ENGINEERINGNET.BE - Vijftien jaar geleden investeerde ik meer dan 20.000 euro in nieuwe kantoorsoftware om twee maanden later te merken dat die al achterhaald was door een geheel vernieuwde en goedkopere release.
Dat blijft in mijn geheugen hangen en maakt me terughoudend bij softwareaankopen, zeker in een professionele omgeving waar zo'n beslissingen mijn carrière en evaluaties kunnen beïnvloeden.
Precies dezelfde dynamiek speelt wanneer ik het bij mijn klanten heb over artificiële intelligentie. Genoeg onderzoek zegt hen dat kopen de juiste beslissing is. AI bevindt zich nu immers op het scherp van de banktechnologie. Jaarlijks worden ook miljarden in onderzoek gestoken (in 2019 alleen al zo’n 36 miljard euro, volgens de International Data Corporation).
Maar niks van die hype kan de meeste kopers geruststellen. Integendeel, het verontrust hen nog meer. De meesten vragen zich dan ook af: "Zal dit AI-systeem over een jaar niet verouderd zijn?" Velen stellen een aankoop uit, omdat ze denken dat even wachten in hun voordeel werkt.
De versie van volgend jaar zal ongetwijfeld beter zijn, toch? Maar dat is nu net het grappige met kunstmatige intelligentie. Wachten is bijna altijd een slecht idee. Dat komt omdat, in tegenstelling tot uw nieuwe auto of flatscreen-tv, AI waardevoller wordt naarmate het ouder wordt.
Waarom deze omgekeerde dynamiek? Bij de meeste software zijn de mogelijkheden vast vergrendeld zodra de code compleet is. Probeer eens iets dat de programmeurs niet hadden voorzien, zoals het openen van een onbekend bestandstype, bijvoorbeeld.
Het resultaat zal teleurstellen: van een foutmelding tot een applicatiecrash. Toepassingen groeien en elke nieuwe versie werkt (meestal) beter dan de vorige, maar je moet wel constant het spel spelen en de dingen updaten.
AI werkt anders. Het kan zowat alles leren met weinig of geen programmaregels. Het leert zelfs door vallen en opstaan, net zoals wij mensen dat doen. Stel dat je deel uitmaakt van het KYC (ken-je-klant) team van een bank. Bij het screenen van namen van nieuwe klanten los je alarmen op die plots afgaan.
Hiervoor werk je nauw samen met een AI dat zoekopdrachten doet en beslissingen neemt, net als je beste analisten maar natuurlijk wel veel sneller, a rato van miljoenen waarschuwingen per dag. Maar geen enkele analist is perfect wanneer hij pas van de schoolbank komt, hoe snugger ook. Met AI is dat niet anders.
Op haar eerste dag, lost de AI misschien slechts 40% van de waarschuwingen op zonder hulp. Maar na een jaar aan je zijde, haalt ze wel 80%. Hoezo? AI leert van elk afzonderlijk geval dat ze tegenkomt. Hoe langer ze aan de slag is, des te meer leert ze, en des te beter wordt ze.
Om eens een niet-bancair voorbeeld te gebruiken: de aanbevelingen die sociale media je geven. Toen ik me voor het eerst aanmeldde bij Facebook, sloeg de betaalde inhoud die ik voorgeschoteld kreeg er belachelijk naast (ik kreeg advertenties voor politici waar ik nooit op zou stemmen).
Maar naarmate de tijd verstreek, werden de aanbevelingen meer gefocust. Uiteindelijk beperkten ze zich tot dingen die ik echt interessant vond. Natuurlijk verschijnen er in mijn feed nog steeds enkele rare items, maar nu zijn die eerder uitzondering dan regel.
Dus, waarom zou je nú een AI-systeem kopen en geen twee jaar wachten? Omdat een systeem met twee jaar ervaring onder de riem, de klus veel beter klaart dan een nieuw systeem dat alles vanaf nul moet leren. Het is dezelfde reden waarom iemand die al twee jaar bij uw instelling werkt, efficiënter is dan een nieuweling. Ervaring is belangrijk.
Feit is dat alleen de banken hebben geleerd om AI niet te zien als een oud softwareproduct, maar als een buitengewoon bekwame en leergierige medewerker, die echt het enorme potentieel van deze krachtige technologie aanboort. Een bank doet twee grote investeringen in kunstmatige intelligentie: geld en tijd.
Je kunt in de verleiding komen om te wachten met een aankoop, omdat je denkt dat het geld zal besparen. Maar echt waar, je verliest gewoon tijd.
(Door John O'Neill) (Vertaling: LDS)
Over de auteur:
John O'Neill is senior vice-president, VS en Canada, bij Silent Eight dat met zijn AI financiële misdaad bestrijdt. Hij behaalde een Ph.D. in Chemical Engineering aan de University of Illinois met het modelleren van big data-sets op supercomputers. Hij werkte de voorbije 25 jaar in de technische industrie in Chicago, voornamelijk op machine learning en kunstmatige intelligentie.
