Nieuws & Blogs

Artificiële intelligentie als strategisch voordeel

We maken dagelijks gebruik van kunstmatige intelligentie (AI). Elke dag krijgen we dankzij AI betere antwoorden op onze zoekopdrachten en stellen mediasystemen ons films en series voor. Nemen we contact op met een klantenservice, dan helpen online chatbots ons vooruit. Dit wordt de aankomende jaren alleen meer, want we staan aan de vooravond van een nieuwe industriële revolutie waarin robots ons helpen.

De vraag is wat AI eigenlijk is. Het algoritme is software dat de menselijke intelligentie nabootst door taken uit te voeren. Door data te gebruiken tijdens deze handelingen kunnen ze processen verbeteren en dus leren. Er zijn verschillende stadia binnen deze lerende systemen.

Automation of Robot Proces Automation

Software met beperkte AI voert veel beter en sneller taken uit dan mensen. Traditionele schaakcomputers zijn al jaren mensen de baas en computers vertalen in een oogwenk teksten waar mensen uren of zelfs dagen mee bezig zijn. Dit soort intelligentie is beperkt tot ‘als x gebeurt, dan moet y in werking treden’. Het bedrijfsleven automatiseert via Robot Proces Automation (RPA) allerlei processen om repeterende taken uit handen te geven. Zakt bijvoorbeeld de voorraadhoogte onder een bepaald peil, dan stuurt het systeem direct een aankooporder uit. De intelligentie van dit soort systemen komen uit een programmeur die verbanden in code omzet, dit levert voorspelbare uitkomsten op.

Machine Learning: software die zelfstandig leert

De evolutionaire stap na RPA is IPA: Intelligent Robot Automation en wordt gevoed door echte zelflerende systemen. Het brein heet Machine Learning. Dit zijn algoritmes die zonder begeleiding leren van nieuwe input. Denk aan spamfilters, maar ook gezichtsherkenning, spraakherkenning en zelfrijdende auto’s. De brandstof voor machine learning is (Big) Data. Het algoritme leert hierbij continu van aangeboden data en interpreteert ze, herkent patronen en gebruikt deze input om nieuwe data te maken om het algoritme te optimaliseren. De uitkomsten veranderen hierdoor na verloop van tijd en na input van meer data.

AI geeft een blik in de toekomst

Door het algoritme nieuwe data aan te bieden leert het steeds betere beslissingen te maken. Het heeft hiervoor wel nieuwe gegevens nodig, oftewel trainingsdata. Denk hierbij aan proefritten van zelfrijdende auto’s. Elke tocht levert nieuwe gegevens en ervaringen op waarna de auto zelfstandig de weg op kan, machine learning kiest de route. De automatische analyse van verschillende datasets geeft bijvoorbeeld inzicht in toekomstige vraag naar productie. Supply chain management, samenwerking, logistiek en warehouse management verbeteren enorm dankzij machine learning.

De werkvloer automatiseert zichzelf

Veel data is een voorwaarde om dit soort systemen te trainen. Dat begint met het meten van allerlei processen uit de productieketen of de supply chain. Door machines en producten uit te rusten met sensoren, worden processen inzichtelijk. Met de bestaande informatie, aangevuld met deze nieuwe informatie, kunnen collega’s nu ook zelf op de werkvloer aan de slag met het automatiseren van processen. Dat kunnen ze met de JD Edwards Orchestrator, zonder dat ze diepgravende programmeerervaring nodig hebben. De data kan ook Machine Learning tools voeden waarmee material handling systemen en spraakinterfaces steeds weer slimmer worden. Ook zijn autonoom rijdende voertuigen mogelijk waardoor efficiëntie toeneemt en de kans op menselijke fouten vermindert.

Begin nu met analyses en AI

Uiteindelijk is het met AI mogelijk om een volledig zelf-organiserende organisatie te creëren, maar dat is nog toekomstmuziek. Het is verstandig om nu al na te denken over het toepassen van automation, het oogsten van zoveel mogelijk relevante data en verdere analyse van deze data. Dat geeft sowieso al een strategisch voordeel. Door de gegevens te verzamelen en machine learning tools aan te haken aan ERP verlaag je kosten en verbeter je marges. Kijk daarom naar de mogelijkheden en start vandaag!