Succesvolle innovatie en alles wat er mee samenhangt

Kunstmatige Intelligentie? Begin er maar aan!

Mon, 18 May 2020 18:34:48 GMT

Winnaars van morgen: zij die vandaag de kansen van kunstmatige intelligentie zien & benutten

In de media lees en hoor je steeds vaker verhalen over kunstmatige intelligentie. En dan vaak in één adem met alle gevaren zoals banenverlies die ermee gepaard gaan. De interessante mogelijkheden die kunstmatige intelligentie biedt blijven dan ook vaak onderbelicht voor een breder publiek. En dat is jammer.

Ik stel voor het ‘gevaren denken’ even te laten voor wat het is en eens met een open blik te kijken wat de praktische en nuttige mogelijkheden zijn. Want één ding is zeker, die zijn er. Zeker in de huidige tijd waarin veel organisaties zich de vraag stellen op welke wijze in te spelen op de veranderde wereld waarin ze werkzaam zijn. Waarom? Daar ga ik in een drieluik artikelen verder op in.

In dit eerste deel de basis: wat is kunstmatige intelligentie en welke praktische voorbeelden zijn er te noemen?

Om met het eerste te beginnen: wat wordt onder kunstmatige intelligentie verstaan? Kunstmatige intelligentie is feitelijk een gereedschapskist met diverse hulpmiddelen die in meer of mindere mate de menselijke intelligentie nabootsen. Dat wil zeggen:

- in staat om gegevens te interpreteren

- van deze gegevens te leren en om

- het geleerde te gebruiken voor het uitvoeren van specifieke taken en doelen zoals het herkennen van gezichten of beantwoorden van vragen.

Algoritmes , dit zijn stap voor stap procedures om iets voor elkaar te krijgen (eigenlijk net als een recept zoals het bakken van een taart) spelen hierin een grote rol.

Data, de beschikbaarheid daarvan en de mogelijkheid deze te analyseren (met behulp van algoritmes die draaien op computers) zijn dus cruciaal voor de toepassing van kunstmatige intelligentie. En laten er nu juist 2 ontwikkelingen zijn in de afgelopen decennia die de doorontwikkeling van kunstmatige intelligentie sterk in de kaart hebben gespeeld:

1. De toegenomen computer rekenkracht en de beschikbaarheid daarvan

2. De enorme hoeveelheid (vrij) beschikbare data

En wat blijkt:

In de praktijk blijkt dat als er een database is met genoeg voorbeelden is, er altijd slimme bedrijven zijn die een specifiek algoritme ontwikkelen dat de onderliggende patronen omzet in een waardevolle dienst.

Voorbeelden?

- Websites vindbaar en doorzoekbaar maken(Google)

- DNA analyse (23andME), gewoon door jou en mij te bestellen met een druk op de knop

- Grootschalige foto analyse van netvliezen om vroegtijdige opsporing van netvlies aandoeningen op te sporen

- kentekenherkenning voor de signalering en opsporing van doorrijders die tanken zonder te betalen

- gezichtsherkenning ten behoeve van het winkelen met automatische betaling door middel van herkenning en koppeling aan je bankrekening of het inchecken bij hotels met je gezicht

- hartritme analyse ten behoeve van vroegtijdige signalering van aan mogelijke hartaanval

Om deze laatste er eens verder uit te lichten.

Wearables die de hartslag en de activiteiten bijhouden verzamelen al jaren een schat aan waardevolle informatie, wereldwijd, mannen, vrouwen en ook van steeds meer kinderen. Dit is een enorme bron aan data waarin algoritmes patronen kunnen ontdekken. Op deze manier kan iemand gewaarschuwd worden als de algoritmen patronen ontdekken die in het verleden bijvoorbeeld hebben geleid tot een hartaanval. Dus…wat vind jij, kunstmatige intelligentie een bedreiging of een kans??

Maakt dit de dokter dan overbodig? Nee, zeker niet. De kunstmatige intelligentie toepassing geeft een signaal af. De definitieve beoordeling zal altijd plaats dienen te vinden door een arts. De grote vooruitgang is echter dat het routinematige voorwerk wordt gedaan door specifieke toepassingen waardoor artsen zich veel meer dan voorheen kunnen richten specifieke beoordelingen. Ze krijgen hiermee veel meer tijd beschikbaar om hun waardevolle en specialistische kennis en kunde in te zetten waar deze voor geschikt is, namelijk het stellen van de juiste diagnose en behandeling.

De zorg is sowieso een veelbelovende markt voor toepassing van kunstmatige intelligentie, want:

• Er is zeer veel data beschikbaar

• De zorgvraag blijft stijgen

• De groei in beschikbare zorgcapaciteit houdt de groei in zorgvraag niet bij

• En het maatschappelijk belang is groot, zowel in termen van kostenbeheersing als in verhoging van de kwaliteit van leven

Zo zie je dus dat in dit geval kunstmatige intelligentie niet de dokter verdrukt maar juist helpt om expertise op te schalen. Kunstmatige intelligentie maakt mensen niet overbodig maar vergroot juist de beschikbare expertise capaciteit.

Ok, voor de zorg zie ik de toepassing, maar wat is er voor bedrijven dan te behalen met kunstmatige intelligentie?

Zonder dat je het misschien door hebt, maken ook bedrijven meer en meer gebruik kunstmatige intelligentie. EOm en paar interessante voorbeelden te noemen:

Spooronderhoud en onderhoud aan vliegtuigmotoren: VolkerRail en Aiir.

Beide bedrijven maken gebruik van een enorme database aan video en fotomateriaal die gelabeld is naar specifieke kenmerken om defecten op te sporen in treinrails (VolkerRail) en vliegtuigmotoren (Aiir). Op deze manier kunnen defecten in het spoor worden opgespoord zonder het hele spoor af te speuren en kunnen defecten in vliegtuigmotoren worden opgespoord zonder de gehele motoren uit elkaar te schroeven.

De kunstmatige intelligentie assistent kan bij 80% van de afbeeldingen met zeer grote zekerheid zeggen dat hier geen defect op zit. De overige 20% van de afbeeldingen bevat een verdachte plek, die nog door een inspecteur beoordeeld dient te worden. De inspecteurs hoeven dus niet langer uren en uren te staren naar beelden van onbeschadigde delen. In plaats daarvan kunnen zij zich volledig richten op het beoordelen van de moeilijke gevallen en kunnen dus volledig hun expertise en kunde inzetten op plekken waar dat van de meeste waarde is.

Spraakbesturing in auto’s: Nuance en Lyrebird

Een voorbeeld is de dicteersoftware van het bedrijf Nuance, dat spraak omzet in tekst. Deze software wordt gebruikt door onder andere Apple, Huawei, ING en BMW. Als je dus in je BMW met behulp van de spraakassistent een bestemming invoert, wordt met behulp van kunstmatige intelligentie je stem omgezet in de zoekopdracht naar de gewenste bestemming.

Of de tekst-naar-spraak software van Lyrebird. Via hun website kun je een eigen voice-assistent maken. Daarvoor moet je een hele reeks Engelse zinnetjes oplezen. Je kunt nu zinnetjes typen en de computer leest ze voor alsof het uit je eigen mond komen! Probeer het eens en je zult versteld staan.

Contact met een helpdesk

Hoe vaak hoor je niet het zinnetje ‘Dit gesprek kan opgenomen worden voor trainingsdoeleinden’ als je één of andere instantie belt. Weet dan dat deze gesprekken niet gebruikt worden om menselijke medewerkers te trainen maar om algoritmen te trainen! Feitelijk gaf je toestemming aan het betreffende bedrijf om jouw stem, jouw woorden, jouw frustratie, jouw complimenten en jouw feedback te gebruiken om algoritmen te voorzien van nieuwe data. De callcenter medewerker kon meteen tijdens het gesprek labels aanbrengen. Bijvoorbeeld: ‘deze meneer is erg boos’ of ‘deze mevrouw is tevreden met de aangeboden oplossing’. Verrassend, of niet?

Benzinestations en tegengaan van ‘tanken zonder betalen’

Heb je wel eens meegemaakt dat je even moest wachten nadat je de hendel indrukte voordat de benzine je tank instroomde? Dat komt omdat er in een paar seconden ongemerkt met behulp van kunstmatige intelligentie heel wat checks worden gedaan voordat je als ‘eerlijke tanker’ wordt toegestaan je tank vol te gooien. Eerst wordt je kentekenplaat gescand (beeldherkenning). Dan wordt gecontroleerd of dit kenteken hoort bij de auto die het waarneemt (beeldherkenning, bijv. een blauwe VW). Als laatste wordt gecheckt of dit kentekennummer op een zwarte lijst staat. Als alles ok is wordt je tankbeurt vrijgegeven en kun je je tank weer volgooien.

Google Captcha

Captcha van Google is zo’n voorbeeld. Ken je de plaatjes van Google waarbij je moet verifiëren of er een kat of hond op de foto staat, of op welk deel van de foto je een verkeersbord ziet? Je treedt dan even in de huid van een AI-docent. Niet alleen controleert het systeem namelijk of je correcte antwoorden geeft. Met de input van gebruikers, worden ook nieuwe plaatjes getest en wordt het systeem steeds slimmer. Er wordt op deze manier een enorme database met beeldmateriaal opgebouwd, inclusief de labels die aangeven wat voor een plaatje het is.

Email spam-filter

Ook achter de spam-filter van je mailbox zit een model gebaseerd op kunstmatige intelligentie. Aan de hand van voorbeelden, herkent het systeem welke bedrijven niet tot je netwerk behoren. Op basis van je feedback (‘dit is geen spam’) wordt het systeem steeds beter in het filteren van spam.

Veelbelovende ontwikkelingen. Sommige zullen onze banen van samenstelling veranderen, andere zullen onze activiteiten en effectiviteit juist uitbreiden en vergroten. Als je echter goed om je heen kijkt en je beseft waarbij kunstmatige intelligentie nu al een rol speelt, kun je niet anders dan de conclusie trekken dat kunstmatige intelligentie een waardevolle bijdrage aan ons bestaan levert.

Laat staan wat er nog in het verschiet ligt. Zal dat de manier waarop we leven en werken veranderen? Ja. Moet de angst voor het onbekende de ontwikkelingen tegenhouden? Nee. En al zouden we dat willen, dan lukt dat nog niet.

De winnaars van morgen zijn bedrijven die vandaag de mogelijkheden van kunstmatige intelligentie exploreren. En let wel, dit zijn niet de bedrijven met de meeste data, of de nieuwste hightech processen. De winnaars van morgen zijn de bedrijven die kunstmatige intelligentie gebruiken om nieuwe oplossingen in een bestaande markt te introduceren. Want u iteindelijk gaat het niet om het idee op zichzelf, wel om een idee dat werkt.

Nu je een beter beeld hebt van wat kunstmatige intelligentie is en welke vormen er bestaan, is de grote hamvraag natuurlijk: ‘Maar hoe pas ik kunstmatige intelligentie toe binnen mijn eigen bedrijf?’. Dat leest je in deel twee ‘Zo pas je kunstmatige intelligentie toe in je bedrijf’.

Nu al meer weten? Neem dan contact op en maak een afspraak.

Loonshots: 4 vuistregels voor succesvolle innovatie

Tue, 28 Apr 2020 14:49:39 GMT

Of: wat hebben water en ijs te doen met succesvolle innovatie?

Soms is een boek een verdraaid goed boek!

Waarom? Omdat het structuur geeft aan jarenlange ervaringen in de praktijk. Op een heldere manier uitgelegd, overtuigend onderbouwd en nog leuk om te lezen o ok. De vraag waar het in dit boek om draait:

Waarom wordt de ene innovatie een succes en de andere niet?

Het antwoord wordt gegeven door dr. Safi Bahcall, natuurkundige, voormalig innovatieadviseur van Barack Obama en zit verpakt in een nieuw woord:

LOONSHOTS!

Wat is een ‘Loonshot’?

‘Loonshot’ is een verbastering van ‘Moonshot’. Waar een Moonshot een ‘ambitieuze, kostbare doelstelling is waarvan wordt verwacht dat deze van groot belang zal zijn’ (voor wat dan ook: de maatschappij, je bedrijf, het land, de gezondheid van mensen, het klimaat en vul verder zelf maar in) is een ‘Loonshot’ een ‘ongeliefd project dat door bijna iedereen wordt afgeschreven en waarvan de bedenker als krankzinnig wordt beschouwd’. Eigenlijk een idee waarvan bijna iedereen zegt ‘dat lukt toch nooit’ of ‘als dat de oplossing zou zijn dan was het allang bedacht’. Kun je je ook zo’n situatie voor de geest halen? Ik wel, en zeker te weten jij ook!

Het verrassende is dat als loonshots toch blijken te lukken, het succes en belang ervan ook meteen hartstikke groot zijn. Voorbeelden te over: penicilline, statinen, straalmotor, radar, Polaroid instantfotografie, digital imaging (wat uiteindelijk heeft geleidt tot volledig computer gegenereerde filsm als Toy Story) en de moeder van alle loonshots: de wetenschappelijke methode.

Safi Bahcall heeft zeer uitgebreid onderzocht waarom bepaalde innovaties succesvol zijn en andere niet. Hij gebruikt hiervoor het natuurkundige verschijnsel van de ‘fase-overgang’. Dit betekent zoveel als de fase waarin de ene vorm overgaat in de andere vorm. Je kunt denken aan ‘water naar ijs’, ‘normaal rijdend verkeer naar file’, ‘boombrand naar bosbrand’ en ‘vaste stof naar vloeistof’.

Op basis hiervan komt hij tot een interessante analyse en 4 vuistregels voor structurele innovatie. Kern is dat je zowel de kweekvijvers van innovaties als ook het werkveld van productie en verkoop moet ontwikkelen, op de juiste manier behandelen en koesteren. Hieronder heb ik een een beknopte samenvatting geschreven.

De 4 vuistregels voor succesvolle innovatie

1. Breng een fase scheiding aan tussen voor innovaties essentiële groepen mensen

Maak aparte groepen van uitvinders (innovatie) en uitvoerders (productie en verkoop).

Van mensen die misschien de volgende transistor of radar uitvinden en mensen die de nieuwe vinding uiteindelijk grootschalig weten te produceren en te vermarkten, de zogenoemde franchisegroepen. Je kunt namelijk niet dezelfde dingen vragen aan beide verschillende groepen. Net zo goed als je ook niet van water kunt vragen tegelijkertijd water en ijs te zijn.

Zorg voor de span of control voor beide groepen

Een ruime spanwijdte van het management met veel vrijheden en weinig directe controle werkt goed voor innovatiegroepen. Een kleine spanwijdte en strenge controles werken goed voor franchisegroepen. Van een Boeing 747 wil je graag dat die 100% goed en gecontroleerd in elkaar zit. Uitvindingen wil je juist laten ontstaan door vrije gedachtenvorming en experimenteren.

Let op je dode hoek: laat je niet verrassen!
Er zijn 2 soorten loonshots: productloonshots en strategieloonshots. Het gevaar schuilt erin dat organisaties zich richten op één van deze typen, juist omdat ze hier in het verleden succes mee hebben behaald. Het ene type kan echter het andere type volledig overtreffen. Zorg daarom dat je altijd beide elementen van product en strategie ontwikkelingen gelijktijdig in de gaten houdt, zodat je niet ineens verrast wordt en je je bestaande businessmodel onderuit ziet gaan.

2. Creëer een dynamisch evenwicht, gericht op laten bloeien van innovaties

Houdt evenveel van je uitvinders als van je uitvoerders

Punt is dat ze beide nodig zijn voor uiteindelijk succes. Geen nieuwe omzet zonder nieuwe producten of diensten, geen nieuwe producten of diensten zonder mensen die ze produceren en succesvol op de markt brengen.

Richt je niet op de technologie maar op de overdracht ervan

Het is belangrijk dat je als management een creatief proces ontwikkelt om de overdracht van loonshots van de kweekvijver naar het veld te regelen. Daarnaast is het essentieel dat je de overdracht van waardevolle feedback en informatie over de markt naar de kweekvijver creëert. Als management moet je zeker niet de technologie dicteren. Deze moet ontstaan in de kweekvijver. Als manager ben je eigenlijk een hovenier. Zorg voor de juiste omstandigheden en de tuin zal groeien en bloeien.

Benoem en train voorvechters om de kloof tussen kweekvijver en veld te overbruggen

Uitvoerders verzetten zich vaak veranderingen en zien alleen de tekortkomingen van de prille ideeën van uitvinders. Uitvinders aan de andere kant verwachten vaak dat iedereen staat de applaudisseren voor hun prachtige nieuwe kindje. Vaak missen de uitvinders de vaardigheden om de uitvoerders zover te krijgen dat ze gaan experimenteren en ze de feedback geven die essentieel is voor het uiteindelijke succes. Als management is het belangrijk dat je specialisten vindt en coached die vloeiend beide talen spreken om de kloof te overbruggen.

3. Kweek een systeemmindset in plaats van een uitkomstmindset

Blijf vragen waarom

Onderzoek successen en mislukkingen niet alleen in termen van resultaat maar vooral in termen van de achterliggende besluitvormingsprocessen. Hoe ben je tot deze resultaten gekomen?

Blijf vragen hoe het besluitvormingsproces kan worden verbeterd

Zoek naar de belangrijkste invloeden, bijvoorbeeld de mensen die betrokken waren, de gebruikte data, hoe zijn de gemaakte keuzes gepresenteerd en onderzoek ook de financiële en niet-financiële prikkels voor het team en de individuele leden van het team. Vraag je af hoe de invloeden kunnen worden veranderd om het besluitvormingsproces te verbeteren.

Vind teams met een uitkomstmindset en help ze de overstap te maken naar een systeemmindset

Analyseren waarom een team tot een beslissing kwam is meestal geen vertrouwd klusje en kan best ongemakkelijk zijn. Het vereist zelfkennis van de teamleden, zelfvertrouwen om fouten onder ogen te zien en eerlijkheid en vertrouwen om positief verwoorde feedback uit te wisselen. Dit proces verloopt meestal efficiënter en minder pijnlijk als

4. Verhoog het magische getal

Elk team heeft bepaalde grootte waarin het innovatieve karakter omslaat naar behoudend karakter dat minder of niet veranderingsgezind is. Bahcall noemt dit het ‘magische getal’. Je kunt dit getal (dus de teamomvang waarbij het karakter omslaat) positief beïnvloeden door:

Het effect van politieke spelletjes te verminderen

Dat wil zeggen dat je het moeilijk moet maken om te lobbyen bij beslissingen over compensatie en promoties. Streef in het hele bedrijf naar eerlijke maatstaven en onafhankelijke beoordelingen. Besluitvorming zal hierdoor veel meer inhoudelijk plaatsvinden, hetgeen de kwaliteit sterk ten goede komt.

Zorg voor een match tussen projecten en kwaliteiten

Medewerkers moeten door een project uitgedaagd worden, niet overweldigd. Daarom is het belangrijk een goede match te vinden tussen de kwaliteiten van medewerkers en projecten.

Reguleer je spanwijdte

Verruim de spanwijdte van het management in innovatiegroepen om minder strenge controles, meer experimenten en probleemoplossing tussen collega’s te stimuleren.

Repareer het midden

Zoek en repareer perverse prikkels, dat wil zeggen onbedoelde gevolgen van goedbedoelde beloningen. Let daarbij vooral op het gevaarlijke segment van het middenmanagement omdat dit de zwakste schakel is in het conflict tussen innovaties en politiek (op behoud van de status quo gerichte) gedrag. Neem afstand van prikkels die gericht zijn om promoties aan te wakkeren. Kies juist die prikkels die gericht zijn op uitkomsten. Beloon niet de pikorde, maar de resultaten.

Er is nog veel meer over te vertellen. Vanuit mijn ervaring geloof ik in de onderbouwing van Bahcall. Sterker, met deze gestructureerde verklaring vallen veel praktijk ervaringen op zijn plaats.

Nogmaals een verdraaid goed boek met een serieuze leidraad voor succesvolle innovatie.

Wil je er meer over weten? Lees ‘Loonshots’ van Safi Bahcall.

Wil je meer weten over hoe dit principe toe te passen in jouw organisatie? Neem contact met mij op.