Artificial Intelligence: wat kun je ermee als marketeer?

Een verslag van de PIM-themasessie over AI

Artificial Intelligence: wat kun je ermee als marketeer?

Artificial Intelligence (AI) is niet meer weg te denken in ons dagelijks leven. Netflix, Spotify, Amazon, maar ook Google worden vaak genoemd als het over AI gaat. Maar wat is AI nou echt? Wat kunnen we er als marketeer mee? En zijn er naast de grote mogelijkheden van AI ook gevaren of ethische dilemma’s waar we als maatschappij mee om moeten gaan? 

Het Platform Innovatie in Marketing (PIM) organiseerde op een zonnige avond in mei een evenement over AI bij MakerStreet in Amsterdam. Sprekers van RapidPricer, de Belastingdienst en MakerStreet zorgden voor een leerzame en inspirerende avond over AI.

AI en 'neural networks' uitgelegd

AI stond in de presentaties van alle drie de sprekers centraal. Maar wat is AI nu eigenlijk? In dit Marketingfacts artikel uit 2016 staat de kern duidelijk uitgelegd:

Artificial Intelligence heeft de afgelopen jaren een enorme progressie doorgemaakt dankzij een techniek die 'neural networks' wordt genoemd. Neural networks bootsen de manier na waarop onze hersenen werken. Een neuraal netwerk bestaat uit een grote hoeveelheid aan elkaar geschakelde cellen, 'nodes' geheten. Deze nodes staan met elkaar in verbinding en geven informatie aan elkaar door op eenzelfde manier als zenuwcellen dat doen.

Wanneer je een neuraal netwerk bijvoorbeeld maar genoeg foto's van honden laat analyseren, zal het veel voorkomende patronen gaan herkennen, zoals vormen, contouren, verhoudingen en lijnen. Uiteindelijk kan het systeem zelfstandig honden herkennen en vervolgens daarop foto's selecteren. In principe is een neural network een systeem dat patronen uit grote hoeveelheden data herkent, daarvan leert en het geleerde ook kan toepassen. Hoe meer data je invoert, hoe beter het systeem wordt.

AI ontrafeld: buzzword wordt marketingvraagstuk

Joris van Heukelom, partner van MakerStreet, mocht als eerste spreker aftrappen en gaf een boeiende, maar ook kritische, introductie over het onderwerp AI. Van Heukelom verbaast zich dat er relatief weinig marketeers bezig zijn met het onderwerp AI en dat er nog steeds weinig gebruik wordt gemaakt van AI binnen productontwikkeling. AI levert immers veel voordelen op als we het hebben over marketing. Maar waarom is nu dan het moment aangebroken dat AI zo actueel is? Dat heeft te maken met een aantal factoren:

  • Door gedigitaliseerde data hebben we gewoonweg veel meer data tot onze beschikking.
  • De rekenkracht van onze systemen groeit exponentieel, evenals de opslagruimte van onze data. We zijn dus beter in staat om rekenwerk te doen op steeds groter wordende datasets.
  • Door machine learning zijn we in staat om onze systemen niet alleen databronnen te laten combineren, maar ook de patronen te laten herkennen (zoals eerder uitgelegd). Dat stelt ons (en de 'computer' zelf) in staat om scherpe voorspellingen te doen op basis van zelflerende algoritmes.

Zelflerende algoritmes, met een beetje menselijke hulp

Volgens van Heukelom bestaat er nog steeds een misverstand over deze zelflerende algoritmes. De zelflerende algoritmes hebben nog altijd menselijke hulp nodig, om input te krijgen wat een variabele nou daadwerkelijk is. Het voorbeeld dat van Heukelom hierbij aanhaalt gaat over de struisvogel. Als we een zelflerend algoritme meegeven dat bepaalde afbeeldingen een struisvogel bevatten, dan zorgt AI er uiteindelijk voor dat het systeem een struisvogel gaat herkennen op een afbeelding. Uiteindelijk is het systeem dan in staat om zelf uit alle data 'een struisvogel te voorspellen'. Maar zonder het geven van die input kan het systeem niet weten dat het om een struisvogel gaat.

Het 'black box'-dilemma

Zoals je in de afbeelding ziet kan een zelflerend algoritme op basis van veel verschillende databronnen en vele hoeveelheden data uiteindelijk zelf een bepaalde uitkomst voorspellen. Dat kan het algoritme nu al veel beter dan een mens dat kan. De uiteindelijke voorspelling is dan ook niet altijd terug te redeneren voor de mens. Deze 'black box' zorgt ook voor moeilijkheden, want emotie en ethiek is niet iets wat we een algoritme mee kunnen geven. Als we een systeem bijvoorbeeld voeden (trainen) met 'racistische data', dan is de uiteindelijke uitkomst of voorspelling naar alle waarschijnlijkheid ook racistisch. Iets wat al eens onderzocht is in de VS in 2017. Volgens van Heukelom moeten we zorgvuldig omgaan met het invoeren van de data en het beoordelen wat er na de algoritmes uitkomt.

Van Heukelom geeft ook nog een aantal andere toepassingen van AI:

  • De zelfrijdende auto (Waymo), die op basis van (radar, sensor, gps) data beslissingen maakt met betrekking tot doorrijden en stoppen. De zelfrijdende auto heeft bijvoorbeeld door middel van machine learning zelf geleerd om sneeuw te onderscheiden in z’n sensoren en daarmee om te leren gaan (voorheen zag de sensor sneeuw als een obstakel).
  • Google Duplex, de Google Assistent, die AI gebruikt om taken namens jou op te pakken. Het voorbeeld was in dit geval een restaurant reservering met een computergestuurde stem die erg lijkt op de stem van de persoon waar de reservering voor is (luister hier naar een Google I/O voorbeeld, in dit geval van een afspraak bij een kapper). 
  • China en het Big Brother-systeem: in China wordt een soort social credit score berekent. Als je je als burger misdraagt (door rood rijden of te hard rijden), dan heeft dit invloed op je social credit score. Een hoge score geeft je voordelen, zoals korting op je energierekening. China verzamelt hiervoor allerlei (digitale) data die het combineert met camera’s en gezichtsherkenning op straat.

De AI-keerzijde: vragen die we ons zelf moeten stellen

Van Heukelom sluit af met een aantal discussiepunten, die later in de avond ook nog aan bod komen. De meest interessante vragen die hierin naar voren kwamen:

  • Wie beoordeelt en bepaalt de input qua data? Wat stoppen we in de algoritmes? En maken we daar afspraken over?
  • Waar en hoe expliciet zetten we dit in (sales, belastingen, banken, politie, et cetera)? En is er regulering nodig? Zijn er regels nodig die ervoor zorgen dat overheden en bedrijven niet over de grens gaan, qua ethiek en misschien ook privacy?
  • Wat doet dit met de de reeds rammelende cybersecurity? Veel databases en systemen zijn al zo lek als een mandje. Hoe beveiligen we dit?
  • Wat doet dit met het ideaalbeeld van de opleiding van kinderen? Is het wel nodig om programmeren hoog op het curriculum te zetten? Kunnen we niet beter kinderen opleiden in creatieve beroepen of kunst? Aangezien het algoritme dat gedeelte niet onder de knie kan krijgen.  

Allemaal vragen waar we tijdens de avond niet direct een antwoord op kregen, maar wat wel stof tot nadenken was (en is). 

Nieuwsgierig naar de presentatie van Joris van Heukelom? De slides vind je hier.

Analytics en AI bij de Belastingdienst

In de volgende sessie stond Hans Timmermans, Directeur Data Fundamenten & Analytics van de Belastingdienst, op het podium. Na een korte introductie en een aantal clichés over de Belastingdienst (dat hoort er toch bij) vertelde hij een boeiend verhaal over digitale transformatie. Timmermans gaf aan dat er vanaf 2015 een Centrum voor Data & Analytics bestaat binnen de Belastingdienst, nu 160 medewerkers sterk. Waar voorheen vooral gekeken werd naar het verleden, worden data en AI nu gebruikt om actie te ondernemen op voorspellende wijze. Het Analytics Maturity Model van Gartner stond daarbij centraal. De Belastingdienst zit nu overduidelijk in de volwassenheidsfase en kan voorspellingen van het algoritme gebruiken (waar het voorheen vooral op basis van historische data menselijke beslissingen maakte).

Het risicomodel inkomensheffing

De winst zit nu bijvoorbeeld in het bepalen van de steekproef aangiftes die (handmatig) gecheckt moeten worden. Door allerlei databronnen te combineren is de Belastingdienst (of de AI van de Belastingdienst) veel beter in staat te voorspellen welke aangiftes handmatig gecheckt moeten worden. AI zorgt ervoor dat het systeem patronen herkent op basis van allerlei datastromen, waar uiteindelijk een risicoscore uit vloeit. De combinatie risicoscore en waarde van de aangifte bepaalt vervolgens welke aangiftes uit de stapel met alle aangiftes gehaald worden voor een handmatige check:

Volgens Timmermans is de correctiewaarde hierdoor vele malen hoger: in de handmatige steekproeven uit het verleden was er bij 9 van de 10 aangiftes namelijk niets aan de hand. En nu is de opbrengst vele malen hoger.

Een aantal andere toepassingen van AI en data binnen de Belastingdienst:

  • Het combineren van allerlei datastromen (UWV, KVK, etc), waardoor de Belastingdienst realtime triggers krijgt dat iemand met openstaande vorderingen weer liquide middelen heeft.
  • Het integreren van vijftien verschillende informatiesystemen in één systeem, waardoor de Belastingtelefoon een stuk efficienter te werk kan gaan.
  • Het gebruik van een systeem met een zelflerend algoritme dat in staat is om fraude niet alleen te detecteren, maar ook te voorspellen. Hierdoor kan de controleur veel gerichter zijn werk doen.

Ethisch dilemma

Ook Timmermans sluit af met een soort keerzijde van AI en zelflerende algoritmes. Als we de algoritmes voeden met data over fraudezaken in het verleden, die vaak gepleegd zijn door een bepaalde (etnische) groep mensen, dan is het algoritme etnisch aan het profileren. Dat is (uiteraard) in strijd met de mensenrechten. We zijn nog niet echt in staat om het algoritme te trainen op (of met) dit soort ethische dilemma's. Aan de andere kant zit het ook in de mens zelf om etnisch te profileren. Is het algoritme wat dat betreft niet zuiverder dan de mens? Dat dit een moeilijk discussiepunt is, blijkt ook uit dit bericht (van 20 mei 2019, na de PIM themasessie) over een onderzoek van de Autoriteit Persoonsgegevens naar mogelijk etnisch profileren door de Belastingdienst.

Timmermans geeft tenslotte aan dat hij wel pleit voor transparantie in alles wat de Belastingdienst doet, niet alleen richting de tweede kamer, maar ook vooral richting de bevolking van Nederland. Al met al een helder, open en eerlijk verhaal van Timmermans en de Belastingdienst.

AI in retailmarketing

De laatste spreker van de avond was Kiran Gange, CEO van RapidPricer. Gange en RapidPricer zijn voornamelijk bezig met  realtime pricing voor supermarktketens en andere retailformules. Zodra prijslabels in supermarkten gedigitaliseerd zijn kan Rapidpricer door middel van het combineren van allerlei databronnen de best mogelijke prijs voor een product realtime bepalen en veranderen. Rapidpricer gebruikt daarvoor:

  • Interne databronnen: denk aan sensoren in schappen en winkelpaden, cameratracking van bezoekersstromen, voorraaddata, klantdata en camera’s/sensoren die herkennen wat de staat is van verse groenten en fruit
  • Externe databronnen: live weergegevens, prijzen van concurrenten en marktgegevens

Het RapidPricer systeem combineert deze (live) data en vervolgens bepaalt het zelflerende algoritme welke prijs een bepaalt product moet hebben.

De achterliggende gedachte (en tevens belangrijkste doel van Gange en Rapidpricer) is het reduceren van voedselverspilling. Het belangrijkste voorbeeld dat Gange daarbij geeft is de banaan. Het slaat namelijk nergens op om elke banaan dezelfde prijs te geven. Een groene banaan blijft veel langer goed dan een gele (of zelfs bruine) banaan en verdient daarmee een andere prijs. Dat zorgt ervoor dat er minder bananen weggegooid worden door supermarkten.

Gange geeft ook nog een aantal andere voorbeelden van AI toepassingen binnen retail, waaronder:

  • Gezichtsherkenning, zodat promoties en POS materialen realtime aangepast kunnen worden
  • Slimme voorraden en schappen, op basis van sensoren
  • Geautomatiseerde checkouts

Deze sessie was erg gericht op de offline retail, maar desalniettemin zeker de moeite waard. De presentatie van Kiran Gange vind je hier.

AI en de marketeer

De themasessie werd afgesloten met een korte discussie over regelgeving en regulering rond AI, de ethische dilemma's (en menselijke, cognitieve bias) en de vraag wat we onze kinderen moeten leren op school (creativiteit in plaats van programmeren?). Er blijven uiteindelijk nog veel vragen over, maar we zijn wel weer een stuk wijzer geworden over de mogelijkheden van Artificial Intelligence.

Platform Innovatie in Marketing organiseert events over marketinginnovatie. Ook een sessie bijwonen? Op de site van PIM vind je alle aankomende events.


Delen

0
0


Er zijn 0 reacties op dit artikel

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.