in General

Verspreiding van Deep-Learning anno 2021

Waar staan we op dit moment met Artificiële Intelligentie en Deep Learning in de praktijk en wat zijn de vooruitzichten op korte en middellange termijn? We bekijken het effect van kunstmatige intelligentie in verschillende sectoren a.d.h.v een McKinsey rapport en lichten uit welk potentieel voorlopig onderbenut blijft.

Wereldwijde impact van AI blijft groeien

De voorspellingen over de economische impact van AI-technieken lopen uiteen, maar de algemene trend is duidelijk. De ramingen van de geplande AI-meerwaarde in de wereldeconomie variëren tussen de 5 en 15 biljoen dollar over de komende vijf jaar. Ter perspectief: dat laatste cijfer is ongeveer gelijk aan het volledige Chinese bbp. Ligt er een toegevoegde waarde met de omvang van het op één na grootste land ter wereld zomaar voor het grijpen? Het antwoord is genuanceerd.

“Prognoses geven aan dat de toegevoegde waarde van AI over vijf jaar even groot zal zijn als het volledige bbp van China.”

Onderbenut potentieel

Het staat als een paal boven water dat we nog maar aan het begin staat van de AI-groeicurve. Er valt dan ook nog veel laaghangend fruit te plukken op operationeel niveau. Studiebureau McKinsey stelde het al vast: minder dan een kwart van de organisaties die zich überhaupt bewust zijn van de mogelijkheden van AI, gebruikt de technologie ook daadwerkelijk op grote schaal in z’n essentiële bedrijfsprocessen. Die voorzichtige uitrol hoeft op zich niet te verwonderen. Betaalbare en makkelijk te implementeren AI-toepassingen zijn nog niet zo lang geleden op de radar van de meeste bedrijven verschenen en koudwatervrees is niemand vreemd. Zoals zo vaak met implementatie van nieuwe technologie gaat het in wezen over het benutten van de beschikbare technieken op een manier die bedrijven concrete meerwaarde biedt.

Verspreiding van Deep Learning-algoritmes

Even terug naar de cijfers. Daarvoor baseren we ons op een rapport van McKinsey dat meer dan 400 gebruiksscenario’s van AI-software over 19 verschillende sectoren heen oplijst en toelicht.
De consultants van McKinsey gebruiken een schematisch sectoroverzicht dat de verschillende Deep Learning-technieken afzet tegenover hun potentiële toepassing in verschillende markten.
(Voor een gedetailleerd overzicht over de plek van Deep Learning in het bredere AI-spectrum, zie onze blog over de relaties tussen AI, Machine Learning en Deep Learning).
Het diagram ziet er als volgt uit:

Wat vooral opvalt, is de verspreiding van de beschikbare Deep Learning-analysemethodes. Wie Trendskout op de voet volgt, weet dat de essentie van ons platform is gebouwd op de toepassing van het geknipte algoritme voor een bepaald bedrijfsscenario. Voor elke toepassing en probleemoplossing bestaan er namelijk verschillende algoritmes – onafhankelijk van de sector of industrie waarin de AI wordt ingezet. De kunst bestaat dan ook uit de initiële keuze en vervolgens de optimalisatie van de analysemethode in kwestie.

Correlatie tussen sectoren en concrete algoritmes staat dus niet automatisch gelijk aan causaliteit. De hoge toepassingsgraad van verschillende Deep Learning-algoritmes in de automobielsector in de grafiek hierboven betekent niet per se dat die sector meer baat heeft bij AI dan andere; het is vooral een indicator van de AI-maturiteit van die sector. Hoe meer verschillende toepassingen organisaties kunnen bedenken, hoe diverser de aangereikte technische algoritmes zullen zijn. De keuze voor een bepaald algoritme vertelt evenmin het volledige verhaal: datatransformatie en hypertuning achteraf zijn minstens zo belangrijk, beide een cruciaal onderdeel van het Trendskout-platform.

Toepassingsgebied uitbreiden

Naarmate de adoptiegraad van AI toeneemt in verschillende business units en doorheen sectoren, zal het aantal toepassingsgebieden blijven stijgen. Zowel op gebied van kostenreductie als groei van omzet en marktaandeel liggen de businesscases op dit moment voor het oprapen. Technische haalbaarheid is daarbij een belangrijke factor. Ook de aanvaarding van AI-algoritmes voor waardecreatie is cruciaal om stappen te zetten. In sectoren met sterke first movers en innovatiedrang, zoals telecom en high tech, heeft AI zich al volop doorgezet. In meer traditionele sectoren, duurt het vaak iets langer voor de kracht van Deep Learning voet aan de grond krijgt. Door innovatieve spelers in deze traditionelere sectoren, zal de groei zich daar volop doorzetten.

Hoe halen organisaties meerwaarde uit AI en Machine Learning?

Ontvang toegang tot ons Resource Center met interessante business cases gratis in je mailbox.
 in Solutions

7 tips bij het kiezen van de juiste AI software

Elk AI of Machine Learning project is uniek: uiteenlopende datasets met verschillende variabelen, integraties in of met bestaande soft- of hardware en steeds andere verwachtingen en na te streven doelen. De beslissing over hoe een business case in de praktijk technisch zal worden opgezet is een belangrijke factor in het uiteindelijke succes ervan. In dit...

mensen figuur