De interesse in AI – en zeker in machine learning – groeit dagelijks in alle vakgebieden. Het kan helpen in het automatiseren van processen, maar ook klanteninzichten verbeteren, omnikanaal dienstverlening verbeteren en zo veel meer. De Start-ups die zichzelf machine learning experts noemen groeien als paddenstoelen uit de grond om aan de toenemende vraag te voldoen. Moeten we allemaal op deze trein springen? En wat kunnen we ervan verwachten?

 

De juiste verwachtingen schetsen

Ten eerste kan machine learning nog niet alle processen en eenvoudige taken vervangen. Het lijkt allemaal geweldig om verhalen te horen over hoe uw facturen die per e-mail worden verzonden, automatisch in de doelsystemen kunnen worden geïnjecteerd en zelfs automatisch kunnen worden betaald. Of hoe de inkomende documentenstroom automatisch in verschillende processen kan worden geclassificeerd. Maar… wat er maar zelden bij verteld wordt is dat gedeelte over leren – van daar dus machine learning. Tegenwoordig zijn de verwachtingen vaak zeer hoog, maar zijn niet altijd even realistisch. Laten we eens kijken naar een eenvoudig voorbeeld van het extraheren van informatie uit een gestructureerd document. Onze ervaring leert ons te zeggen dat een automatiseringspercentage van 70% – het aantal velden/documenten dat een machine automatisch kan herkennen – al een hele prestatie is. De overige 30% vereist een manuele interventie. Op basis hiervan zouden we kunnen zeggen dat een Machine Learning Tool het grootste deel van het manuele werk al kan vervangen, maar dus niet voor 100%.

Een ander zeer belangrijk aspect is de training van de machine (hieruit zal de machine leren wat juist en fout is). Je hebt voldoende documenten nodig om de machine te trainen en ervoor te zorgen dat de input correct is, zodat de machine op de juiste manier leert. Als dit niet gebeurt en de machine leert de foute zaken aan, dan is het niet zo eenvoudig om dit ongedaan te maken en de machine terug op het juiste spoor te krijgen. Elke verandering in het extraheren van velden vereist een nieuwe training. Je kunt machine learning gemakkelijk vergelijken met het leren van een baby hoe hij een kat kan herkennen. Hoe meer voorbeelden van een kat je laat zien, hoe gemakkelijker de baby katten zal herkennen. Als de baby echter een hond ziet en het een kat noemt (vanwege dezelfde kenmerken – een dier van ongeveer dezelfde grootte, 4 poten en dezelfde vorm van het hoofd), moet je hem tijdig corrigeren, zodat hij geen foute zaken leert. Anders zal hij verward geraken en is het moeilijker de verwarring te verduidelijken.

Een derde belangrijk onderdeel is de OCR (optische karakterherkenning). Dit is het hulpmiddel dat wordt gebruikt voor het lezen van de tekst in een document. Wat als de tekst onvoldoende duidelijk of leesbaar is voor de machine? Dit betekent dat de machine nooit de verwachtte automatisatie zal halen, hoe goed uw model de informatie ook voorspelt.

 

Wat kunnen we dan verwachten? 

AI en machine learning zijn technieken die nog in hun kinderschoenen staan. Vandaag kunnen we de technologieën al op veel verschillende manieren gebruiken, bvb om automatisch informatie te extraheren, afbeeldingen te herkennen en zelfs diepere klantinzichten te verkrijgen. Moeten we allemaal blindelings op deze trein springen? Wij denken van niet. Zoals gezegd staat de technologie nog maar aan het begin van haar potentieel. Het is belangrijk dat jouw organisatie klaar is om met de kinderziektes om te gaan die nog gepaard gaan met deze technologie. Enkel dan kan je profiteren van de enorme voordelen die eruit te halen zijn. Maar wees realistisch! Begin met de eerste 50-60% en ga verder zonder al te teleurgesteld te zijn wanneer het eens misloopt.

Ons advies: wacht af en wees geduldig, experimenteer en bereid je voor op het moment wanneer de technologie en jouw bedrijf er klaar voor zijn.

Wil je meer weten over Artificiële Intelligentie of Machine Learning. Of hoe je deze technologieën implementeert in jouw bedrijf? Aarzel niet ons te contacteren!