TOPIC Artificiële intelligentie, ook in kmo’s SMART CITIES, SMART COMPANIES Voordeel halen uit artificiële intelligentie (AI) en data als u geen Tesla, Facebook of innovatieve starter bent: is dit haalbaar? [Coproduction] S inds het Internet-of-Things (IoT) verzamelen sensoren grote hoeveelheden gegevens. Zulke sensoren laten zich eenvoudig installeren in allerlei omgevingen (ziekenhuizen, huizen, kantoren...) of op industriële machines, om een heleboel parameters te meten. Op die manier verkrijgen bedrijven interessante data over mensen, producten en processen. Datawetenschap (Data Science) en AI zijn krachtige innovatietools om inzichten uit deze data te verwerven, bijvoorbeeld om producten en klanten te profileren, productieprocessen te verbeteren, tot slimmere verkeersoplossingen te komen of gezondheidsaanbevelingen te doen. De technologie hiervoor is beschikbaar, maar nog niet iedereen – minst van al de kmo – is vertrouwd met het potentieel. Wat zijn data-innovatie en AI precies? Het begrip AI gaat terug tot de jaren vijftig maar ondergaat nu een revolutie. Bijna alle sectoren van onze economie worden door data overrompeld. Dit is te danken aan de vooruitgang op het gebied van rekenkracht (connectiviteit, sensoren, gegevensverzameling ...), technologieën en algoritmen (deep learning, reinforcement learning...). Door het succes van grote bedrijven zoals Facebook, Google of Amazon worden AI en data science best aantrekkelijk, maar kmo’s weten niet altijd hoe ze dit potentieel kunnen realiseren. Het louter toepassen van een algoritme op een dataset leidt bijna nooit tot tastbare resultaten. Kwalitatieve data moet worden verzameld, geïntegreerd, gefilterd en voorbewerkt vooraleer ze bruikbaar is, en dit is zeer tijdrovend. De kwaliteit van de gegevens primeert immers over de hoeveelheid. Vaak leveren kleinere kwalitatieve datasets betere inzichten op dan grote volumes. U beschikt al over een deel van de expertise om tastbare en bruikbare resultaten te verkrijgen! Inzicht in het toepassingsdomein is nodig om na te gaan of de verkregen resultaten relevant zijn. Vandaar de noodzaak aan samenwerking tussen de datawetenschapper en de deskundige van het domein. Gelukkig beschikken al heel wat ondernemingen over een stuk expertise in data science en AI. AI houdt ook verband met commerciële aspecten. Ondernemingen investeren tijd en geld om data te verkrijgen. Daarom is het belangrijk om de operationele doelstellingen en eisen te begrijpen voordat u begint te innoveren met data. Klantenprofielen zijn bv. nuttig om voordelen te bieden (nieuwe producten laten kopen/testen). Inves26 BECI - Brussel metropool - oktober 2018 Sinds 2009 helpt Sirris, met de steun van Innoviris, de Brusselse bedrijven bij de implementatie van innovatie in producten en diensten door middel van data science en AI. Dankzij deze diensten (het opzetten van R&D-projecten, trainingsessies, bilaterale industriële projecten...) verwierf Sirris een diepgaand inzicht in de behoeften en uitdagingen van de industrie op het gebied van datawetenschap en AI. Om deze inspanning voort te zetten lanceerde Sirris op 17 september zijn “Data and Artificial Intelligence Competence Lab”. Meer info: elucidatalab.sirris.be ; elucidatalab@sirris.be ; +32 491 34 53 77 teren in predictief onderhoud van machines is anderzijds essentieel om de onderhoudskosten in de toekomst te verlagen en dus ook te besparen. ● Caroline Mair, Project Manager Data Innovation – EluciDATA Lab, the data and AI competence Lab of Sirris © Getty
29 Online Touch Home