Artificial Intelligence in de IT

In elke branche maakt Artificial Intelligence zijn opwachting. Het zorgt er voornamelijk voor dat routinematige werkzaamheden door de computer gedaan kunnen worden, waardoor medewerkers zich kunnen focussen op belangrijkere werkzaamheden.

Dit gebeurt ook met een razend tempo in de IT. Maar wat kan AI precies betekenen in de IT en hoe gaan medewerkers daarmee om?

Voorbeelden van de rol van AI in IT

AI-oplossingen kunnen kleine, terugkerende taken automatiseren waardoor IT-teams meer tijd kunnen besteden aan het maken van inhoudelijke verbeteringen zoals de bedrijfsvoering. Natuurlijk hebben veel IT-teams de capaciteit om zelf AI-oplossingen te ontwikkelen, maar er zijn er ook genoeg die daar de tijd, de middelen of de expertise niet voor hebben. Gelukkig zijn er al diverse voorbeelden van AI-oplossingen waar zij op kunnen vertrouwen. Deze kunnen helpen bij het verbeteren van hun productiviteit door belangrijke terugkerende taken door computers te laten uitvoeren, zoals:

• Security door AI. Er zijn talloze security-bedreigingen waar elk IT-team dagelijks mee te maken heeft. Het is voor een mens niet te doen om dit allemaal te volgen, te identificeren en zich ertegen te verdedigen. Er worden daarom deep learning-algoritmen ontwikkeld die automatisch bedreigingen identificeren en blokkeren.
• Intern support door AI. Elk IT-team zal het ervaren: medewerkers van het bedrijf die constant kleine verzoeken of vragen hebben. Daarom wordt er machine learning software ontwikkeld waarbij deze verzoeken automatisch afgehandeld kunnen worden via chat, e-mail en sms.
• Log-analyse door AI. Een goede log-analyse biedt grote kansen op het gebied van big data, onder andere voor machine learning-algoritmen. Log-analyse door AI kan belangrijke patronen blootleggen die de mens niet zelf kan ontdekken. Door deze algoritmen te ontdekken kunnen problemen voorspeld worden en kan er een analyse gedaan worden naar de diepere oorzaak van dergelijke problemen.

IT’ers moeten de controledrang loslaten

Doordat Artificial Intelligence steeds meer impact krijgt op de IT als geheel, zullen de IT’ers zelf ook anders moeten gaan denken. AI neemt een deel van het denkwerk van mensen over, maar hierbij is de uitkomst natuurlijk niet áltijd juist. Net zoals dat bij mensen niet altijd het geval is. Hoe geavanceerd het gebruikte algoritme ook is, het kan nooit honderd procent nauwkeurig zijn. Maar mensen zijn geneigd om dit altijd te blijven controleren. We hebben een drang naar perfecte processen omdat we zelf niet graag voor verrassingen komen te staan. Toch is het belangrijk dat IT’ers die veel met AI werken, deze mindset loslaten. Een machine met AI heeft het niet altijd bij het rechte eind en dat is in strijd met het beeld dat mensen van computers en algoritmes hebben.

Waarom kunnen AI-algoritmes niet altijd exacte uitkomsten geven?

Maar AI-algoritmes zijn toch slim? Slimmer dan de mens? Waarom zijn ze dan niet altijd in staat om exacte uitkomsten te geven? AI-algoritmes zijn anders dan 'normale' algoritmes. 'Normale' algoritmes analyseren de data alleen, AI-algoritmes geven er ook zelf betekenis aan; dat is de unieke kracht van de AI-algoritmes. Zeker in bedrijven waar het vaak om individuele gevallen gaat, denk bijvoorbeeld aan verzekeraars, kunnen algoritmes, of in ieder geval de conclusies eruit, niet altijd kloppen. Bij individuele gevallen gaat het namelijk ook vaak om contextbegrip, iets wat alleen de mens heeft. Dit kan wel in het AI-algoritme ingebouwd worden, waardoor het algoritme steeds verbeterd wordt. Echter geldt één voorval bij één klant nooit voor de rest van de klanten. Dit is een van de grootste redenen waarom AI-algoritmes niet altijd exacte uitkomsten kunnen geven.

Vergelijk AI-oplossingen niet met traditionele IT-oplossingen

Het denkproces van AI-algoritmes werkt in principe hetzelfde als die bij mensen; namelijk op basis van neurale netwerken die getraind worden. Dit is precies de reden dat het beter is om AI-oplossingen niet met traditionele IT-oplossingen te vergelijken; hierbij leidt een bepaalde input namelijk niet altijd tot de verwachte output. De context speelt namelijk een veel grotere rol. Daarom is het belangrijk om de imperfecties van AI te omarmen wanneer uw organisatie hiermee aan de slag gaat, om de simpele reden dat er altijd en overal een foutmarge zal zijn. Wanneer uw bedrijf nog hulp nodig heeft met het implementeren of omarmen van AI-oplossingen in IT, kunt u bijvoorbeeld een ervaren kennisleider als Accenture Insights raadplegen.