SAS kan bogen op een uitgebreide expertise op het vlak van artificiële intelligentie. Bert Weemaes merkt dat projecten het snelst tot wasdom komen wanneer organisaties interne samenwerkingen uitrollen. "Ik geloof sterk in scrumteams, waarin de business, ICT en data scientists aan elkaars zijde staan. ICT is binnen die ketting vooral verantwoordelijk voor het implementatieluik. Bij het definiëren en opzetten van die processen zie ik een belangrijke rol weggelegd voor de CIO. Technologische platformen, zoals dat van SAS, kunnen die samenwerking ondersteunen door repetitieve taken te automatiseren en de creatie van een centrale governance laag die de verschillende partijen samenbrengt."

Maturiteit

AI vindt volgens Bert Weemaes zijn weg naar tal van sectoren. "De financiële sector geldt doorgaans als een voortrekker. AI helpt banken bijvoorbeeld bij de beslissing om al dan niet een lening toe te kennen. In productiebedrijven zijn de toepassingsgebieden legio. Al heb je natuurlijk altijd en overal voortrekkers, volgers en bedrijven die achterop hinken. Analisten zoals McKinsey stellen vast dat hoewel heel wat bedrijven de nood van AI inzien er ook zwaar in investeren, slechts 8% er effectief waarde voor de business mee genereert. Bedrijven leveren vaak een serie van zeer mooie AI modellen op, maar daar blijft het dan helaas bij. Eén van de oorzaken is dat het AI-model niet de juiste businessvraag oplost. Een tweede mogelijke reden: organisaties nemen het AI-model soms niet of op een weinig efficiënte manier in productie. Het is dus belangrijk om de AI resultaten snel in productie te nemen en niet te blijven steken in de voorbereidende Proof of Concept-fases."

Bert Weemaes, Senior Business Solutions Manager

Bert Weemaes raadt bedrijven aan om op strategisch niveau de meest impactvolle cases te definiëren, en die dan zeer gefocust uit te rollen. "Ik verkies die aanpak boven jarenlang enkel werk te maken van het genereren van zo zuiver mogelijke data of tientallen modellen die toch niet live gaan. Dat kost veel tijd en geld, terwijl de ROI-uitblijft."

Efficiëntie als constante

Bert Weemaes merkt dat bedrijven AI voor verschillende doelstellingen inzetten. "Een hogere efficiëntie is dé grote constante, maar daarnaast behoren ook innovatie, klantentevredenheid, duurzaamheid en kostenreductie tot de voornaamste drijfveren." Gezien de vele toepassingsgebieden doen organisaties er volgens Bert Weemaes goed aan om AI-projecten niet als een eenmalig en geïsoleerd verhaal te beschouwen. "Wie het goed aanpakt, door te zorgen voor de nodige structuur, automatisatie en governance, hoeft bij een volgend project niet helemaal vanaf een blanco blad te vertrekken."

Organisaties beschouwen AI-projecten best niet als een eenmalig en geïsoleerd verhaal.

AI- en dataplatform

Ter illustratie wijst Bert Weemaes op een case uit de praktijk. "We hebben samen met Prayon, de wereldmarktleider in fosfaatchemie, een platform opgezet om op een efficiënte manier advanced analytics en AI-modellen in productieprocessen uit te rollen. Een concreet voorbeeld: voor de productie van grondstoffen voor batterijen monitoren sensoren nu continu meer dan honderdvijftig parameters met hoge frequentie. Het is een taak die het menselijk brein niet op een zinnige wijze, in real-time kan realiseren. Het resultaat? AI verhoogde de conversieratio van grondstoffen in bruikbaar eindproduct. Bovendien slaagt Prayon er nu in om bij een lager energieverbruik dezelfde hoeveelheid eindproduct te produceren."

Documentatie

Bert Weemaes adviseert organisaties om de veiligheid en traceerbaarheid van data en beslissingen meteen in het proces mee te nemen. "Probeer de processen en dataherkomst voldoende te documenteren. Daarnaast kent AI ook een belangrijk menselijk aspect. Soms negeren gebruikers AI-beslissingen omdat ze niet begrijpen hoe een bepaalde beslissing tot stand kwam en waarop beslissingen gebaseerd zijn. Na jarenlang op dezelfde manier te werken, zegt de technologie plots dat het anders moet. Waarom zouden we er dan naar luisteren? Daarom is het belangrijk om te duiden waarom AI een bepaald pad uittekent. Gebruiksgerichte interfaces en explainable AI-technieken, geven inzicht in hoe het AI-model tot een bepaalde conclusie komt. Die aanpak overtuigt medewerkers ervan dat AI fungeert als krachtig hulpmiddel bij het zo goed mogelijk uitvoeren van hun job."

Potentieel

De expert van SAS verwacht dat de bijdrage van AI aan onze samenleving de komende jaren sterk zal toenemen. "We benutten de mogelijkheden van AI vandaag nog lang niet volledig. Ik geloof dat zowel bedrijven als overheden nog tal van mooie en waardevolle projecten zullen uitrollen, waar ook de consument zijn voordeel mee doet."

SAS kan bogen op een uitgebreide expertise op het vlak van artificiële intelligentie. Bert Weemaes merkt dat projecten het snelst tot wasdom komen wanneer organisaties interne samenwerkingen uitrollen. "Ik geloof sterk in scrumteams, waarin de business, ICT en data scientists aan elkaars zijde staan. ICT is binnen die ketting vooral verantwoordelijk voor het implementatieluik. Bij het definiëren en opzetten van die processen zie ik een belangrijke rol weggelegd voor de CIO. Technologische platformen, zoals dat van SAS, kunnen die samenwerking ondersteunen door repetitieve taken te automatiseren en de creatie van een centrale governance laag die de verschillende partijen samenbrengt."AI vindt volgens Bert Weemaes zijn weg naar tal van sectoren. "De financiële sector geldt doorgaans als een voortrekker. AI helpt banken bijvoorbeeld bij de beslissing om al dan niet een lening toe te kennen. In productiebedrijven zijn de toepassingsgebieden legio. Al heb je natuurlijk altijd en overal voortrekkers, volgers en bedrijven die achterop hinken. Analisten zoals McKinsey stellen vast dat hoewel heel wat bedrijven de nood van AI inzien er ook zwaar in investeren, slechts 8% er effectief waarde voor de business mee genereert. Bedrijven leveren vaak een serie van zeer mooie AI modellen op, maar daar blijft het dan helaas bij. Eén van de oorzaken is dat het AI-model niet de juiste businessvraag oplost. Een tweede mogelijke reden: organisaties nemen het AI-model soms niet of op een weinig efficiënte manier in productie. Het is dus belangrijk om de AI resultaten snel in productie te nemen en niet te blijven steken in de voorbereidende Proof of Concept-fases."Bert Weemaes raadt bedrijven aan om op strategisch niveau de meest impactvolle cases te definiëren, en die dan zeer gefocust uit te rollen. "Ik verkies die aanpak boven jarenlang enkel werk te maken van het genereren van zo zuiver mogelijke data of tientallen modellen die toch niet live gaan. Dat kost veel tijd en geld, terwijl de ROI-uitblijft."Bert Weemaes merkt dat bedrijven AI voor verschillende doelstellingen inzetten. "Een hogere efficiëntie is dé grote constante, maar daarnaast behoren ook innovatie, klantentevredenheid, duurzaamheid en kostenreductie tot de voornaamste drijfveren." Gezien de vele toepassingsgebieden doen organisaties er volgens Bert Weemaes goed aan om AI-projecten niet als een eenmalig en geïsoleerd verhaal te beschouwen. "Wie het goed aanpakt, door te zorgen voor de nodige structuur, automatisatie en governance, hoeft bij een volgend project niet helemaal vanaf een blanco blad te vertrekken."Ter illustratie wijst Bert Weemaes op een case uit de praktijk. "We hebben samen met Prayon, de wereldmarktleider in fosfaatchemie, een platform opgezet om op een efficiënte manier advanced analytics en AI-modellen in productieprocessen uit te rollen. Een concreet voorbeeld: voor de productie van grondstoffen voor batterijen monitoren sensoren nu continu meer dan honderdvijftig parameters met hoge frequentie. Het is een taak die het menselijk brein niet op een zinnige wijze, in real-time kan realiseren. Het resultaat? AI verhoogde de conversieratio van grondstoffen in bruikbaar eindproduct. Bovendien slaagt Prayon er nu in om bij een lager energieverbruik dezelfde hoeveelheid eindproduct te produceren."Bert Weemaes adviseert organisaties om de veiligheid en traceerbaarheid van data en beslissingen meteen in het proces mee te nemen. "Probeer de processen en dataherkomst voldoende te documenteren. Daarnaast kent AI ook een belangrijk menselijk aspect. Soms negeren gebruikers AI-beslissingen omdat ze niet begrijpen hoe een bepaalde beslissing tot stand kwam en waarop beslissingen gebaseerd zijn. Na jarenlang op dezelfde manier te werken, zegt de technologie plots dat het anders moet. Waarom zouden we er dan naar luisteren? Daarom is het belangrijk om te duiden waarom AI een bepaald pad uittekent. Gebruiksgerichte interfaces en explainable AI-technieken, geven inzicht in hoe het AI-model tot een bepaalde conclusie komt. Die aanpak overtuigt medewerkers ervan dat AI fungeert als krachtig hulpmiddel bij het zo goed mogelijk uitvoeren van hun job."De expert van SAS verwacht dat de bijdrage van AI aan onze samenleving de komende jaren sterk zal toenemen. "We benutten de mogelijkheden van AI vandaag nog lang niet volledig. Ik geloof dat zowel bedrijven als overheden nog tal van mooie en waardevolle projecten zullen uitrollen, waar ook de consument zijn voordeel mee doet."