Wat kan ik doen met kunstmatige intelligentie binnen mijn organisatie?
Pegamento implementeert al jaren AI op verschillende manieren en in diverse orde van grootte bij bedrijven in allerlei sectoren.
Er wordt gezegd dat kunstmatige intelligentie data kan 'analyseren', maar eigenlijk is het meer categoriseren. Nieuwe (onbekende) content wordt gecategoriseerd, op basis van data. Wat voor data? Data uit één of meer tabellen, stukken tekst, spraak of plaatjes. AI kan heel veel verschillende soorten data lezen en gebruiken in processen. Denk hierbij aan foto's, e-mails, spraakberichten en andere digitale content.
Eigenlijk alle vormen van informatie die we digitaal kunnen vastleggen. Op basis van data met duidelijk gemarkeerde categorieën, maakt AI een voorspelling.
We gaan verder in op wat kunstmatige intelligentie precies is, hoe het geïmplementeerd kan worden en laten we een aantal cases zien.
Hier is alvast een snellees gids:
Wat kan ik doen met kunstmatige intelligentie binnen mijn organisatie?
Pegamento implementeert al jaren AI op verschillende manieren en in diverse orde van grootte bij bedrijven in allerlei sectoren.
Er wordt gezegd dat kunstmatige intelligentie data kan 'analyseren', maar eigenlijk is het meer categoriseren. Nieuwe (onbekende) content wordt gecategoriseerd, op basis van data. Wat voor data? Data uit één of meer tabellen, stukken tekst, spraak of plaatjes. AI kan heel veel verschillende soorten data lezen en gebruiken in processen. Denk hierbij aan foto's, e-mails, spraakberichten en andere digitale content.
Eigenlijk alle vormen van informatie die we digitaal kunnen vastleggen. Op basis van data met duidelijk gemarkeerde categorieën, maakt AI een voorspelling.
We gaan verder in op wat kunstmatige intelligentie precies is, hoe het geïmplementeerd kan worden en laten we een aantal cases zien.
Hier is alvast een snellees gids:
Wat is kunstmatige intelligentie?
kunstmatige Intelligentie, of wel AI (artificial intelligence) of KI (kunstmatige intelligentie) genoemd is het vermogen van een systeem om externe gegevens correct te interpreteren, om te leren van deze gegevens, en om deze lessen te gebruiken om specifieke doelen en taken te verwezenlijken via flexibele aanpassing. Je kunt dit zien als patroonherkenning op grote schaal. AI zet menselijke input om naar input die door computersystemen kan worden gebruikt, op basis van eerder gevonden patronen en een ontstaan neuraal netwerk. Het kan gebruik maken van relaties tussen data. Ook kan het patronen in natuurlijke taal detecteren. Interacties met bijvoorbeeld veel negatieve woorden zijn misschien vaker een klacht. Bij een afspraak of reservering kom je vaker een datum tegen. Google Home, Google Assistant en Siri gebruiken spraak-naar-tekst conversie om te raden wat je probeert te vertellen. Die werken ook op basis van eerder gecategoriseerde stukjes spraak. De voorspelling geeft aan welke categorie een nieuw stukje content zou moeten krijgen. Bijvoorbeeld dat het gaat om een klacht, of een bestelling. Maar ook dat je het woord ‘Spotify’ zei of de naam van je favoriete band. Meer over AI/Machine learning/neuraal netwerk en RPA lees je hier.
Wat kan er worden voorspeld?
Voorspellingen komen in verschillende vormen, een aantal voorbeelden daarvan zijn: De essentie van een klantvraag,
de emotionele stemming van de klant, hoe belangrijk een taak is voor jou of voor je klant, de potentiële waarde van een nieuwe aankoop of bijvoorbeeld hoe een container zo efficiënt mogelijk kan worden geplaatst. Dit zijn voorbeelden van voorspellingen die een AI-systeem kan doen. Deze leert het systeem aan de hand van trainingen.
Trainen van het AI-model
Hoe werkt het trainen van een AI systeem? Dat leggen wij uit aan de hand van een AI-mail systeem. In een workshop met gebruikers bepalen we samen welke e-mailstromen, zoals wijzigen adresgegevens, plaatsen van een bestelling, een werkdag ruilen, in aanmerking komen voor afhandeling door Mail Assistant en welke antwoorden hierbij horen. We bepalen categorieën, zoals factuurvragen, verloren klantkaarten of retourzendingen en stellen vast waar voorbeeldberichten te vinden zijn. Door middel van een koppeling met de e-mailserver lezen we circa 100 voorbeeldmails per stroom in. Het AI-model analyseert de voorbeeldmails en traint zichzelf op het herkennen van de categorieën en het herkennen van entiteiten, zoals een telefoonnummer of bankrekeningnummer. Daarna gebruiken we testberichten om het model te valideren en verder te verfijnen.
Trainen van het AI-model
Hoe werkt het trainen van een AI systeem? Dat leggen wij uit aan de hand van een AI-mail systeem. In een workshop met gebruikers bepalen we samen welke e-mailstromen, zoals wijzigen adresgegevens, plaatsen van een bestelling, een werkdag ruilen, in aanmerking komen voor afhandeling door Mail Assistant en welke antwoorden hierbij horen. We bepalen categorieën, zoals factuurvragen, verloren klantkaarten of retourzendingen en stellen vast waar voorbeeldberichten te vinden zijn. Door middel van een koppeling met de e-mailserver lezen we circa 100 voorbeeldmails per stroom in. Het AI-model analyseert de voorbeeldmails en traint zichzelf op het herkennen van de categorieën en het herkennen van entiteiten, zoals een telefoonnummer of bankrekeningnummer. Daarna gebruiken we testberichten om het model te valideren en verder te verfijnen.
Mail Assistant, een voorbeeld van kunstmatige intelligentie
Wat is Mail Assistant?
Mail Assistant is precies wat het zegt: automatisering van het mailverkeer met Artificial Intelligence, AI. Door de inzet van kunstmatige intelligentie wordt de intentie van e-mails achterhaald in een lerend proces. Zodra de AI-software weet waar de e-mails over gaan, zetten we slimme sjablonen in die mails volautomatisch kunnen afhandelen. Is dat niet mogelijk? Dan herkent de software dit en zet de e-mail direct door naar de juiste medewerker – binnen de eigen organisatie of op een externe locatie.
De voor en nadelen van kunstmatige intelligentie
kunstmatige intelligentie maakt gebruik van patronen die het AI-systeem heeft geleerd middels trainingen. Tijdens het trainen van een systeem word aangegeven welke input goed of fout is op basis van het beste antwoord. Door dat een AI-systeem een probleem of klantvraag kan herkennen kan hij na deze trainingen in de meeste gevallen het juiste antwoord geven. Dit zorgt voor een hogere kwaliteit van gegeven antwoorden en oplossingen. Ook zijn de voorstellen die een AI-systeem geeft op basis van een situatie consistent. Dit zorgt dus voor een consistentere probleemoplossing van vraagstukken binnen jouw organisatie.
Een AI-systeem kan binnen een aantal seconden een situatie analyseren en op basis van trainingen het beste antwoord voorstellen. Hierdoor kan een medewerker sneller handelen of is het inzetten van een medewerker voor bijvoorbeeld het beantwoorden van mails overbodig. Dit zorgt voor een efficiëntere en snellere manier van werken.
Alhoewel kunstmatige intelligentie veel voordelen met zich meebrengt zijn er ook een aantal nadelen. Een AI-systeem is een complex stukje code dat tijd kost om op te zetten en te trainen. Het kost degelijk wat tijd en investeringen om een systeem juist te laten handelen en heeft in het beginstadia menselijke begeleiding nodig. Hoe complexer een intentie van een AI-model moet zijn, hoe intensiever het is om deze te trainen. Echter wegen de voordelen op tegen de nadelen. Wanneer een AI-systeem in zijn geheel is getraind kan deze geheel autonoom handelen, welke de voordelen die hier boven zijn genoemd met zich meeneemt. Het is een investering voor op de lange baan die zichzelf uitbetaald.
Toch nog even verder inlezen?
Pegamento implementeert AI op verschillende manieren in diverse orde van grootte bij bedrijven in allerlei sectoren. In deze whitepaper bespreken we onze bevindingen, aanbevelingen en implementatie strategieën
Een aantal klantcases op het gebied van Kunstmatige intelligentie
Met de Pegamento AI-Suite bouwden we een Taskmanager. Een robot, die de intentie van een inkomend gesprek of bericht herkent in meerdere talen en automatisch een reactie voorstelt aan de 1e-lijnsmedewerker. Door een koppeling met het reserveringssysteem van de backoffice krijgt de medewerker een volledig klantbeeld met alle beschikbare klantinformatie op het scherm. Communicatie wordt zo sneller, beter en efficiënter afgehandeld. Meer over deze case lees je hier.
Voor Translink ontwikkelden we TRiP, wat staat voor het Translink Registratie informatie Platform. Een compleet platform waarmee op de klantenservice telefoongesprekken en e-mails worden gelogd.
- De klant is veel sneller geholpen door minder aantal kliks.
- De klantadviseur heeft meer overzicht over het werk.
- Het management krijgt rapportages waarbij op een dashboard in één oogopslag is te zien of SLA’s worden gehaald en hoeveel klantcontacten er op een dag zijn afgehandeld
Meer over deze case lees je hier.
Rijkswaterstaat heeft Pegamento aangewezen als partij met de beste oplossing om door middel van detectie de veiligheid van brugbediening te verhogen. Rijkswaterstaat had een challenge uitgeschreven voor marktpartijen om door middel van innovatieve toepassingen gevaarlijke situaties bij de bediening van bruggen te detecteren en helpen te voorkomen. Het BCR systeem kan met meerdere camera’s weggebruikers volgen door middel van Artificial Intelligence en geeft de operator via een dashboard de mogelijkheid om te zien wat er op het brugdek gebeurt. Meer over deze case lees je hier.
Een aantal klantcases op het gebied van Kunstmatige intelligentie
Met de Pegamento AI-Suite bouwden we een Taskmanager. Een robot, die de intentie van een inkomend gesprek of bericht herkent in meerdere talen en automatisch een reactie voorstelt aan de 1e-lijnsmedewerker. Door een koppeling met het reserveringssysteem van de backoffice krijgt de medewerker een volledig klantbeeld met alle beschikbare klantinformatie op het scherm. Communicatie wordt zo sneller, beter en efficiënter afgehandeld. Meer over deze case lees je hier.
Voor Translink ontwikkelden we TRiP, wat staat voor het Translink Registratie informatie Platform. Een compleet platform waarmee op de klantenservice telefoongesprekken en e-mails worden gelogd.
- De klant is veel sneller geholpen door minder aantal kliks.
- De klantadviseur heeft meer overzicht over het werk.
- Het management krijgt rapportages waarbij op een dashboard in één oogopslag is te zien of SLA’s worden gehaald en hoeveel klantcontacten er op een dag zijn afgehandeld
Meer over deze case lees je hier.
Rijkswaterstaat heeft Pegamento aangewezen als partij met de beste oplossing om door middel van detectie de veiligheid van brugbediening te verhogen. Rijkswaterstaat had een challenge uitgeschreven voor marktpartijen om door middel van innovatieve toepassingen gevaarlijke situaties bij de bediening van bruggen te detecteren en helpen te voorkomen. Het BCR systeem kan met meerdere camera’s weggebruikers volgen door middel van Artificial Intelligence en geeft de operator via een dashboard de mogelijkheid om te zien wat er op het brugdek gebeurt. Meer over deze case lees je hier.
Kunstmatige intelligentie binnen jouw organisatie?
Kunstmatige intelligentie is toe te passen in een groot scala productieprocessen. Voor overal waar patronen te vinden zijn, zoals klant intenties, e-mails of beeld, kan deze techniek al snel interessant zijn! Het zijn innovatieve technieken, maar zijn verrassend betaalbaar om in te zetten voor procesoptimalisatie.
Kan het een uitkomst voor jouw bedrijf zijn? Welke besparingen of kwaliteitsverbeteringen zijn mogelijk in jullie processen?
Vraag een kennismakingsgesprek aan met een van onze specialisten om er achter te komen hoe Kunstmatige intelligentie kan worden ingezet binnen jouw organisatie.
Veel gestelde vragen over kunstmatige intelligentie
Kunstmatige intelligentie (AI) is de tak van computerwetenschap die zich bezighoudt met het ontwikkelen van systemen die in staat zijn om taken uit te voeren die normaal gesproken menselijke intelligentie vereisen. AI stelt machines in staat om te leren, redeneren, beslissingen te nemen en problemen op te lossen.
Voorbeelden van kunstmatige intelligentie zijn spraakassistenten zoals Siri en Alexa, beeldherkenningssystemen zoals gezichtsherkenning, zelfrijdende auto's, aanbevelingsalgoritmen op platforms zoals Netflix en Amazon, en chatbots die geautomatiseerde klantenservice bieden. Maar ook onze Mail Assistant die begrijpt waar binnenkomende (aan)vragen via de mail overgaan en automatische antwoorden suggereert.
Er zijn verschillende vormen van AI:
- Machine learning, waarbij systemen leren van gegevens en ervaringen om taken uit te voeren;
- Neurale netwerken, die geïnspireerd zijn op het menselijk brein en worden gebruikt voor patroonherkenning;
- Natuurlijke taalverwerking, dat zich richt op het begrijpen en genereren van menselijke taal;
- Expertsystemen, waarbij kennis en expertise worden vastgelegd in regels en algoritmen om complexe problemen op te lossen.
Stap 1: Case
Begin met het duidelijk maken van de case. Welk probleem probeer je op te lossen? Welk proces wil je optimaliseren?
Stap 2: Data
Voor veel AI-systemen is data de grote drijfveer. Hoe meer data hoe beter is in de meeste gevallen van toepassing, maar ook de kwaliteit van de data is zeer belangrijk.
Stap 3: Modellen en prototyping
Wanneer het doel duidelijk is en de data beschikbaar kan worden begonnen met prototyping.
Stap 4: Implementatie
Naar productie! In deze stap wordt het beste model uit de prototyping stap geïmplementeerd in de huidige omgeving.
Stap 5: Progressie
In de meeste gevallen zullen bovenstaande stappen elkaar afwisselen, om zo telkens nieuw vergaarde inzichten te gebruiken om andere stappen beter uit te voeren.
AI-systemen werken door veel gegevens te verwerken, patronen te herkennen en beslissingen te nemen op basis daarvan. Dit gebeurt met behulp van algoritmen en modellen die zijn gemaakt met machine learning-technieken. Machine learning gebruikt trainingsgegevens zoals beeld en tekst om modellen te maken en te trainen. Daarna kunnen deze modellen nieuwe gegevens analyseren en voorspellingen of beslissingen maken.
De kosten van AI kunnen variëren afhankelijk van verschillende factoren, zoals de complexiteit van het project, de gebruikte technologieën, de benodigde middelen en het team van experts dat betrokken is bij de ontwikkeling. Kosten kunnen bestaan uit het verzamelen en verwerken van gegevens, het ontwikkelen van algoritmen en modellen, de benodigde hardware- en software-infrastructuur, en eventuele externe diensten of expertise die nodig zijn. Veel AI-modellen hebben we al gestandaardiseerd waardoor er flink bespaard kan worden op de training ervan.