AI werd bij het brede publiek geintroduceerd door bedrijven als Google en Tesla. “Bij SAS zien we het als onze taak om het potentieel van AI uit te breiden naar de bredere bedrijfs-wereld en de non-profit sector. Om de krachtige AI algoritmes optimaal te laten renderen, moeten er wel enkele uitdagingen overwonnen worden”, vertelt Michel Philippens, Analytics Advisor en Head of Customer Solutions bij SAS Belux. Hij licht drie concrete cases en drie uitdagingen van AI toe.

 

3 inspirerende AI use cases
 

  • Medische beeldvorming

Artificiële intelligentie kan gebruikt worden om bepaalde patronen te herkennen in biomedische beelden. De algoritmes kunnen dan gebruikt worden om voorspellingen te doen of om beelden te classificeren op basis van de waarschijnlijkheid dat er bepaalde ziektebeelden aanwezig zijn om zo - vaak overbezette- radiologen te ondersteunen.
 

  • Automatische foutdetectie bij productie van computerchips

Deep learning algoritmes laten een slimme data analyse toe van fotografische beelden van productieprocessen. Afwijkingen van kwaliteitsnormen kunnen op die manier veel sneller en accurater worden opgespoord in vergelijking met visuele inspectie door operatoren.
 

  • Real-time analyse van voetbalwedstrijden

“Streaming captured reality” technologie maakt in real-time een grote “MRI-scan” van een voetbalterrein en transformeert 3D camera-beelden tot gedetailleerde data over de positie van elke speler en van de bal. Door deze data te gebruiken in 3D virtual reality engines zou je binnekort een voetbalwedstrijd kunnen beleven door de ogen van je favoriete voetbalspeler.

 

3 uitdagingen voor de implementatie van AI
 

  • Adoptie

Business leaders binnen het bedrijf moeten overtuigd zijn van de meerwaarde die de technologie kan leveren. Zelfs al beschikt een onderneming over een uitstekend data analyse team, zonder betrokkenheid en investering van het senior- en middle management zal er niets gebeuren. Aangezien AI toepassingen vaak een grote impact hebben op business-processen is ook “change-management” naar operationele medewerkers zeer belangrijk.
 

  • Skills en organisatiemodel

Een typisch AI-project vereist diverse skills en loopt doorheen verschillende afdelingen. Marketingspecialisten, IT-medewerkers, ingenieurs, productexperten, data-scientists en legals moeten samenwerken in één multidisciplinair team met gemeenschappelijke doelen. Traditionele bedrijven die willen innoveren met digitalisering en AI moeten dan ook bereid zijn de silos binnen het bedrijf te doorbreken.  
 

  • Technologische uitdagingen

AI-toepassingen gaan gepaard met het verwerken van grote datahoeveelheden, het “trainen” en het toepassen van complexe algoritmes, het gebruik van de resultaten door operationele medewerkers en het monitoren van de efficiëntie van de algoritmes. Bedrijven dienen daarom te beschikken over een geintegreerd technologisch platform dat de diverse technologische uitdagingen het hoofd biedt, maar ook samenwerking tussen diverse personeelsprofielen stimuleert.