Op werkdagen voor 23:00 besteld, morgen in huis Gratis verzending vanaf €20
Wij wijzen u graag op het volgende
Door drukte zijn de levertijden van PostNL aangepast en kan uw pakket vertraging oplopen. Door de Brexit kan de levering van Engelse boeken vertraging oplopen.
Lauren Waardenburg: ‘AI gaat in organisaties grote veranderingen teweegbrengen’ interview
1 februari 2021 | Hans van der Klis

Artificial intelligence wordt steeds breder toegepast binnen het werkproces. Dat kan niet zonder gevolgen blijven voor de manier waarop wij ons werk en onze organisaties hebben ingericht, stelt promovendus Lauren Waardenburg, auteur van S.L.I.M. managen van AI in de praktijk. ‘Van vliegtuigmaaltijden tot criminaliteit, AI-systemen kunnen steeds meer voorspellen en dat leidt onherroepelijk tot veranderingen in onze organisaties.’

 

‘Artificial intelligence’ (of AI, zoals het doorgaans genoemd wordt) zal volgens velen een nieuwe technologische revolutie veroorzaken. Dat computers behalve productietaken ook kennisgerelateerde taken kunnen uitvoeren en autonoom kunnen denken, is eigenlijk al decennialang in ontwikkeling, maar wordt zo langzamerhand ook voor de buitenwacht steeds duidelijker zichtbaar. Precies die ontwikkeling is het terrein waar Lauren Waardenburg, promovendus aan het KIN Center for Digital Innovation aan de Vrije Universiteit in Amsterdam, onderzoek naar doet. Ze maakt deel uit van een onderzoeksgroep van zo’n veertig wetenschappers, die onder leiding staat van professor Marleen Huysman, tevens medeauteur van S.L.I.M. managen van AI in de praktijk. De andere medeauteur, Marlous Agterberg, houdt zich als onderzoeks- en valorisatiemanager bezig met de vertaling van het wetenschappelijk onderzoek naar de praktijk. Waardenburg richt zich vooral op de vraag wat de komst van AI betekent voor de manier waarop wij werken, en voor de manier waarop organisaties zijn ingericht.

Profiling
Drie jaar liep ze mee met de politie, om onderzoek te doen naar predictive policing, de inzet van een algoritme waarmee de politie probeert te voorspellen waar en wanneer misdaden zoals inbraken en straatroven gepleegd zullen worden. Dat algoritme is niet onomstreden, erkent Waardenburg. ‘Het kan werken als een self fulfilling prophecy: als je vooral hebt gepatrouilleerd in bepaalde wijken, zul je daar ook de meeste misdaad tegenkomen. En als je die data invoert in een algoritme, zal er alleen maar meer nadruk op die wijken komen te liggen.’ Vandaar dat het van belang is dat de juiste data worden gebruikt en dat de mensen die het algoritme opstellen, hun voordoordelen zoveel mogelijk terzijde schuiven. Waardenburg is tamelijk optimistisch over de manier waarop de politie dat aanpakt. ‘We weten dat profiling nog steeds voorkomt, dus we moeten hier scherp op zijn. Het moreel-ethische aspect zal altijd meespelen, want het zijn mensen die het systeem maken en gebruiken. Niet eens alleen vanwege de profiling, ook vanwege de gebruikers zelf. Als je alle macht aan het systeem toekent, zullen de politiemensen het gevoel krijgen als robots te worden behandeld. Dat wil je natuurlijk voorkomen. De vraag is: gaan wij linksaf als het systeem dat ons vertelt? Of blijven we zelf ook nadenken?’

Eigen data
Dat zijn vragen die nadrukkelijk gemanaged moeten worden, vindt Waardenburg. ‘Het doel moet blijven dat de uitkomsten van het systeem goed zijn voor de samenleving. Daarom vind ik het ook verstandig dat de politie zelf een AI-systeem heeft ontwikkeld, en er niet voor heeft gekozen bijvoorbeeld een Amerikaans systeem in te kopen. In de Verenigde Staten wordt toch meer naar individuele kenmerken van personen gekeken. In Nederland ligt de nadruk gelukkig op andere patronen en kiezen we voor meer algemene data.’ De mensen die het AI-systeem ontwikkelen en voeden, krijgen bovendien een goede opleiding, heeft ze tijdens haar onderzoek geconstateerd. ‘We duiken echt heel diep onder in zo’n organisatie, als een etnograaf’, vertelt ze. ‘Ik heb in totaal drie jaar met de politie gewerkt, ik ben zelfs een jaar full-time mee de straat opgegaan. Alleen op die manier leer je zo’n organisatie echt goed kennen.’

Piloot
Het AI-systeem van de politie is een van de acht - voornamelijk Nederlandse - cases die aan bod komen in het boek dat Waardenburg met haar co-auteurs schreef, S.L.I.M. managen van AI in de praktijk. ‘Het was de hoogste tijd dat er eens een boek werd geschreven over AI voor een breed publiek’, zegt ze. ‘AI is nu nog vooral het domein van wetenschappers en ontwikkelaars, maar het gaat een grote impact op ons leven krijgen. Als je naar het AI-systeem van de politie kijkt: het kan geweldige resultaten opleveren als alle lokale kennis wordt samengevoegd en de politie in staat is patronen te herkennen die zij tot nu toe niet hadden gezien. Het zoeken naar patronen werd normaal gesproken gedaan door analisten, en het is nog maar de vraag of dit soort AI-systemen het werk van de menselijk analisten helemaal zullen overnemen. Sommige taken zullen zeker worden overgenomen door AI, maar er komen weer andere taken voor terug.’

Auto-piloot
Ironisch genoeg was het juist de manier waarop haar eigen werk veranderde, die Waardenburg bij het KIN Center deed belanden. Oorspronkelijk is ze opgeleid als piloot. Al op jonge leeftijd leerde ze grote vliegtuigen te besturen. ‘Maar juist in dat werk wordt steeds meer werk geautomatiseerd. De autopilot is beter in staat een vliegtuig aan de grond te zetten in de mist dan een mens. Kleine vliegtuigen zijn wel leuk, daar moet je echt werken. Maar vliegen in grote verkeersvliegtuigen vond ik niet interessant: tijdens bepaalde manoeuvres mag je als mens volgens de regels niet eens ingrijpen. Een groot deel van het werk is geautomatiseerd. Heel stom, vond ik. Toen ik mijn vader uitlegde wat mij dwarszat, zei hij: als je je in dit onderwerp wilt verdiepen, zou je eigenlijk bedrijfskunde moeten gaan studeren. Ik ben vlieginstructeur gebleven en ben inderdaad tegelijkertijd bedrijfskunde gaan studeren. En zo ben ik uiteindelijk hier terechtgekomen.’

Structuurverandering
Het is nu nog nauwelijks voorstelbaar welke mogelijkheden AI in de toekomst zal hebben. Dat brengt ook risico’s met zich mee: dat onze fantasie met ons op de loop gaat en dat onze verwachtingen onrealistisch worden, zoals ook zichtbaar is bij Big Data. ‘Het is niet voor niets dat wij daar een heel hoofdstuk aan gewijd hebben’, zegt Waardenburg. ‘Het beeld is ontstaan dat je allerlei data in een systeem kunt proppen en dat er vervolgens vanzelf iets werkbaars uitrolt. Dat is natuurlijk niet waar. Als je veel data in een systeem stopt, moet je dat goed organiseren. Je moet scherp omlijnde ideeën hebben wat je ermee wil doen. Als je niet de juiste keuzes maakt, zal de uitkomst heel beperkt of zelfs bevooroordeeld zijn. En dat betekent dus ook dat er binnen de organisatie, en vooral bij het management, kennis van AI aanwezig moet zijn. Het is onvermijdelijk dat AI de structuur van organisaties gaat veranderen.’

Werkproces essentieel
Voor een succesvol AI-systeem hoefje ook helemaal niet extreem veel data te hebben, stelt Waardenburg. ‘Het maakt niet uit, als het maar veel is, leken veel mensen te denken. Maar dat is niet juist. Het kan juist heel effectief zijn als de data vanuit de eigen organisatie komen. Je moet weten wat ze representeren, wat de werkprocessen zijn. Je kunt niet zomaar AI inzetten zonder een idee van de bestaande werkprocessen waar het een bijdrage aan moet gaan leveren. Daarom is het vaak ook een slecht idee om een AI-systeem van de plank te kopen. Die systemen zijn zo breed opgezet dat de toegevoegde waarde voor jouw eigen organisatie gering zal zijn. Wat heb je aan generieke inzichten als je een specifiek probleem probeert op te lossen?’

Meals on Board
Een mooi voorbeeld is het algoritme dat KLM gebruikt voor het Meals on Board-systeem (MOBS). Tot de introductie van dit algoritme werkte KLM met een externe partij, die de bezettingsgraad van de vliegtuigen tot op het laatste moment bijhield. Dat systeem kostte de vliegmaatschapppij vierhonderdduizend euro op jaarbasis. De data voor MOBS zijn relatief eenvoudig te betrekken, dus een slim algoritme moest enorme verbeteringen kunnen opleveren. Het pakte goed uit. Niet alleen is de voedselverspilling met vijftig procent verminderd, het grondpersoneel hoeft zich in de laatste hectische fase voor vertrek niet meer met dit probleem bezig te houden. ‘Dit AI-systeem is echt een succesverhaal. Maar het is duidelijk dat het een heel narrow systeem is, een systeem met een specifieke, beperkte taak. Een goed werkend voorbeeld van artificial general intelligence, een systeem dat verschillende taken tegelijk kan vervullen, is er nog niet. Stel je eens voor dat het MOBS ook het vliegtuig kan besturen en de passagiers kan bedienen. Dat is wat artificial general intelligence zou benaderen, en daar kun je natuurlijk het een en ander tegenin brengen, bijvoorbeeld op het gebied van de veiligheid. Het is dus niet zo gek dat we daar nog lang niet zijn.’

Geen panacee
Dat lijkt een toekomstdroom, en of het dichterbij zou kunnen zijn dan we denken dat durft ook Waardenburg niet te zeggen. ‘Bij AI moet je altijd een beetje oppassen dat je het niet als een tovermiddel gaat zien. Er is altijd een gevaar dat er een hype ontstaat. Maar het is onontkoombaar dat AI de komende jaren een grote rol gaat vervullen in veel organisaties. En dan moeten managers wel weten waar zij het over hebben. De ontwikkelaars zullen altijd meer verstand hebben van de techniek, maar dat betekent niet dat je alles maar aan hun kunt overlaten. De manier waarop AI in de organisatie wordt gebruikt, is een zaak van het management. En dan heb ik het niet alleen over de ethische en de socio-technische kant. Dat zijn belangrijke aspecten, maar uiteindelijk draait het om het gebruik van AI. Daarom wil ik duidelijk maken hoe belangrijk het is dat managers op de hoogte zijn van wat de AI-systemen doen en wat zij kunnen. Want één ding is zeker: AI gaat in organisaties grote veranderingen teweegbrengen.’

Slim managen van AI in de praktijk - Hoe organisaties slimme technologie implementeren preview
17 december 2020 | Marlous Agterberg

Lauren Waardenburg, Marleen Huysman en Marlous Agterberg beschrijven in hun boek hoe acht grote en hoofdzakelijk Nederlandse organisaties omgaan met het implementeren van AI. Een preview.

Steeds meer organisaties begeven zich op het terrein van artificiële intelligentie (AI). Geïnspireerd door de succesverhalen van grote techbedrijven ligt de angst dat je als organisatie de boot mist als je niets doet al gauw op de loer. Tegelijkertijd horen we ook veel verontrustende verhalen over discriminatie, massaal verlies van banen en uitholling van expertise, wat onzekerheid oproept over hoe je AI-systemen verantwoord kunt inzetten. Dit alles leert bestaande organisaties echter weinig over hoe ze de ontwikkeling en implementatie van AI-systemen in hun organisatie op een verantwoorde èn effectieve manier kunnen vormgeven. Wij vonden het daarom hoog tijd om te onderzoeken wat er nu daadwerkelijk gebeurt voor en met AI-systemen in organisaties en op basis daarvan te komen tot aanbevelingen voor het slim managen van AI.

Er zijn drie unieke eigenschappen die AI-systemen fundamenteel anders maken dan de technologieën die hiervoor in organisaties zijn geïmplementeerd: (1) het is afhankelijk van grote hoeveelheden data om van te kunnen leren, (2) het is zelflerend en daarom moeilijk uit te leggen hoe uitkomsten worden gegenereerd - dat wil zeggen, de uitkomsten zijn ‘black boxed' - en (3) de taken die kunnen worden overgenomen bevinden zich binnen het domein van kenniswerk. Deze unieke eigenschappen zorgen ervoor dat de implementatie en het gebruik van AI-systemen nieuwe vormen van organiseren vereist. De vraag is alleen hoe deze nieuwe managementvormen er precies uit moeten zien. Met andere woorden: Wat voor (re)organisaties zijn nodig voor het implementeren en managen van AI-systemen in de praktijk?

Voor het boek hebben we acht, voornamelijk Nederlandse, organisaties onderzocht die zelflerende AI-systemen daadwerkelijk toepassen in hun werkprocessen. Op basis van deze praktijkcases, en de nieuwste academische literatuur, brengen we in ons boek in kaart hoe organisaties dergelijke slimme technologie implementeren.

Uit dit onderzoek zijn vier managementactiviteiten naar voren gekomen die centraal staan bij het implementeren van AI: (1) organiseren voor data, (2) organiseren voor testen en valideren, (3) organiseren voor een brugfunctie en (4) het organiseren voor verandering.

Om het managen van AI-systemen in de praktijk succesvol te laten verlopen doen we tenslotte vier aanbevelingen. Het S.L.I.M. managen van AI-systemen vraagt namelijk om:

1. Socio-technische veranderprocessen: Invoering van een AI-systeem moet worden gezien als een organisatorisch veranderproces en, vice versa, het systeem moet ook worden afgestemd op de behoeftes vanuit de werkprocessen.

2. Lokale inzichten: Het AI-systeem moet zijn gebaseerd op lokaal opgedane inzichten, zowel voor wat betreft de data, het testen en valideren, de brugfunctie, als ook de uiteindelijk te veranderen werkprocessen.

3. Interdisciplinaire kennis: Verschillende disciplines (zoals ontwikkelaars, gebruikers, wetgevers) moeten bij elkaar worden gebracht en er moet, waar nodig, voor bijscholing worden gezorgd.

4. Moreel bewustzijn: Er moeten discussies worden gevoerd over de ethische overwegingen en de uitlegbaarheid van zowel het AI-systeem, de onderliggende aannames en de gevolgen die keuzes kunnen hebben op de verdere ontwikkeling van het systeem.

Natuurlijk kan niet alles in één keer worden gedaan. Ook ligt er veel verantwoordelijkheid bij managers. We zijn ervan overtuigd dat managers, als belangrijke besluitvormers in organisaties, inderdaad een belangrijke rol en verantwoordelijkheid hebben in het implementeren van AI-systemen. We impliceren echter niet dat dergelijke verantwoordelijkheden door een enkele manager kunnen of moeten worden uitgevoerd. Integendeel, slimme managers creëren hiervoor een slim team om hen heen dat helpt om verder te kijken dan de AI-hype en antwoord kan geven op de vraag: Managen we AI-systemen wel slim?

Dr. Marlous Agterberg is onderzoeks- en valorisatie-manager bij het KIN Center for Digital Innovation, School of Business and Economics aan de Vrije Universiteit Amsterdam. Drs. Lauren Waardenburg is een PhD kandidaat bij het KIN Center for Digital Innovation, School of Business and Economics, Vrije Universiteit Amsterdam. Prof. dr. Marleen Huysman is het hoofd van het KIN Center for Digital Innovation, School of Business and Economics, Vrije Universiteit Amsterdam.

Ze zijn de auteurs van Slim managen van AI in de praktijk.

Lauren Waardenburg, Marleen Huysman, Marlous Agterberg
Slim managen van AI in de praktijk

Populaire producten

    Personen

      Trefwoorden