Een app die een Barbie-versie van jezelf tevoorschijn tovert? Het kan met generatieve AI (GAI). Leuk voor het brede publiek, maar bedrijven weten vaak nog niet hoe ze deze technologie – die eigenlijk niet nieuw is – kunnen benutten.
In elk geval weer een signaal dat AI niet meer is weg te denken uit onze samenleving. Maar hoe kan AI, en vooral GAI, bijdragen tot de doelstellingen van het bedrijf? AI is pas nuttig als het waarde oplevert.
Hieronder overlopen we drie manieren waarop generatieve AI ook op bedrijfsniveau voor magie zorgt.
1. Synthetische data genereren
Als je iets wil bouwen met AI, heb je data nodig. Vaak is dat een probleem, omwille van privacy of omdat de data niet bestaat. GAI lost dit op door synthetische data in te zetten voor gebruik door algoritmen. Dat zijn fictieve gegevens die een weergave bieden van de realiteit. Wees je er wel van bewust dat synthetische data je niet vrijstelt van de GDPR. Je moet de gegevens nog steeds autoriseren, maar je kunt er wel sneller mee schakelen.
Soms heb je ook niet genoeg data om een algoritme te trainen. Denk aan fraudebestrijding. Vaak zijn er maar een beperkt aantal fraudegevallen beschikbaar voor het trainen van een AI-model. In dat geval helpt synthetische data om meer voorbeelden te creëren en zo accuratere modellen te bouwen. Of als de kwaliteit van je data bias in de hand werkt, dan kan synthetische data eveneens helpen om dat onevenwicht recht te trekken.
2. Efficiëntie verhogen
De data scientist is altijd de persoon geweest die je kan helpen bij het analyseren van data. Vaak moet je wel even aanschuiven voor het jouw beurt is. Generatieve AI verlaagt de drempel voor analytics. Voor complexe vraagstukken blijft de data scientist wel essentieel.
3. Digital twins opzetten
Verschillende industrieën werken intussen met digital twins. Dat zijn replicaties van de realiteit, waarmee je processen simuleert. Bijvoorbeeld om de juiste instellingen voor een machine te vinden. Simuleren betekent andermaal dat je data nodig hebt die (nog) niet bestaat. Dankzij de kracht van door generatieve AI geproduceerde simulatiedata kunnen ingenieurs parameters testen en sneller tot het gewenste resultaat komen.
Vertrouwen op AI
Tot slot mag de hype ons niet doen vergeten dat de output van AI (generatief of niet) realistisch, verklaarbaar en verdedigbaar moet zijn. Om die reden hecht SAS veel belang aan ethische praktijken en de betrouwbaarheid van resultaten. In tegenstelling tot Chat GPT hebben we op bedrijfsniveau niet de luxe om er naast te zitten. Enkel als we zeker weten dat een model doet wat het moet doen en begrijpen hoe het tot een resultaat komt, kunnen we de technologie vertrouwen en er beslissingen mee ondersteunen.
Alles wat je wil en moet weten over generatieve AI vind je hier.