Hoe slim zijn die slimme machines eigenlijk?

Er worden in hoog tempo geavanceerde cognitieve technologieën ontwikkeld die mensenwerk kunnen vervangen. Om te bepalen waar en hoe je ze kunt toepassen in je organisatie, heb je grondig inzicht nodig in wat je er wel en niet mee kunt.

Als je afgaat op de media-aandacht voor robots de laatste tijd, lijkt het wel of iedereen zich plotseling realiseert dat die smart machines nog wel eens een bedreiging kunnen gaan vormen. Worden we straks vervangen door zelfstandig functionerende apparaten? Ook in de economie- en businessliteratuur is het een hot issue: groeit de werkloosheid doordat software steeds beter autonoom – lees: geheel ‘mensvrij’ – beslissingen kan nemen? Volgens sommige onderzoeken krijgen ook managers, medici en andere hooggeschoolde professionals te maken met smart machines. Organisaties zelf lijken het hoofd intussen koel te houden. Professor Thomas Davenport (Babson College) en onderzoeker Julia Kirby schreven Only Humans Need Apply: Winners and Losers in the Age of Smart Machines (2016). De vele managers waarmee zij in het kader van hun onderzoek spraken, verwachten dat ‘cognitieve technologieën’ het werk van mensen vooral gaan verrijken – niet vervangen (voorlopig nog niet althans). Hamvraag, gelet op de snelle ontwikkelingen op dit gebied: welke vormen neemt die verrijking dan aan? Dus: welke cognitieve technologieën moet je op dit moment al invoeren, en welke moet je goed in de gaten houden of helpen ontwikkelen? Voor het antwoord is inzicht nodig in de mogelijkheden en onmogelijkheden van deze technologieën. Daartoe hebben Davenport en Kirby een eenvoudig raamwerk ontwikkeld, langs twee dimensies. De eerste dimensie is het intelligentieniveau van slimme machines, ofwel hoe autonoom ze hun intelligentie kunnen toepassen (van simpel reageren op menselijke instructies tot over zelfbewustzijn beschikken en eigen doelstellingen formuleren). De tweede dimensie is het soort taken dat ze kunnen uitvoeren (van conventionele numerieke analyse tot digitale en fysieke werkzaamheden in de echte wereld). Al naar gelang het type taak dat een manager productiever of effectiever uitgevoerd wil hebben, laat het raamwerk zien in welke mate die taak door welke soorten slimme machines geautomatiseerd zou kunnen worden verricht.

Intelligentieniveaus

Slimme machines worden duidelijk intelligenter. De trend gaat richting steeds zelfstandigere besluitvorming, ofwel van machines die een sterk gestructureerde data- en beslissingscontext nodig hebben naar machines die complexere contexten kunnen ontcijferen. Er zijn grosso modo vier niveaus van intelligentie en daarmee samenhangende toepassingen:

• Ondersteuning bieden aan mensen. De toonaangevende visie van de afgelopen decennia is nog steeds actueel: de meeste mensen gaan ervan uit dat de machine louter een aanbeveling doet voor een bepaalde handelwijze of beslissing, maar dat een mens van vlees en bloed uiteindelijk de knoop doorhakt.
• Automatisering van repetitieve taken. Het is een kleine stap van machines die mensen ondersteunen naar machines die beslissingen nemen, in het bijzonder in gestructureerde contexten. Geautomatiseerde besluitvorming heeft steeds meer voet aan de grond gekregen op gebieden als acceptatie van verzekeringen en financiële handel. Deze besluitvorming is meestal gebaseerd op een vaste set regels of algoritmen, waarbij mensen de systeemperformance monitoren en de algoritmen fijnslijpen.
• Contextbewustzijn en leren Geavanceerde cognitieve technologieën beschikken tegenwoordig over een zekere mate van realtime contextueel bewustzijn. Door de continue stroom van data, in grote hoeveelheden, hebben we technologieën nodig die ons helpen om in realtime wijs te worden uit de brei – door anomalieën op te sporen, patronen te ontdekken of te voorzien wat er gaat gebeuren. Denk bijvoorbeeld aan een routeplanner die aangeeft wat op dat moment de beste route is op basis van onder andere de voorkeuren van de bestuurder. Deze technologieën zijn bovendien zelflerend – op basis van onder meer continue analyse van realtime data, en feedback van gebruikers – waardoor ze steeds beter presteren.
• Zelfbewustzijn. Machines die zelfbewustzijn hebben en zelfstandig doelstellingen kunnen bepalen, bestaan op dit moment nog niet. Zelfs de meest optimistische experts denken dat dit minstens nog 30 à 40 jaar gaat duren.

Vier soorten cognitieve taken voor slimme machines

Slimme machines kunnen vier soorten taken verrichten, van eenvoudige verwerking van cijfers tot fysieke taken in de echte wereld:

1. Cijfers analyseren Dit is de basis van alle cognitieve technologieën (bijna vergeten, maar ‘to compute’ betekent gewoon ‘rekenen’ en een computer is dus van huis uit een rekenmachine).
2. Woorden en beelden analyseren. Dit is een essentieel kenmerk van menselijke cognitie, maar machines worden er steeds beter in – denk aan machineleren, computerlinguïstiek (natuurlijke-taalverwerking), neurale netwerken en deep learning. Een eenvoudige smartphone kan tegenwoordig menselijke spraak begrijpen en beelden herkennen. En er zijn al systemen die veel verder gaan. Zo is er software die communicatie tussen werknemers bij banken analyseert om de kans op fraude in te schatten. En: software die op basis van gesprekken interpreteert wat klanten willen en dat zo mogelijk voor ze doet.
3. Digitale taken verrichten Hierbij gaat het om administratieve taken en beslissingen, zoals acceptatie van verzekeringspolissen en hogesnelheidshandel. De recentste ontwikkeling is robotic process automation, waarbij data uit meerdere informatiesystemen worden gebruikt op de manier waarop mensen dat normaliter doen. Voorbeelden zijn back-office klantenservicetaken (zoals het vervangen van een kwijtgeraakte betaalkaart), het verwerken van verzekeringsclaims en -uitbetalingen, het monitoren van systeemfoutmeldingen en oplossen van eenvoudige problemen in IT-systemen, en het verwerken van facturen en afhandelen van routinematige verzoeken van klanten en leveranciers. De kostenbesparingen kunnen aanzienlijk zijn. Kijk maar naar Telefónica O2, het op een na grootste mobiele-telefoniebedrijf van het Verenigd Koninkrijk. Het concern meldde dat zijn investeringen in ‘softwarerobots’ (voor automatisering van meer dan 160 procesgebieden) in drie jaar tijd een ROI opleverden van 650 tot 800 procent.
4. Fysieke taken verrichten Dit is het werkgebied van robots. In 2014 installeerden bedrijven wereldwijd zo’n 225.000 industriële robots. De autonomie van deze apparaten loopt sterk uiteen. Drones bijvoorbeeld, en ‘robotische’ chirurgische instrumenten, moeten door mensen worden bediend. Andere apparaten kunnen zodanig worden geprogrammeerd dat ze minstens semizelfstandig werken, al kunnen ze vooralsnog meestal slechts in beperkte mate reageren op onverwachte omstandigheden.

Naar een cognitieve architectuur

Dat de hardware en de software non-stop beter worden, betekent niet dat je moet wachten op de volgende generatie mogelijkheden. Managers moeten nu cognitieve technologieën op de werkplek introduceren, zeggen Davenport en Kirby, en uitzoeken hoe ze het werk van mensen kunnen verrijken en versterken. Te voorzien valt dat organisaties een ‘cognitieve architectuur’ gaan opbouwen, die meerdere applicaties ondersteunt en die in interactie met hun reguliere IT-architectuur gaat opereren (maar daar wel los van blijft staan). Zo’n cognitieve architectuur moet de volgende kenmerken hebben:

• Het vermogen om alle mogelijke soorten data te verwerken en combineren. Tekst, cijfers, beelden, spraak, genomische data enzovoort.
• Het vermogen om te leren. Dit is de essentie van cognitieve technologieën. De meeste bestaande systemen leren niet en verbeteren zichzelf niet.
• Transparantie. Mensen zullen altijd willen weten hoe een cognitieve technologie tot een bepaalde beslissing of aanbeveling is gekomen. Als we niet in de zwarte doos kunnen kijken, vertrouwen we het niet.
• Uiteenlopende beheersrollen voor mensen. Er moeten meerdere manieren zijn om de controle te houden over slimme machines.
• Flexibele updating en modificatie. Modificeren en updaten is momenteel meestal een taak van experts. Toekomstige systemen moeten flexibeler worden en moeten gebruikers de optie bieden om het zelf te doen.
• Robuuste rapportagecapaciteiten. Cognitieve systemen moeten accountable zijn tegenover de mensen in (en buiten) de organisatie. Je moet op inzichtelijke wijze verslag kunnen doen van wat je hebt gedaan, en waarom en hoe.
• State-of-the-art ‘IT-hygiëne’. Denk aan een gemakkelijke gebruikersinterface, de allernieuwste databeveiliging, en meerdere gebruikers tegelijkertijd aankunnen.

Gaan slimme machines ons vervangen? In elk geval niet in de nabije toekomst. Mensen hebben meerwaarde ten opzichte van zelfs de allerslimste machines. Ze zijn er beter in om ongestructureerde data te interpreteren – bijvoorbeeld in de betekenis van een gedicht achterhalen, of op basis van een foto beoordelen of een woonbuurt goed of slecht is. Ze hebben de cognitieve ‘breedte’ om veel dingen tegelijkertijd correct uit te voeren. De menselijke oordeelskracht en flexibiliteit blijven voorlopig de basis van het vermogen om te innoveren, klanten enthousiast te maken en te concurreren.

Wat de huidige cognitieve systemen kunnen (en wat niet)

SOORT TAAK	ONDERSTEUNING VOOR MENSEN	AUTOMATISERING VAN REPETITIEVE TAKEN	CONTEXTBEWUSTZIJN EN LEREN	ZELFBEWUSTZIJN
Cijfers analyseren	Business-intelligence, datavisualisatie, hypothesegestuurde analyse	Operationele analyse, scoring, modelmanagement	Machineleren, neurale netwerken	Nog niet
Woorden en beelden analyseren	Teken- en spraakherkenning	Beeldherkenning, machine vision (‘machinegezichtsvermogen’)	IBM Watson, natuurlijke-taalverwerking	Nog niet	DE GROTE SAMENSMELTING
Digitale taken verrichten	Bedrijfsprocesmanagement	Rules-engines, robotic process automation	Nog niet	Nog niet
Fysieke taken verrichten	Bediening op afstand van apparatuur	Industriële robotics, collaborative robotics	Autonome robots, voertuigen	Nog niet

Bron: MIT Sloan Management Review, voorjaar 2016 Door: Ed Kerkman

Boekentips:

• Samen slimmer
• Metamorfose
• De ontdekking van de toekomst