2 oktober 2018 -
Mensen hebben altijd al nieuwe technologieën geïntroduceerd op de werkplek, en AI (Artificial Intelligence) en automatisering vormen hierop dan ook geen uitzondering. Er bestaat echter wel de angst dat AI een vermindering van werkgelegenheid teweeg gaat brengen.
Dit lijkt te worden bevestigd door mediaberichten waarin rapporten door PwC en McKinsey worden aangehaald. Volgens Andy Cotgreave, Technical Evangelist Director bij Tableau is dat toch een beetje kort door de bocht.
Genuanceerder en positiever
"In werkelijkheid is de situatie een stuk genuanceerder en zelfs positiever," zo zegt hij. "In de samenvatting van 'Harnessing automation for a future that works' van McKinsey staat bijvoorbeeld: ‘Hoewel minder dan vijf procent van alle beroepen volledig kan worden geautomatiseerd met de genoemde technologieën, kan binnen zo’n 60 procent van alle beroepen ten minste 30 procent aan samenhangende activiteiten worden geautomatiseerd.’ Dat voorspelde einde van werkgelegenheid valt dus wel mee. Het automatiseren van 30 procent van de taken van een medewerker maakt in feite meer tijd vrij en stimuleert de productiviteit in veel gevallen juist. Dit geldt net zo goed voor mijn eigen baan, trouwens.
Daarnaast staat er in het rapport: ‘De wereldeconomie zal, naast het gebruik van robots, alle beschikbare menselijke arbeidskracht nodig hebben om de vergrijzing in zowel ontwikkelde als derdewereldlanden op te vangen.’ Anders gezegd: het is minder waarschijnlijk dat er een overschot aan menselijke arbeidskrachten zal zijn, dan dat er een tekort aan menselijke arbeidskrachten zal zijn."
Hoe kunnen beslissers over een onderwerp waar zoveel verschillende meningen gelden bepalen wat waar is en welke impact AI zal hebben op hun bedrijf en baan? Cotgreave noemt drie stappen, waarbij allereerst naar de gegevens onder de krantenkoppen moet worden gekeken.
Lees allereerst de onderliggende onderzoeksrapporten
Afgaand op de ontwikkelingen van de afgelopen twaalf maanden gaat Machine Learning, een onderdeel van AI, de wereld veranderen. In het voorjaar van 2017 versloeg Libratus de allerbeste professionele pokerspelers ter wereld. DeepMind ontwikkelde AlphaGo Zero, een systeem dat zichzelf leerde om de beste Go-speler ter wereld te worden. Vervolgens werd AlphaGo Zero in november vorig jaar in minder dan 24 uur een bovenmenselijke schaak- en shogispeler. De algoritmes worden niet alleen steeds krachtiger, maar ook steeds efficiënter.
Cotgreave haakt in: "Op het gebied van technologie gebeurt inderdaad van alles, maar dat wil niet zeggen dat bedrijven hun analytics-teams maar beter naar huis kunnen sturen en alleen nog maar moeten inzetten op AI. Er gaan namelijk stemmen op dat AlphaGo in feite een uitschieter is en dat bedrijven zich juist weer meer moeten bezighouden met baanbrekend wetenschappelijk onderzoek." Andere organisaties lijken dit te onderschrijven. Tesla is haar automatiseringsplannen aan het terugdraaien ("Mensen worden ondergewaardeerd", aldus een tweet van Elon Musk), YouTube is bezig met het verwijderen van gevaarlijke algoritmes uit de YouTube-app en zelfs Formule 1-races worden verloren vanwege onjuiste datamodellen.
Daarnaast is het niet eenvoudig om talent te vinden om sturing te geven aan Machine Learning-projecten. Cotgreave: "De beste en slimste mensen worden vaak weggekaapt door de grote internationale tech-bedrijven, soms zelfs al voordat ze afstuderen. Teams moeten intern worden getraind en samengesteld."
Op elke willekeurige bedrijfstechnologiebeurs is de agenda gevuld is met sessies over AI en Machine Learning. "Maar," zegt Cotgreave, "de boodschap is mogelijk veel minder complex dan de veelbesproken nieuwere technologieën. De huidige aanbeveling is om te beginnen met kleine, goed gedefinieerde vragen die kunnen worden afgezet tegen grote datasets. Dit niet omdat de experts niet bijzonder getalenteerd zijn, maar meer omdat de huidige bedrijfsapplicaties nog niet zo ver zijn als de mediahype."
Focus vervolgens op data
Ongeacht de hype moeten bedrijven wel gaan nadenken over Artificial Intelligence, Machine Learning en automatisering. Cotgreave: "Met allereerst aandacht voor data. Gegevens zijn per slot van rekening de basis van elk AI-systeem. En een van de grootste struikelblokken voor het succesvol invoeren van AI en Machine Learning."
Het is dus essentieel dat bedrijven eerst hun databeheer goed op orde hebben. "Daarnaast is menselijke intelligentie noodzakelijk om data te analyseren en er beslissingen over te nemen," zegt Cotgreave. "Als data niet worden gezien als primaire bron, zal de stap naar AI-modellen te groot zijn. Als mensen al geen vertrouwen hebben in de bron van AI, dan zullen ze de resulterende ‘blackbox’ AI al helemaal niet vertrouwen."
Kies het juiste team
Niet alleen het data-analyseplatform moet degelijk zijn, ook de verantwoordelijke teams moeten beschikken over een goede combinatie van vaardigheden. Cotgreave: "De traditionele vaardigheidsprofielen zijn veranderd, en de vraag naar diversiteit moet terug te vinden zijn in de samenstelling van het team."
De overheid heeft volgens Cotgreave ook een belangrijke rol in de ondersteuning van werknemers tijdens de toenemende digitalisering door middel van opleidingen en trainingen. "Zonder investeringen om het lezen van en omgaan met data (data-geletterdheid) te verbeteren," waarschuwt hij, "ontstaat er in de Benelux een tekort aan vaardigheden en zal de achterstand op landen als de VS en China steeds groter worden."
Naarmate bedrijven op de korte termijn intern de datavaardigheden op een hoger plan brengen, moeten ze teams identificeren die verder zijn dan de rest van de organisatie. Cotgreave geeft als tip: "Kijk bijvoorbeeld naar welke teams beschikken over omvangrijke datasets van hoge kwaliteit en nauwkeurig gedefinieerde vragen. Het team dat het verst is met analytics is het beste in staat de eerste stappen te zetten naar besluitvorming op basis van AI."
Cotgreave sluit af: "Terwijl AI en Machine Learning steeds meer in ons werk verweven raken, moeten we verder blijven kijken dan de krantenkoppen. Als bedrijven zich voorbereiden door het invoeren van intensief databeheer en het samenstellen van teams met de juiste vaardigheden voor de toekomst, dan leveren AI en menselijke intuïtie een hele krachtige combinatie op.
