het is het maken van software om het gedrag en de capaciteiten van mensen na te bootsen. De technologie is in de loop der jaren geëvolueerd en heeft geleid tot verschillende AI-systemen, variërend van Machine Learning tot Generatieve AI (zie onderstaande grafiek).

In het eerste geval train je het systeem door het gegevens te geven en het te leren hoe het die gegevens moet verwerken en interpreteren. Dit creëert modellen die helpen om nieuwe input te interpreteren. Het systeem doet dit door de nieuwe invoer te vergelijken met wat het via het model heeft geleerd. Het herkennen van facturen en het extraheren van de benodigde gegevens uit inkomende facturen is een bekende use case.

Deep learning, een vorm van machinaal leren, creëert neurale netwerken die het systeem in staat stellen om zelf te leren en beslissingen te nemen. Het vereist veel meer gegevens dan klassiek machine learning, maar ook veel meer rekenkracht. Een belangrijk verschil is dat bij klassiek machinaal leren menselijke tussenkomst nodig is om het systeem te helpen definitieve beslissingen te nemen in geval van onnauwkeurigheden. Deep learning vereist geen menselijke tussenkomst om deze beslissing te nemen.

Generatieve AI gaat een stap verder en interpreteert niet alleen gegevens en/of neemt beslissingen. De primaire functie is het genereren van inhoud. Een voorbeeld kan een concept zijn van de volgende presentatie die je moet maken.

Generatieve AI-systemen vertrouwen op Large Language Models (LLM), ontworpen voor het begrijpen en genereren van inhoud. Het verhoogt de prestaties van werknemers en is de "copiloot" van elke werknemer. Het kan nieuwe teksten, afbeeldingen of zelfs een compleet Power BI-dashboard genereren op basis van de gegevens die jij als input aanlevert. Het resultaat is net zo goed als de input. Je moet er wel voor zorgen dat je specifiek vraagt wat je nodig hebt. Garbage in is garbage out. We zullen in een later artikel dieper ingaan op het schrijven van goede prompts.

Het kiezen van de juiste aanpak (machine learning kan voldoende zijn) en het juiste model voor jouw taak is cruciaal. Sommige modellen zijn meer gericht op tekst, terwijl andere meer gericht zijn op afbeeldingen. Daarbij heeft elke AI-oplossing zijn eigen sterke en zwakke punten, afhankelijk van het doel waarvoor je het wilt gebruiken.

Het potentieel van data benutten

Voor het trainen van AI-algoritmen zijn enorme hoeveelheden data van hoge kwaliteit nodig. Een IOT-platform (Internet of Things) zoals PTC ThingWorx, het platform van PTC dat zich richt op het Internet of Things (IoT), kan een bron van gegevens zijn. Maar ook ERP-systemen (Enterprise Resource Planning) met veel historische gegevens kunnen een betrouwbare bron zijn. Het hangt allemaal af van de use case die je wilt optimaliseren/automatiseren met AI.

Stel je voor dat je apparaten op willekeurige tijden uitvallen en de gegevens worden opgevangen door ThingWorx. In dit geval zou AI naar de redenen kunnen zoeken en trends kunnen vinden om mogelijke toekomstige storingen te voorspellen. Jouw gegevens hoeven niet perse in de cloud te worden opgeslagen, maar de mogelijkheden van online computing zijn veel groter dan op locatie.

De impact van AI op verschillende gebieden

Gebieden zoals bedrijfsprocesoptimalisatie of hulp aan werknemers hebben AI niet per se nodig, maar kunnen er wel voordeel uit halen.

Neem bijvoorbeeld Process Mining (een tool voor bedrijfsanalyse die in onze Belgische podcast wordt besproken), waarbij we de processen van een organisatie analyseren op basis van gegevens. We houden bij welke formulieren een gebruiker heeft geopend, hoe hij naar een ander formulier is genavigeerd en hoe lang dit duurt in vergelijking met andere gebruikers, bijv. Met AI is het mogelijk om deze analyse te automatiseren en zelfs optimalisaties voor te stellen.

Het wordt nog interessanter als we kijken naar Worker Assistance. AI-software kan bijvoorbeeld buitendienstmedewerkers voorzien van de benodigde informatie om reparaties uit te voeren. Met AI wordt deze interactie menselijker. De technicus kan gewoon vragen: "Hoe moet ik de olie verversen?" waar Copilot stap-voor-stap instructies geeft door deze op te halen uit een combinatie van verschillende bronnen die beschikbaar zijn in je organisatie.

Wat is Microsofts benadering van AI?

Laten we beginnen met een ander voorbeeld. Je bent een ontwikkelaar die een app wil ontwikkelen. Je begint van een wit blad met het opstellen van een basislay-out en het toevoegen van logica aan je formulier. Hoe lang duurt dat? Stel je voor dat je AI kunt vragen: "Maak een app om mijn uitgaven toe te voegen. Ik moet het uitgegeven bedrag kunnen toevoegen, het aan een project kunnen koppelen en een foto van mijn betalingsbewijs kunnen toevoegen." Als antwoord op deze vraag tekent Copilot in Power Platform een basisformulier met de benodigde velden. Het is misschien niet perfect, maar dat is waar jij om de hoek komt kijken. Het saaie werk is al gedaan en nu kun jij het aanpassen om het helemaal top te maken!

Dat is precies wat Microsoft wil doen - jou de kracht geven. Microsoft Dynamics 365 Copilot geeft je een voorsprong met zijn AI-gestuurde digitale assistent. Het stelt je in staat om efficiënter te werken, creatief te zijn en je te richten op echte toegevoegde waarde.

Net zoals de stoommachine een revolutie teweegbracht in de industriële revolutie, staat deze technologie voor een vergelijkbare sprong voorwaarts, gericht op het verhogen van de productiviteit. Deze innovatie, die parallellen trekt met de revolutionaire impact van de stoommachine tijdens de industriële revolutie, symboliseert de daaropvolgende krachtige vooruitgang naar een hogere productiviteit.

Niet alle Copilot-oplossingen zijn beschikbaar in alle regio's.

Microsoft Dynamics 365 AI oplossingen:

Copilot in Dynamics 365 Field Service

We hebben geëxperimenteerd met inkomende e-mails voor de afdeling customer support. Een klant klaagt over een apparaat dat kapot is gegaan.

Een shortlist van acties die AI nu kan afhandelen:

• Copilot kan het irritatieniveau van de klant opvangen en op basis van de inhoud de juiste prioriteit aan de e-mail toekennen. Het is zelfs slim genoeg om dialecten of onjuiste grammatica te doorzien.
• Vervolgens wordt er automatisch een werkorder aangemaakt die alleen nog door de customer support agent hoeft te worden bekeken.
• De klant krijgt ook een bevestiging wanneer de buitendienstmedewerker het apparaat komt repareren.
• De buitendienstmedewerker wordt uitgebreid geïnformeerd over de geplande interventie.