Actueel / Data
Drie inspirerende voorbeelden van transformationeel datagebruik
In deze blog nemen we je mee in de mogelijkheden die technologieën zoals Artificial Intelligence (AI), Data as a Service (DaaS) en Prescriptive Analysis kunnen bieden voor jouw organisatie. Hoewel deze termen misschien als toekomstmuziek klinken, willen we laten zien dat de implementatie van dergelijke tools wellicht dichterbij is dan je denkt.
De stap naar transformationeel datagebruik is het meest logisch als er een basis is gelegd met datagedreven werken. Lees ook onze eerdere blogs over de stap naar beginnend, opportunistisch, systematisch en onderscheidend om te leren hoe je het gebruik van data in jouw organisatie naar een hoger niveau brengt.
Aan de slag met (generative) AI
Zelfs als je organisatie zich momenteel nog in de onbewuste- of beginnersfase van datavolwassenheid bevindt, is de kans groot dat je, bewust of onbewust, al gebruikmaakt van technologieën zoals AI. Een goed voorbeeld hiervan is ChatGPT, gelanceerd eind november 2022. Dit AI-computermodel is specifiek getraind om te reageren op geschreven input van gebruikers. Sinds de lancering wordt ChatGPT niet alleen gebruikt door consumenten, maar ook in het bedrijfsleven.
Het kan administratieve taken automatiseren, zoals het samenvatten van documenten en het opstellen van interne memo’s. Ook kan het assisteren bij het genereren van computercodes voor het automatisch versturen van e-mails. Een studie van het Massachusetts Institute of Technology (MIT) laat zien dat het gebruik van ChatGPT bij sommige taken kan leiden tot verhoogde productiviteit en kwaliteit binnen organisaties.
Inzet AI bij LUMC
Naast ChatGPT zijn er nog vele andere toepassingen van AI mogelijk. Zo maakt bijvoorbeeld het Leids Universitair Medisch Centrum (LUMC) gebruik van AI om haar dienstverlening te verbeteren. Door het analyseren van een speciaal ontwikkelde vragenlijst met open vragen, classificeert AI automatisch de antwoorden als ‘positief’, ‘neutraal’ of ‘negatief’ en categoriseert deze vervolgens onder thema’s zoals ‘samenwerking’ of ‘informatie’. Deze geanalyseerde resultaten worden weergegeven in een dashboard, waardoor artsen en zorgmanagers een overzicht krijgen van het aantal reacties per categorie en snel inzicht hebben in welke onderwerpen vaak als positief of negatief worden benoemd. Met behulp van deze analyse zien zorgprofessionals gemakkelijker wat er al goed gaat en wat er verbeterd kan worden aan de kwaliteit van de gegeven zorg.
Wetgeving omtrent gebruik
Kortom, mogelijkheden te over voor de inzet van (generative) AI. Uiteraard heeft de inzet ook een keerzijde die wordt onderstreept door de vele (Europese) wetgeving die in de maak is op dit gebied. Overheden erkennen de mogelijkheden van AI maar zetten vooral in op het verantwoord gebruik ervan en willen sturen op meer inzicht in de nauwkeurigheid, betrouwbaarheid en prestaties van AI. Het advies is dan ook vooral om klein te beginnen, experimenteer met de inzet van AI waarbij de uitkomsten verifieerbaar zijn en leg dit vast. Bouw daarna steeds verder maar blijf evalueren.
Data as a Service
Naast AI zijn er ook andere waardevolle toepassingen die oplossingen kunnen bieden voor jouw organisatie, zoals DaaS en Prescriptive Analysis. DaaS streeft ernaar data overal en altijd beschikbaar te maken, waardoor organisaties de flexibiliteit krijgen om snel en efficiënt toegang te krijgen tot cruciale informatie, waar ze zich dan ook bevinden.
Met een organisatie die zich al weet te onderscheiden met het optimaliseren van intern datagebruik is een verdere verkenning op het gebied van dataverrijking een volgende stap. Toonaangevende bedrijven met hoge datavolwassenheid hebben niet meer alleen interesse om aanvullende data te kopen (Data as a Product), maar abonneren zich op het realtime beschikbaar hebben van (externe) datasets. Er zijn steeds meer bedrijven die deze gegevenssets aanbieden middels API’s waardoor je aanvullende intelligentie aan je inzichten kan toevoegen. Bedrijven herkennen hiermee ook de waarde van de eigen (interne) data die op haar beurt ook weer aangeboden kan worden bij anderen (tegen een vergoeding).
Ook hier wordt de waarde van zulke gegevenssets door (Europese) overheden erkend door het introduceren van de High Value Dataset Act die het overheden verplicht om de door hen vergaarde waardevolle gegevenssets (zoals gezondheidsstatistieken, meteorologische gegevens en registers) aan te bieden voor (her)gebruik.
Een voorbeeld van DaaS is aanvullende (realtime) verkeersinformatie binnenhalen om zo de distributieroute te optimaliseren of bij te sturen.
Voorspellende analyses
Predictive or Prescriptive Analysis gebruikt historische, huidige en toekomstige (geschatte) gegevens om de meest effectieve strategie te bepalen om van punt A naar punt B te komen. Onze collega’s Wouter Roorda en Arthur van Dam hebben onlangs Prescriptive Analysis toegepast door gebruik te maken van voorspellende gegevens uit het WMO-voorspelmodel en historische zorggegevens in een analyse van het toekomstige gebruik van de Wet Maatschappelijke Ondersteuning (WMO). Deze wet heeft als doel burgers zo lang mogelijk te ondersteunen bij zelfredzaamheid en thuiswonen. Door de vergrijzing staan de voorzieningen binnen de WMO onder druk. Het was echter onduidelijk met hoeveel procent het aantal gebruikers van de WMO en de bijbehorende kosten zouden toenemen.
Door gebruik te maken van voorspellende gegevens uit het WMO-voorspelmodel en historische zorggegevens hebben Wouter en Arthur het toekomstige gebruik van de WMO en de daarmee gepaard gaande kosten doorgerekend voor verschillende zorgkantoorregio’s. Dit heeft inzicht verschaft in wat er nodig is om de WMO toegankelijk en robuust te houden.
Uitdagingen en risico’s (Wondermiddel of hulpmiddel?)
Hoewel de genoemde toepassingen veel mogelijkheden bieden voor organisaties, brengen ze ook nieuwe uitdagingen en risico’s met zich mee. In het voorjaar van 2023 lekte bijvoorbeeld personeel van Samsung per ongeluk bedrijfsgevoelige informatie via ChatGPT, wat leidde tot het tijdelijk verbod op het gebruik van alle generative AI-tools, zoals ChatGPT. Daarnaast kunnen biases in AI-modellen optreden als gevolg van onjuiste training van het algoritme en/of sociale biases in de gebruikte data. Eind 2023 sloot de EU een voorlopig akkoord om enkele risico’s van AI te proberen in te perken. Een lijst met deze risico’s vind je hier.
Meer weten?
Morgens helpt organisaties in hun verandering naar meer datagedreven werken. Onze sleutel tot succes is onze combinatie van verandermanagement en expertise op het gebied van data-analyse en datamanagement. Wil je meer weten of hierover doorpraten? Neem dan contact op met Lianka Bruijnen of Guido de Jongh.