Elk jaar delen we graag met je wat wij zien als de meest relevante ontwikkelingen op het gebied van data & analytics. Geen futuristische ver-van-ons-bed trends, maar juist zaken die direct toepasbaar zijn in jouw dagelijkse praktijk. Zodat jij hier morgen mee aan de slag kan als je zou willen. Dat is wat wij belangrijk vinden bij Cmotions, alle mooie toepassingen van data en AI vertalen naar jouw dagelijkse realiteit, zonder opsmuk en hypes, maar met focus op bruikbaarheid en waarde toevoegen.
Binnen Cmotions hebben wij aandacht voor de gehele waardeketen van data. Deze keten loopt van “wat willen wij en waarom” (de strategie) naar het ophalen en structureren van data (engineering), tot aan het slim inzetten van data om tot praktisch toepasbare inzichten procesverbeteringen te komen. Daarom zullen de trends die wij bespreken ook vanuit al deze elementen van de waardeketen komen. Focus in de breedte is hoe wij dat graag noemen.
We zien voor 2024 twee voornaamste ontwikkelingen: 1) Generative AI en 2) Selfservice & Augmented BI. Zoals je van ons gewend bent vertellen we in duidelijk taal wat dit betekent voor jou, maar niet minder belangrijk, wat ervoor nodig is om deze twee trends succesvol in te zetten.
1. Generative AI
Om maar meteen te starten met de olifant in de kamer, op geen enkel trendlijstje van dit moment kan Generative AI uiteraard ontbreken. 2023 was het jaar waarin Generative AI met een big bang naam en faam verwierf bij het grote publiek. Zelfs als je niets met data (te maken) hebt weet je waarschijnlijk wel wat ChatGPT is, om maar één voorbeeld van Generative AI te noemen. 2024 wordt voor veel bedrijven het jaar om er zelf serieus mee aan de slag te gaan, op zoek naar waardevolle toepassingen. Hierbij staat wat ons betreft gecontroleerd gebruik centraal. We zien heel veel potentiële waarde, maar erkennen ook de zorgen die geuit worden, zoals in de kamerbrief en de Rijksvisie AI die eind 2023 en begin 2024 met de Tweede Kamer werden gedeeld.
Voordat we het in meer detail over Generative AI gaan hebben, willen we eerst even uitleggen wat wij verstaan onder “generatieve” artificiële intelligentie (AI) en wat het verschil is met “normale” AI. De AI die we al vele jaren inzetten is als een hele slimme collega die goed is in een specifieke taak. Denk bijvoorbeeld aan het voorspellen wanneer een onderdeel van een machine onderhoud nodig heeft, wat vandaag de beste prijs is voor een product op basis van vraag en aanbod of welk deel van het klantenbestand mogelijk zijn contract op wil gaan zeggen. Generative AI is ook een hele slimme collega, maar deze collega kan je op veel meer verschillende taken inzetten, niet alleen omdat deze collega veel meer kennis en “ervaring” heeft, maar ook omdat deze ook nieuwe dingen kan bedenken. En die nieuwe, slimme collega spreekt ook nog eens jouw taal – business taal in plaats van data science vakjargon – en snapt razendsnel wat je bedoelt. Een aantal voor de hand liggende voorbeelden van de inzet van Generative AI:
- Een digitale assistent in Microsoft Teams waaraan je vragen kan stellen over interne documenten, bijvoorbeeld om te zorgen dat de klantenservice snel en correct kan antwoorden;
- Automatisch antwoorden klaar te zetten op emails, die na doorlezen en wellicht kleine aanpassingen direct de deur uit kunnen;
- Het automatiseren van een terugkerende taken, zoals het samenvatten van documenten en meetings of het aanpassen van een tekst naar de huisstijl van jouw bedrijf;
- Het schrijven of verbeteren van code die gebruikt wordt bij software ontwikkeling;
- Het genereren van content voor e-commerce websites, denk aan productomschrijvingen en meerdere talen of beeldmateriaal van producten.
Generative AI heeft de potentie het werk van velen voorgoed te veranderen. Expliciet niet alleen het werk van data scientists en analisten, die tot nu toe aan de AI knoppen zaten binnen de organisatie. Maar juist de hele organisatie kan hiervan profiteren. Belangrijk daarbij is de organisatie goed mee te nemen in de kansen die het biedt en die samen te ontdekken, zodat Generative AI niet als bedreigend wordt ervaren. Door inzet van tools als Copilot kunnen handmatige taken opeens worden geautomatiseerd en kunnen creatieve taken worden ondersteund zodat medewerkers sneller tot betere creaties komen. En het noeste programmeerwerk kan opeens veel effectiever en efficiënter, waardoor er veel sneller eerste prototypes van slimme toepassingen met data en AI kunnen worden gerealiseerd. In 2024 zal hiermee bij veel organisaties worden geëxperimenteerd en versneld geïmplementeerd. Ook omdat veelgebruikte tools zoals Microsoft Outlook, Teams, Powerpoint, Word en Excel deze mogelijkheden standaard gaan bieden.
Generative AI stelt organisaties ook in staat om in 2024 eindelijk waarde uit alle beschikbare data te halen. Er wordt nog heel veel niet gedaan met informatie die in ongestructureerde data verscholen ligt. Dat gaat om informatie in dossiers, rapportages, wetteksten, logboeken maar ook om klantgesprekken, audio-opnames, videoregistraties, scans, foto’s… De AI-modellen die in 2023 beschikbaar zijn gekomen bieden al grote mogelijkheden om waarde uit deze bronnen te halen. En de elkaar in razend tempo opvolgende ontwikkelingen op het gebied van Multimodal Models (modellen die tekst, beeld, geluid combineren) en Mixture of Experts models (specialistische modellen, die slim worden gecombineerd) zullen in 2024 nog meer deuren openen.
Overigens zien wij in 2024 Generative AI vooral als een toevoeging, niet een vervanging van traditionelere toepassing van data science en AI. De kracht van deze methoden zorgt ook voor uitdagingen op gebied van controle, validatie en interpretatie die voldoende aandacht verdienen. De voorlopers in de markt en de organisaties die onder speciaal toezicht liggen (denk aan overheidsorganisaties) zullen vanaf het begin gecontroleerd met de inzet van Generative AI technieken aan de slag moeten. Hoe zorgen we dat we deze technieken zo inzetten, dat we in controle zijn over wat eruit komt, hoe dit impact heeft op medewerkers, klanten en de samenleving? Dat we geen auteursrecht breken, we niet onbedoeld discrimineren, we privacy en wetgeving blijven respecteren in de gegevens die we gebruiken en wat we met Generative AI maken en doen aan blijft sluiten bij de organisatiedoelen die we hebben? Na de hype is voor velen nu de fase aangebroken om op verantwoorde wijze waarde te genereren met AI.
2. Self-service en augmented analytics
Self-service analytics is niet bepaald een nieuwe trend, maar toch eentje die (weer) het benoemen waard is. Na een eerdere grote hype die zichzelf weinig waar heeft gemaakt, brengt met name Augmented analytics de Self-service analytics toch weer dichterbij en daarmee onder de aandacht.
Augmented analytics verwijst naar het gebruik van AI en machine learning om het analytische proces te verbeteren en te automatiseren. Het doel is om analytics toegankelijker te maken voor mensen met verschillende niveaus van expertise en om snellere en beter onderbouwde beslissingen mogelijk te maken. Augmented analytics integreert geavanceerde analyses, voorspellende modellering en natuurlijke taalverwerking om inzichten te genereren, aanbevelingen te doen en patronen te identificeren zonder dat gebruikers diepgaande kennis van data-analyse nodig hebben.
Self-service analytics bouwt hierop voort en maakt het voor niet-technische gebruikers mogelijk om zelfstandig analyses uit te voeren en inzichten te verkrijgen. Dit maakt de afhankelijkheid van “slimme data-mensen” een stuk kleiner, waardoor deze zich op de meer complexe vraagstukken kunnen richten. Voor de niet-technische gebruiker zal vooral het “praten” met rapportages middels Natural Language Querying (NLQ) en het automatisch visualiseren en rapporteren van data vooral van grote waarde zijn. Door deze intuïtievere interactie met data zal self-service analytics een nog waardevoller instrument worden voor besluitvorming binnen organisaties.
Succesvol werken met Generative AI en Selfservice/augmented BI
Nieuwe ontwikkelingen succesvol toepassen vraagt om verhoogd bewustzijn en aandacht voor een aantal randvoorwaarden. Scoren met data en data toepassingen begint met een helder doel voor ogen. Een datastrategie voor het gericht ontwikkelen en tot waarde laten komen van deze initiatieven. Zeker omdat AI veel verder gaat dan een inzicht of een voorspelling maar tot ingrijpende veranderingen kan leiden in werkprocessen en de inrichting en bezetting van je organisatie.
Voor het opstellen van een datastrategie werken we vanuit Cmotions met het Target to Data model wat ervoor zorgt dat de relatie tussen data en organisatiedoelen geborgd wordt en de juiste prioriteiten gesteld worden. De datastrategie geeft antwoorden op de vragen:
- Hoe kies je de juiste initiatieven om mee aan de slag te gaan?
- Hoe meet ik het succes van deze initiatieven?
- Wat vraagt het van de organisatie om deze initiatieven succesvol toe te passen
Vanuit het heldere vertrekpunt van een goede datastrategie moet vervolgens de slag worden gemaakt naar implementatie, het laten werken van AI voor jouw organisatie. Daarvoor is aandacht nodig voor het volgende:
- Data governance, security en privacy voor sturing, veiligheid en voldoen aan wet- en regelgeving.
- Data literacy voor het ontwikkelen van kennis en kunde om waarde uit data toepassingen te halen.
- Data gedreven cultuur en ethiek, willen werken op basis van data vanuit kaders van wat je als organisatie wilt doen met data.
Data governance, security en privacy
Ook data governance, security en privacy zijn allemaal bepaald geen “new kids on the block”, maar hun belang is al jarenlang zo evident en groeiend dat wij het toch de moeite waard vonden ook hier weer aandacht aan te besteden. Daarnaast wordt in 2026 regulatie vanuit de Europese Unie actief voor alle lidstaten zoals gepubliceerd in de EU AI Act. Dit lijkt misschien ver weg, maar bij de implementatie van de AVG wetgeving was duidelijk dat op tijd beginnen noodzakelijk is voor een tijdige implementatie. De “heilige” drie-eenheid data governance, security en privacy moet helpen bij het waarborgen van de integriteit, vertrouwelijkheid en ethisch verantwoorde behandeling van data binnen organisaties. In een tijdperk waarin gegevens een waardevol bedrijfsmiddel zijn, is het handhaven van deze principes van het grootste belang voor het succes en de reputatie van organisaties.
De redenen om altijd bezig te zijn met deze drie-eenheid zijn ieder los al van groot belang, maar vormen gezamenlijk de basis van een correcte, veilige en ethische organisatie:
- Bescherming van gevoelige informatie
- Vertrouwen in gegevenskwaliteit
- Naleving van wet- en regelgeving
- Risicobeheersing
Een goed ingerichte data governance organisatie zorgt voor heldere verantwoordelijkheden en processen om te borgen dat er bewaking en sturing zit op de gewenste manier van werken met data.
Data literacy
Data literacy verwijst naar het vermogen van mensen om data effectief te begrijpen, interpreteren en gebruiken. Dit stelt organisaties in staat om beter geïnformeerde beslissingen te nemen op basis van data. Zonder data literacy kom je nooit tot succesvolle self-service analytics. Om data literacy te bevorderen, is het essentieel om medewerkers op te leiden in het interpreteren van data, het begrijpen van grafieken en rapporten, en het kunnen toepassen van data bij het nemen van beslissingen. Dit kan worden bereikt door training, het delen van kennis en het bevorderen van een data gedreven cultuur binnen een organisatie. Heb jij interesse in hoe je jouw medewerkers kan verleiden naar een hoger niveau van data literacy, bekijk dan zeker onze datagame eens, een leuke en vrijblijvende manier om jouw medewerkers te laten ervaren hoe leuk en nuttig data voor hen kan zijn.
Data gedreven cultuur en ethiek
Naast al deze fantastische toepassingen van data en AI kennen we, helaas, ook maar al te goed de overduidelijke nadelen hiervan. We hoeven het woord toeslagencrisis maar te noemen en iedereen zal weten wat er bedoeld wordt. Dit is een duidelijk voorbeeld van te veel uit handen geven aan “automatisering” en te weinig aan de mens. Want uiteindelijk werkt AI op dit moment nog steeds voor en door ons en nog niet met ons. De mens zit aan de knoppen en die is nodig om de menselijke maat in het oog te houden. Om te zorgen dat data en AI op de juiste ethische wijze worden ingezet moet een organisatie aan de slag het ontwikkelen van ethische kader en werken aan de juiste cultuur en bewaking daarvan:
- Hoe zorg ik voor de menselijke maat?
- Wat vindt onze organisatie wel ethisch, maar wat zeker niet?
- Hoe houden we dit in het oog?
- Hoe maken we de kaders duidelijk en toepasbaar voor onze medewerkers?
- Hoe organiseer je de controle hierop?
Door duidelijke kaders en een cultuur waarin data, AI en ethiek even belangrijk zijn kan jij jouw organisatie helpen om een “goede” organisatie te zijn. De medewerkers moeten niet gedwongen worden om zich aan eisen te houden, maar vooral geïnspireerd worden en zelf aan het stuur worden gezet. Uiteindelijk zijn de mensen het ethische kompas van een organisatie. Samen stuur je de boot.
Wat we nog veel zien is dat de wettelijke kaders als vertrekpunt worden genomen, maar dat bepaalt met name dat “wat mag”. Ethische kaders gaan verder, en moeten vooral bepalen wat je als organisatie bepaald “wat we wel of niet willen”.
Worstel jij, net als vele anderen, ook met dit aspect, houd onze website en socials dan in de gaten, want in Q2 zullen wij met een reeks artikelen komen over dit onderwerp.
Kom maar op 2024!
Voor veel bedrijven is 2024 het jaar van doen, we konden al een hele tijd niet echt meer om data heen, maar met de snelle ontwikkelingen op het gebied van AI, is het steeds waardevoller om hier op te ontwikkelen. Daarom wordt de opdracht van 2024 om nog meer met data te doen, en vooral: dat goed organiseren. We hopen jou met dit artikel inspiratie hiervoor te hebben gegeven.
Wil jij gaan starten met data of AI, of ben je hier al lang mee bezig maar ben je klaar voor de volgende stap? Wij helpen jou graag verder! Neem contact op voor een vrijblijvende kop koffie om het hier eens samen over te hebben. We doen niets liever dan over data en AI praten.
