Kunstmatige intelligentie om klantwaarde te balanceren met customer experience

3 december 2013, 11:59

13 december is het weer zover: de tweede editie van Social Sciences for Startups. Dit keer met Peter van der Putten ook als datawetenschapper. Hij is guest researcher bij Data Mining Group (algorithms research cluster) in het Leiden Institute of Advanced Computer Science. Daarnaast is hij director of decisioning solutions worldwide bij Pegasystems. Er is volgens hem extreem veel potentie voor nieuwe startups in deze scene. Ben jij het volgende succesverhaal? Lees snel verder.

Ik ben eigenlijk heel erg benieuwd wat jij als vooraanstaande datawetenschapper in Nederland van het hele big data-verhaal vindt.

Ik ben gefascineerd door het leren van data, maar heb dubbele gevoelens bij big data. Het word flinkt gehypet op dit moment, terwijl de algoritmes om te leren van data al sinds de jaren veertig onderzocht worden in de computerwetenschap. Veel van de ‘moderne’ big data-technologieën zoals Hadoop zijn in feite nog beperkte frameworks voor ouderwetse, offline batchverwerking van data, in plaats van realtime processing. De focus zou eigenlijk ook niet op de data moeten liggen, maar op de analyse – hoe genereren we kennis en leren we van data door middel van data mining – en belangrijker nog: hoe operationaliseren we die kennis, hoe passen we die kennis toe. Want: “Knowledge is not power, action is.

En wat is de rol van psychologie in big data? En die van filosofie?

De psychologie is al een jaar of vijftig, zestig eerder begonnen met het bestuderen van intelligentie dan de computerwetenschap. Mensen, dieren, planten en alle intelligente systemen zijn in feite informatieverwerkende machines. De psychologie probeert deze systemen te begrijpen en gedrag te verklaren – en als je dat een beetje kan, kun je het gebruiken om bijvoorbeeld computers, die domme rekenijzers, wat slimmere taken te laten uitvoeren, zoals het leren van en inspelen op klantgedrag. Wat zeker, andersom geredeneerd, niet wil zeggen dat mensen denken als computers. Zie bijvoorbeeld de psycholoog Daniel Kahneman die in 2002 de prijs van de Zweedse Rijksbank, de officieuze Nobelprijs voor de economie, heeft gewonnen voor zijn inzicht dat mensen juist geen rationele agenten zijn die bij een beslissing alle keuzes netjes tegen elkaar afwegen.

En de filosofie? Die houdt zich al 3.000 jaar bezig met big data. Denk maar aan het nature vs. nurture-debat: verwerven we intelligentie en andere eigenschappen door data-ervaring of zijn deze aangeboren? Of de hele philosophy of mind, met wortels bij de oude Grieken: wat weten wij en bestaat alleen de ervaring of alleen de realiteit?

Je komt zelf uit de hoek van kunstmatige intelligentie en bent destijds nog studiegenoot geweest van de wereldberoemde en woest aantrekkelijke Bas Haring. Wat kan kunstmatige intelligentie betekenen voor het bedrijfsleven, en in hoeverre is dit anders dan wat big data kan?

Zolang het niet gebruikt wordt voor stoffige datamanipulatie of flauwe reporting, maar voor echt intelligente data science is big data wat mij betreft gewoon een van de tools binnen de ‘lerende’ kunstmatige intelligentie. Dat wil zeggen: systemen die niet slim zijn door de kennis die er vooraf ingebracht is, maar die de capaciteiten hebben om te leren en om wat geleerd wordt ook te combineren met achtergrondkennis om te komen tot beslissingen (‘decisioning’). Echt intelligente systemen zetten die kennis om in actie en zijn onderdeel van een ecosysteem, een omgeving met andere actoren, systemen, mensen en de boze buitenwereld.

Klinkt abstract? Tot eind jaren negentig vond je kunstmatige intelligentie alleen in het lab, nu interacteren mensen er onbewust dagelijks mee, bijvoorbeeld als ze zoeken met Google, hun Facebook-pagina checken of slimme banners zien op het web. Of neem het bedrijf waar ik werk naast mijn academische baan: toen ik er kwam, in 2002, was het een startup van amper 15 man met nieuwe software en een eerste klant, tien jaar en twee overnames verder bereiken we meer dan 1 miljard consumenten met intelligente, data science-driven, realtime recommendations via digitale, maar ook traditionele kanelen zoals pinmachines, shops en contactcenters. Geen product push offers, maar 'next best action-aanbevelingen' die het optimaliseren van klantwaarde balanceren met customer experience en voorspelde interesses en gedrag.

Wat voor kansen zie je voor startups in de kunstmatige intelligentie op dit gebied?

Nou, enorme kansen dus, niet alleen voor pure 'KI startups', maar het gros van alle startups. Als je kijkt naar de starters in Silicon Valley in hightech of biotech, is voor de meerderheid artificial intelligence een onderdeel van het bedrijfsmodel. Elke startup zou moeten nadenken of data een key asset en een barrier to entry is, en hoe KI of data mining gebruikt kunnen worden om deze data te in geld om te zetten. Waarbij ik opmerk dat klanten en burgers terecht steeds kritischer worden na al die NSA-debakels, dus diegenen die het kunnen inzetten zodat het niet alleen wat oplevert voor het bedrijf, maar het name voor de klant, zullen het meest succesvol zijn.

Afsluitend ben ik benieuwd naar hoeveel zin je in 13 december hebt, en wat zou moeten gebeuren tijdens #projectwaalhalla om jouw stoutste dromen in vervulling te laten komen.

Heel veel zin! Qua stoutste dromen: een reunië-optreden van de Urban Dance Squad zit er helaas niet in begreep ik, maar ik kijk uit om van gedachten te wisselen met startups, freelancers en monster multinationals over hoe van ruwe data kroonjuwelen te maken, met hulp van een magische mix van data mining, machine learning, decisioning en evidence-based en realtime marketing. Ik neem wat mooie metaforische plaatjes mee en zal de dubbele integralen thuislaten.

Categorie
Tags

Marketingfacts. Elke dag vers. Mis niks!