Van alle technologische ontwikkelingen van dit moment is kunstmatige intelligentie het meest ingrijpend en het minst begrepen. We zien indrukwekkende nieuwe toepassingen, maar kunnen de impact op mensen, organisaties en maatschappij nog nauwelijks overzien. In deze serie blogs, Perspectieven op Kunstmatige Intelligentie, onderzoeken we niet alleen de mogelijkheden, maar ook de bedoelde en onbedoelde consequenties.
Deel 5 van de serie ‘Perspectieven op Kunstmatige Intelligentie’.
AI: Er is geen ontkomen aan
In eerdere blogs in deze serie hebben we onder andere de impact van kunstmatige of artificiële intelligentie (AI) besproken op de afdelingen klantenservice en Human Resource Management. Dit blog laat zien dat alle bedrijfsonderdelen de impact van AI ervaren. Wie een strategisch plan maakt voor de komende 3 tot 5 jaar kan niet meer om AI heen.
Vraagvoorspelling
Wat als je een betere projectie had van de vraag naar je producten? Je zou minder weggooien, minder voorraad aanhouden en geen nee-verkopen hebben. In sectoren met hoge omloopsnelheden en lage marges, zoals retail, maakt dit een groot verschil voor de winstgevendheid van de onderneming. De omzet gaat omhoog en de kosten van productie, opslag en logistiek nemen af.
Dankzij AI en big data worden de algoritmes voor het voorspellen van de vraag steeds complexer en geavanceerder. Naast de historische gegevens over de vraagontwikkeling, kunnen ook lokale weersverwachtingen, veranderingen in reacties van klanten op sociale media, prijswijzigingen van concurrenten en recente media-aandacht worden meegenomen. Niet alleen de nauwkeurigheid, maar ook de frequentie neemt toe. Vraagvoorspelling kan doorlopend worden geüpdatet, waarbij real-time niet ondenkbaar meer is.
Markt- en productontwikkeling
Vraagvoorspelling is ook mogelijk voor nieuwe producten en nieuwe markten. Als je de vraag naar je bestaande producten goed begrijpt en weet op welke attributen consumenten reageren, kun je ook voorspellen wat nieuwe productvarianten zullen opbrengen. Dit bespaart kosten van markttesten en reduceert de time-to-market.
Hetzelfde geldt voor het effect van het uitbreiden van je distributienetwerk. Je kunt goed inschatten hoe succesvol de verkoop in een nieuwe regio of nieuw land zal zijn. Voorwaarde is wel dat er voldoende data beschikbaar zijn. Bij nieuwe producten, waarnaar de vraag nog moet worden gecreëerd, lukt dit uiteraard niet. Algoritmes zijn slechts zo goed als de data waar zij over kunnen beschikken.
Productie en logistiek
Robots worden dankzij AI steeds slimmer en op meer terreinen inzetbaar. De eerste robots in fabrieken waren relatief dom: zij stonden op een vaste plaats en voerden steeds precies dezelfde handeling uit. Moderne robots zijn uitgerust met sensoren en bewegen zelfstandig door de ruimte. De technologie voor het herkennen van objecten (en gezichten) is zo goed geworden dat robots waarnemen wat er om hen heen gebeurt. Zij botsen nergens tegenaan.
Onderstaande video laat het magazijn van Alibaba in China zien. Dat van Amazon in de Verenigde Staten ziet er vrijwel hetzelfde uit.
De aansturing van deze robots is afhankelijk van AI. De afstemming van de activiteiten van de robots onderling en het aanpassen van routes in geval van een storing is volledig computergestuurd.
Er komen ook robots die het juiste product uit een schap kunnen halen. Deze worden geprogrammeerd door de handeling een keer voor te doen. Een robot instructeur (nieuw beroep) pakt de robotarm en maakt daarmee de juiste bewegingen. Dankzij machine learning is de robot in staat de handeling niet alleen te herhalen, maar ook te verbeteren.
In een productieomgeving kunnen AI en robots processen versnellen, kosten verlagen en output verhogen. Door de nauwkeurigheid van de machines neemt het aantal fouten af en de kwaliteit toe. Uitval van machines wordt beperkt door sensoren die aangeven wanneer preventief onderhoud moet plaatsvinden.
Marketing en verkoop
Dynamische prijsbepaling kennen we al langer van vliegtickets en hotelkamers en wordt voor steeds meer productcategorieën toegepast. Algoritmes stellen de prijs vast op basis van een inschatting van wat de consument bereid is te betalen. Veel factoren spelen hierbij een rol, zoals de dag van de week, het seizoen en het weer. Prijzen kunnen verschillen per verkoopkanaal (online, offline) en zelfs gedurende de dag worden aangepast, bijvoorbeeld in reactie op prijswijzigingen bij concurrenten. Algoritmes kunnen ook rekening houden met de locatie waarop je je bevindt, het merk en type van het apparaat waar je mee werkt en je historisch koopgedrag. Zo kan het gebeuren dat niet iedere consument dezelfde prijs betaalt.
Reclames worden dankzij AI steeds persoonlijker. Niet iedereen krijgt online dezelfde banners te zien en niet iedereen ontvangt van winkelbedrijven dezelfde aanbiedingen. Albert Heijn weet dankzij de bonuskaart precies wat je normaal gesproken koopt en stemt persoonlijke aanbiedingen daarop af. Een klant die een voorkeur heeft voor A-merken, krijgt geen aanbiedingen voor huismerken. En wie geen luiers koopt, is ook niet geïnteresseerd in babyvoeding. De data maken duidelijk welke consument je met welke boodschap op welk moment kunt overtuigen om iets te kopen en tegen welke prijs.
Ook Burberry gebruikt AI om de verkoop te bevorderen, zowel online als in de winkel. Via hun loyalty programma’s verzamelen zij zo veel mogelijk gegevens over hun klanten op basis waarvan suggesties voor vervolgaankopen worden gedaan. Medewerkers in de winkel zien op een tablet voor welk product zij de klant waarschijnlijk enthousiast kunnen maken.
Nieuwe klantervaringen
Goede voorbeelden van nieuwe klantervaringen dankzij AI komen vaak van startups. Uber heeft alle pijnpunten van het traditionele taxivervoer, zoals onzekerheid bij de klant over de aanrijtijd, de ritprijs en de kwaliteit van de chauffeur weten weg te nemen. Maaltijdbezorgdiensten zoals TakeAway.com, Foodora en Deliveroo maken gebruik van AI voor het plannen van hun routes. En Trivago zoekt op een paar honderd websites naar de laagste prijs van een hotelkamer.
Aan de slag met AI
AI raakt alle bedrijfsonderdelen en kan een groot verschil maken voor de positionering en winstgevendheid van een onderneming. Voor organisaties in alle sectoren, zowel profit als non-profit, is er alle reden om actief met kunstmatige intelligentie aan de slag te gaan.
Een goed begin is om strategische opties te ontwikkelen. Welke mogelijkheden biedt AI voor het verbeteren van je bestaande producten en processen? Wat kun je doen om je omzet te vergroten en klanten aan je te binden? Welke nieuwe diensten kun je ontwikkelen voor nieuwe markten?
Voor het systematisch inventariseren van de trends, het ontwikkelen van scenario’s en het opstellen van een strategische roadmap zijn diverse methoden beschikbaar. Een business case maken is een logisch vervolg, maar als je echt iets nieuws doet en cijfers weinig houvast bieden, kun je net zo goed meteen beginnen met experimenteren.
Door: Willem Peter de Ridder
Willem Peter de Ridder is directeur van Futures Studies. Als futuroloog is hij een veelgevraagd spreker, auteur, strategie consultant en transformatiemanager. Futures Studies ondersteunt organisaties bij het verkennen van de toekomst, het formuleren van een toekomstbestendige strategie en het managen van disruptie. Voor meer informatie: www.futuresstudies.nl.
Eerder verschenen in deze serie:
