1. Home
  2. Artikelen
  3. De 5 pijnpunten van AI

De 5 pijnpunten van AI


AI, de toekomst voor uw bedrijf. Maar wilt u oogsten, dan zult u eerst deze knelpunten van AI moeten oplossen.

De 5 pijnpunten van AI

AI, kunstmatige intelligentie, heeft een enorme impact op bijna iedere sector. In de reisindustrie is AI verantwoordelijk voor zo’n 11,6 procent van de omzet. In de hightech-sector ligt dat percentage rond de 10,2%. En dat zal alleen maar groeien. Sterker nog: 'AI is allang geen keuze meer', zei wereldwijde AI-expert Inmaculada Martinez onlangs op CHRO.nl.

Maar er hangen nog grote obstakels aan de inzet van AI. Wie het echt voor zich wil laten werken, zal deze pijnpunten van AI eerst moeten overwinnen, zo schrijft McKinsey Quarterly, het kwartaalblad van consultancybedrijf McKinsey. Zo moet een bedrijf al een gevorderde speler zijn in de wereld van data analytics. Dit komt omdat AI haar waarde voornamelijk toevoegt door de prestaties van bestaande analytische technieken te verbeteren.

Om goed te presteren op het gebied van data analytics is het van belang dat uw organisatie de juiste acties uitvoert. Hierbij gaat het onder andere om het goed definiëren van rollen en de juiste mensen aannemen om deze te vervullen.


AI wordt steeds interessanter voor investeerders, de potentiële waarde die het kan toevoegen groei mee met de technologieën die zich aan het ontwikkelen zijn. Tot nu toe gebruikt echter maar 20% van de AI-bewuste bedrijven een van deze technologieën in haar kernprocessen of op grotere schaal. 

Zo haalt u het maximale uit AI

Maar er zijn meerdere pijnpunten die overwonnen moeten worden, wil uw organisatie of afdeling het maximale uit AI halen. Dit gaat om bepaalde data-vereisten, maar ook om de volgende vijf beperkingen: 

Labelen van trainingsdata
De eerste uitdaging zit hem in het labelen van trainingsdata. Dit moet vaak handmatig doorgevoerd worden en is noodzakelijk voor AI om te kunnen leren onder toezicht. Veelbelovende nieuwe technieken worden ontwikkeld om deze uitdaging te overwinnen, zoals het reinforcement learning en in-stream supervision waarin data gelabeld kunnen worden op basis van het natuurlijke gebruik. 

Enorme datasets nodig
Een tweede obstakel is de moeilijkheidsgraad van het verzamelen van datasets die groot en uitgebreid genoeg zijn om gebruik te kunnen worden voor training. Voor veel bedrijven kan het lastig zijn om deze enorme datasets to creëren of te verkrijgen. Er is bijvoorbeeld te weinig data over plastische chirurgie waardoor het lastig is de uitkomsten van dit soort behandelingen accuraat te voorspellen. 

Lees ook: AI: De mogelijkheden voor HR

Besluiten nemen
Hier gaat het om het verklaren van grote en complexe modellen in menselijke termen; waarom kiest de techniek nu voor een bepaalde beslissing? En hoe is dit besluit tot stand gekomen? Productspecificaties in de gezondheidszorg, auto-industrie en ruimtevaart kunnen een obstakel vormen. Mensen willen vaak regels en criteria die makkelijk te begrijpen zijn. 

Vergelijkbare gevallen
Een vierde probleem is de mate waarin je kunt generaliseren. AI-modellen hebben nog steeds moeite met het omzetten van ervaringen van de ene set van gevallen naar een andere set. Dit betekent dat bedrijven hun resources moeten inzetten om nieuwe modellen te trainen ondanks dat ze vergelijkbaar zijn met eerdere gevallen. 'Transfer learning', waarin een AI model wordt geleerd om een bepaalde taak te volbrengen en dat dan ook op een gelijkwaardige maar onafhankelijke taak toe te passen, is een veelbelovende oplossing voor dit probleem.

Bevooroordeelde algoritmen
De laatste betreft de mate van vooroordelen in data en algoritmen. Dit gaat meer over zaken die meer sociaal georiënteerd zijn en die bredere vraagstukken moeten oplossen. Er kunnen namelijk ongewenste vooroordelen ontstaan als de trainingsdata niet representatief is voor de grotere populatie waarop een AI model van toepassing is. Gezichtsherkenningsmoddelen die getraind zijn op een populatie van mensen met een bepaalde gezichtsstructuur, kunnen moeite krijgen als deze gebruikt gaan worden bij populaties met een meer divers bestand aan gezichtsstructuren. In sommige gevallen kan de 'patroonherkenning' zelfs seksistisch of racistisch worden: een kinderziekte die nog uit de weg moet worden geruimd..


Gerelateerde artikelen

5 stappen in Power BI (3) Visualisaties

02-06-2020 12:40

Best practices voor visualisaties: webinar van Excel MVP Tony de Jonker.

5 stappen in Power BI (2) Modelleren en berekenen

29-05-2020 11:23

Modelleren en berekenen, Power BI en DAX: webinar van Excel MVP Tony de Jonker.

De echte waarde van Power BI

29-05-2020 11:19

Je wilt bij BI-projecten zo snel mogelijk naar de niveaus delen en visualiseren, waar de waardecreat...

Visualiseren, de kunst van het verleiden (1)

29-05-2020 11:16

Visualiseren in Excel en Power BI, deel 1: de rol van hiërarchieën.

Visualiseren, de kunst van het verleiden (2)

29-05-2020 07:42

Visualiseren in Excel en Power BI, deel 2: schakelen tussen hiërarchieën.

5 stappen in Power BI

15-05-2020 13:00

Webinar van Excel MVP Tony de Jonker ontsluit de geheimen van Power BI (1)

De 8 do's en 8 don'ts bij een doorstart

15-05-2020 12:09

Wordt er in uw bedrijf een doorstart overwogen of voorbereid? Dan is het verstandig onderstaande vui...

Betere rapportages met Excel en Power BI

08-05-2020 10:56

Excel MVP Tony de Jonker's tips om met Excel en Power BI uw financiële rapportages te versnellen en...

Supermarkten in Control

15-04-2020 11:54

Supermarkten zijn het nieuwe rolmodel van de anderhalvemeter economie. Wanneer voor duurzaamheid?

Vergroot uw kennis, online en ook weer klassikaal

15-04-2020 11:54

Uw veiligheid staat voorop. Alle cursussen zijn 100% Coronaproof. Vanaf juni kunt u weer klassikale...

Veel horecabedrijven in de problemen bij terugbeta...

15-04-2020 11:52

Veel bedrijven komen ondanks overheidsmaatregelen in zwaar weer, mede door de terugvallende omzet va...

Coronacrisis mag geen schuldencrisis worden

15-04-2020 11:33

"Alleen samen kunnen we de financiële schade beperken." Michel van Leeuwen, directeur en gerechtsdeu...