AI naast BI: wat het toevoegt
AI vervangt je dashboards niet, maar opent de bronnen die er niet in pasten. Drie plekken waar het werkt, en drie grenzen die je moet kennen.
Deel 8 van de reeks
AI komt niet in plaats van BI
Dit is het laatste inhoudelijke deel van de reeks, en het onderwerp waarover de meeste onzin wordt verteld. De verwachting die je vaak hoort, is dat AI het dashboard overneemt: je stelt een vraag in gewone taal en krijgt antwoord, dus waarom zou je nog rapportages bouwen?
Zo werkt het niet, en het is nuttig om te weten waarom. Een taalmodel is goed in taal en slecht in rekenen. Een BI-omgeving is precies het omgekeerde. De winst zit in de combinatie, niet in de vervanging.
Wat AI wél toevoegt aan een BI-landschap
Wij bouwen zowel AI-oplossingen als dataplatformen, en zien in de praktijk drie plekken waar het één het ander versterkt.
- Bij de bron: de documenten die niet in je datawarehouse passen. Een BI-omgeving werkt met rijen en kolommen. Contracten, verslagen en beleidsstukken zijn tekst, en die bleven daarom buiten de cijfers. Een taalmodel haalt daar wél iets uit. Bij het LUMC gebruiken we dat om factuurregels de juiste inkoopcategorie te geven, en dat is precies het gat tussen tekst en tabel.
- Bij de uitleg: waarom staat dit getal er zo? Een dashboard laat zien dát iets afwijkt. Wat er in de onderliggende dossiers over die afwijking is geschreven, staat elders. Die twee bij elkaar brengen scheelt de zoektocht die er anders op volgt.
- Bij de vraag: zoeken zonder de juiste zoekterm te kennen. Wie niet weet hoe een rapport heet, vindt het niet. Zoeken op betekenis lost dat op, en dat is dezelfde techniek die we bij de Kamervragen-pilot gebruikten.
De grenzen
Wat AI niet doet
Even zo nuttig als de mogelijkheden: de grenzen. Dit zijn drie dingen die we regelmatig aan tafel moeten rechtzetten, en het is beter dat vooraf te doen dan halverwege.
Grens 1
Optellen
Een taalmodel voorspelt woorden; het rekent niet. Vraag je het om een som over duizend regels, dan komt er een plausibel getal uit dat niet klopt. Rekenen laat je de database doen, en het model mag het antwoord verwoorden.
Grens 2
Je definities bepalen
Wat een 'openstaande aanvraag' is, blijft een afspraak in je organisatie. Geen model dat die keuze voor je maakt, en een model dat het tóch doet, doet het elke keer een beetje anders. Zie ook deel 2 over datagedreven werken.
Grens 3
Slechte data goedmaken
AI bovenop een rommelige datahuishouding levert nettere onzin. De volgorde is onveranderd: eerst de bron op orde, dan de laag erop. Dat is niet het leuke antwoord en het is het juiste.
De cloudvraag die erbij hoort
Zodra je AI aan je BI-landschap toevoegt, verandert er iets aan de vraag waar je data staat. Een dashboard rekent binnen je eigen omgeving; een taalmodel verwerkt je tekst op de plek waar dat model draait.
Wij zijn daarin EU-first: we kunnen de volledige keten Europees leveren, van infrastructuur in Amsterdam tot Europese taalmodellen, en waar het past zelfs met open-sourcemodellen op Nederlandse bodem. Jij kiest. Verwerking buiten de EU gebeurt alleen in afstemming en passend bij de oplossing.
Voor een overheidsorganisatie is dat vaak het punt waarop een verkenning stopt of doorgaat. Stel die vraag dus vroeg, en niet nadat het prototype er staat.
Wat je hieruit meeneemt
- AI vervangt je BI-omgeving niet; het opent de bronnen die er niet in pasten.
- Laat rekenen bij de database en verwoorden bij het model.
- Je definities blijven een afspraak in je organisatie.
- Eerst de datahuishouding, dan de slimme laag erop.
- Zodra er een model bij komt, is de vraag waar je gegevens verwerkt worden een ontwerpvraag.
Verder lezen
De reeks over business intelligence
Acht delen die samen één vraag beantwoorden: hoe krijg je data zo op tafel dat er beslissingen op worden genomen? Ze staan in leesvolgorde, maar je kunt er ook één uit pakken.
Deel 1
Wat is business intelligence?
Wat BI is, waar het je bij helpt en uit welke vier stappen het bestaat.
Deel 2
Datagedreven werken
De cultuurkant: één versie van de waarheid, en waarom dat vooral over afspraken gaat.
Deel 3
Pakket of eigen applicatie?
De eerste keuze is niet welk pakket, maar of het dashboard in een BI-pakket hoort of in de software waar je mensen al werken.
Deel 4
Sturen op KPI's
Hoe je van een doel een meetbare indicator maakt, en waaraan je ziet dat iets géén KPI is.
Deel 5
Een datawarehouse opzetten
Van planning en technologiekeuze tot architectuur, integratie en beveiliging.
Deel 6
Dashboards die gebruikt worden
Van data naar inzicht: hoe je visualiseert zodat iemand er een beslissing op neemt.
Deel 7
Data governance
Het onderschatte deel: afspraken over eigenaarschap, kwaliteit en betrouwbaarheid.
Deel 8
AI naast BI
Wat AI toevoegt aan een BI-landschap, en wat het niet overneemt. Dit deel lees je nu.
Meer weten?
Wil je meer informatie over ML, AI en Cloud over dit onderwerp? Niels gaat er graag met je over in gesprek.
