Data is het nieuwe goud, zo luidde het nog maar enkele jaren geleden. Hogere opleidingen en bedrijfsbijscholingen voor data scientist schoten uit de grond. Maar toen kwam er de snelle opmars van artificiële intelligentie, waardoor die datatovenaars ineens ook weer niet meer zò nodig lijken. Of worden ze er gewoon efficiënter door?
Nog niet zo héél lang geleden werd de data scientist onthaald als het beroep van de toekomst. Niet zo vreemd ook, want bedrijven, organisaties, overheden, zelfs individuen genereren vandaag terabytes aan gegevens: met hun online gedrag dat sporen nalaat, hun persoonlijke technologie, de opmars van het Internet of Things enzovoort. Stuk voor stuk zijn die data goud waard voor iemand met de vaardigheid om daar betekenisvolle verbanden uit te trekken. Dat moesten dus die datatovenaars worden: zij die business intelligence konden ‘ontginnen’ uit de amorfe wolk van data die voorhanden is. Data science werd een fel gesmaakte specialisatie bij masteropleidingen ict, bedrijven en onderwijsinstellingen gingen bestaande ict-medewerkers met een bepaald profiel bijscholen met stoomcursussen. Ict’ers die zichzelf er al in bekwaamden, kregen de projecten voor het uitkiezen. Het beroep van de toekomst, zo luidde het letterlijk in de jobpers.
Maar tegelijkertijd voltrok er zich nog een andere evolutie in de ict-sector. Artificiële intelligentie kende, alleen nog maar de afgelopen twee jaar, een verrassende opmars, in die zin dat ze de kiemen legt voor een – jawel – disruptie in de nabije toekomst. En laat ai nu net zo slim zijn dat ze òòk in staat is om verbanden te zoeken in terabytes aan data, in veel opzichten zelfs veel sneller dan een mens. Gaat überslimme software weldra volledig autonoom datamodellen opstellen en correlaties vinden?
Gewoon een nieuwe tool
Het Amerikaanse onderzoeksbureau Gartner luidde begin dit jaar als eerste de alarmbel door te stellen dat het mooie liedje alweer uit is: tegen 2020, zo rekende het voor, zal meer dan 40 procent van alle datasciencetaken binnen een bedrijf kunnen worden overgenomen door ai. “Minder data scientists zullen nodig zijn om hetzelfde volume aan werk te doen.”
Daar gaat dus dat ‘beroep van de toekomst’? Willy Born denkt het niet. “Ik geloof best dat ai een aanzienlijk deel van de datasciencetaken kan overnemen van een mens maar dat betekent niet dat die mens ineens vervangbaar is”, zegt de directeur data science bij Devoteam, een beursgenoteerde ict-groep uit Zaventem die tien data scientists in dienst heeft. En van plan is om die te houden. “Dankzij ai zal een data scientist twee keer zoveel kunnen doen als wat hij vandaag gedaan krijgt”, vervolgt Born. “Ik ontken niet dat het profiel van de functie misschien wel zal veranderen in de komende jaren. Maar ai is niets om schrik voor te hebben als data scientists het gaan hanteren als een tool die hen helpt om sneller tot betekenisvolle verbanden te geraken door het repetitieve gedeelte van de taak over te nemen.”
De grenzen van AI
Ook Geert Van Landeghem van DataCrunchers, een consultant die verstand heeft van zowel big data als ai, houdt vol dat het menselijke element in de hele praktijk van data science belangrijk blijft. “Natuurlijk zal ook data science invloed ondervinden van de automatiseringsgolf: de opkomst van ai is niet meer te stuiten, en artificiële intelligentie zal de komende jaren een enorme disruptie teweegbrengen in alles waar software mee gemoeid is. Maar wie ai ziet als een silver bullet wanneer gaat het om het vinden van betekenisvolle business intelligence in massahoeveelheden data, die zit ernaast. Er zijn inherente grenzen aan ai. Hoe efficiënt ze ook wordt, er zal altijd een mens nodig zijn om de juiste, menselijke analyse van de gegevens te doen. Een computer kan verbanden trekken maar alleen een mens kan een inzicht krijgen. De mens blijft in the loop, hij krijgt er gewoon een krachtige tool bij.”
Menselijke creativiteit, zegt Born, is ook een element dat niet zomaar te vervangen valt door artificiële intelligentie. “Ai is zeer efficiënt om snel met een hoop nieuwe verbanden op de proppen te komen. Maar om uit te zoeken of die betekenisvol genoeg zijn om verder te onderzoeken, daarin blijft de mens belangrijk. De mens filtert informatie die uit de machine komt, op een manier die de machine zelf niet kan. Computers zijn bijvoorbeeld efficiënt bij het doorspeuren van heel complete datasets, maar die zijn niet altijd voorhanden. Een mens heeft de creativiteit om rekening te houden met de gaten en ze zelf op te vullen in zijn analyse.”
Citizen Data Scientist
De groei van ai als een werktuig kan wel voor een democratisering van data-sciencevaardigheden zorgen. Er duikt stilaan een nieuw profiel op, dat in datasciencekringen Citizen Data Scientist wordt genoemd. “De opkomst van ai kan er in de toekomst voor zorgen dat er self service tools opduiken, die het voor medewerkers met een ander profiel dan dat van de data scientist, zelfs helemaal buiten de ict, mogelijk maakt om datasciencetechnieken te hanteren in de manier waarop ze met hun gegevens omgaan”, zegt Born. “Zie het als een ver geavanceerde vorm van wat ze nu met Excel kunnen doen. Het zal natuurlijk wat extra opleiding vragen, en het zware datasciencewerk zal tot het terrein van de data scientist blijven behoren, maar de opkomst van ai zorgt er potentieel voor dat gelijk wie goeie verbanden uit grote hoeveelheden data kan halen.”
Van Landeghem gelooft er nog niet meteen in. “IBM’s Watson wordt op dit moment schoorvoetend gebruikt om bijvoorbeeld juridische data op te diepen op basis van een simpele vraag, via natural language processing, en ik zie nog wel een toekomst in ai voor het visualiseren van data aan relatieve leken. Maar de vaardigheden om echt op zoek te gaan naar business intelligence in data, zelfs met geavanceerde tools, zijn heel specifiek. Het échte zoeken naar hidden value blijft specialistenwerk.”
Ronald Meeus
“Een computer kan verbanden trekken maar alleen een mens kan een inzicht krijgen”
Fout opgemerkt of meer nieuws? Meld het hier