Merkvraag 18b: wat zijn de kansen en beperkingen van kunstmatige intelligentie?

27 juli 2020, 09:00

Wekelijks behandel ik een primaire vraag over merkstrategie. Dit is deel 2 van mijn artikel over merken en kunstmatige intelligentie (kunstmatige intelligentie of AI). Zoals beloofd, met zowel slimme innovaties als belangrijke beperkingen van AI: wat moet AI bijvoorbeeld met een man in een kippenpak?

Vorige week beschreef ik dat echte kunstmatige intelligentie nog een langetermijnambitie is. AI is op dit moment niets meer dan ‘machine learning’: computers kunnen met grote hoeveelheden data en eindeloze analyses patronen herkennen. Met deze patronen kun je een doelstelling proberen te behalen.

Je kunt een computer bijvoorbeeld leren uit miljoenen foto’s het patroon te herkennen van een kat die speelt in de sneeuw. De resultaten kunnen indrukwekkend zijn. Maar uiteindelijk begrijpt een computer niet het verschil tussen een kat, een vuilniszak of een tekening van een kerstman op een douchegordijn.

AI zorgt voor slimme auto’s

Een kans die AI voor merken biedt zit op het vlak van radicale productinnovatie. Een voorbeeld is de zelfrijdende auto. Die heeft de potentie om zowel de autoindustrie als onze steden fundamenteel te veranderen. Automerken die AI effectief weten toe te passen, krijgen daarmee een grote voorsprong op de concurrentie. Ook hier draait AI uiteindelijk om patroonherkenning: ziet de auto het patroon van een kartonnen doos? Of past dit patroon beter bij een peuter op een fietsje?

AI maakt supermarkten slimmer

Een ander voorbeeld van innovatie zie je in supermarkten. Met slimme camera’s kan het aanbod in winkels worden geoptimaliseerd: welke schappen worden veel bekeken en welke minder? Welke klant komt wanneer in de winkel, hoe vaak komt hij/zij terug en wie is zijn/haar gezelschap? Zo kan de ene supermarkt net iets anders worden ingericht dan de andere.

Winkels gebruiken deze technieken ook buiten, bijvoorbeeld om de nummerborden van langsrijdende auto’s te noteren. Door deze gegevens te combineren met andere databases weten ze welke mensen langsrijden, waar zij wonen, wat ze te besteden hebben en kunnen ze inschatten met welke lokkers ze de winkel in te trekken zijn. Voorbeelden van dit soort diensten komen van ShopperTrak, RetailNext en OpenAPLR.

AI maakt kassa’s overbodig

De supermarkt Amazon Go werkt deze principes verder uit, hierdoor zijn er geen kassa’s meer nodig. De slimme camera’s van Amazon weten wie er in de winkel loopt en welke producten er in de tas worden gestopt.

De computer ziet zo datJanneke de Boer’ door de winkel loopt. Hij herkent dat zij vier pakken Campina-melk van 1,39 euro heeft gepakt en één daarvan weer heeft teruggezet. Hierdoor kan Janneke naar buiten lopen zonder langs de kassa te gaan, zelfs zonder een betalingshandeling te verrichten en zonder haar bonuskaart op te zoeken. Zodra zij naar buiten loopt, wordt er automatisch 4,17 euro van haar rekening geschreven en krijgt ze eventueel een passende bonuskorting. Ook Albert Heijn experimenteert er al mee.

AI kan klanten beter identificeren

Een populaire toepassing van AI voor marketeers is het interpreteren van klantdata. Dit is bijvoorbeeld handig om de juiste banners, met de juiste triggers, bij de juiste klanten op het juiste moment te tonen. Door deze gegevens te koppelen aan andere databronnen kan een nauwkeurig klantprofiel worden samengesteld.

Een voorbeeld hiervan is de ’tweeling-analyse’. AI kan analyseren welke andere groepen mensen overeenkomen met bestaande klanten van het merk. Bijvoorbeeld: de groep mensen die een dure winterjas koopt, kan veel overeenkomsten hebben met de groep mensen die naar een luxe-skioord gaat. Voorbeelden komen van Oracle Bluekai, Adobe Audience Manager en Google Marketing Platform.

Deze data kunnen van verrassende plekken komen. Een energieleverancier kan aan de hand van het stroomgebruik van een huishouden goed inschatten welke apparaten op welk moment worden gebruikt. AI kan hier patronen in ontdekken: is het gezin milieubewust, wordt er tijdens corona meer gegamed of slaapt het gezin de laatste weken onrustiger, omdat ‘s nachts het licht vaker aangaat?

AI voorspelt toekomstig gedrag

Dit soort data kunnen een ‘koude start’ voor merken voorkomen: als een klant nog weinig gekocht heeft, is het moeilijk een goede voorspelling van toekomstig gedrag te doen. Tweeling-analyse of externe data kunnen dan richting geven. Mensen die slechter slapen staan waarschijnlijk meer open voor een nieuw bed en bezoekers van een luxe ski-oord zijn waarschijnlijk meer geïnteresseerd in een dure jas.

Dit soort mogelijkheden zijn vakmatig interessant, maar zorgwekkend in privé-sfeer

Dit soort mogelijkheden zijn vakmatig interessant, maar zorgwekkend in privé-sfeer. Lerende machines werken alleen goed als grote hoeveelheden data beschikbaar zijn. Maar dataverzameling wordt door overheden en partijen als Apple, Firefox en zelfs Google terecht aan banden gelegd. Het is immers niet zo’n prettig idee als computers elke stap die je doet, nauwkeurig analyseren.

Het lastige is dat er hierbij een wapenwedloop aan de gang is. Aan de ene kant wordt het moeilijker gemaakt om mensen online te volgen. Aan de andere kant wordt AI beter om met schijnbaar triviale, geanonimiseerde data mensen toch te identificeren.

AI maakt reclame slimmer

Een ander bekende toepassing voor marketeers is programmatic advertising. Slimme computers kunnen zelf beslissen of het zinvol is om extra budget in een lopende digitale campagne te investeren. Denk aan Adobe Advertising Cloud, Criteo of Kenshoo.

Interessant is dat AI geavanceerde A/B-testen kan doen. Doordat computers taal beter weten te interpreteren, kunnen ze continu nieuwe varianten van een communicatieboodschap testen. Ze leren zo autonoom welke communicatiestrategie het beste werkt voor welk type klant.

Een merkcampagne is daardoor niet meer vastomlijnd, maar krijgt op organische wijze vorm, op basis van duizenden testen. Toyota experimenteerde hiermee en Cambridge Analytica baarde opzien door te suggereren dat het op deze manier Trump hielp president te worden. Andere toepassingen komen van Persado, IPSoften Automated Insights.

AI maakt content flexibel

Deze organische benadering kan worden toegepast op online content. AI kan content aanpassen terwijl de bezoeker deze bekijkt. Een bezoeker kan een lagere prijs voorgeschoteld krijgen, wanneer de computer inschat dat deze de webshop gaat verlaten. Voorbeelden hiervan zijn NeoWize en Bloomreach. Einstein van Salesforce geeft marketeers een seintje als belangrijke ontwikkelingen op stapel staan, bijvoorbeeld als de kans groot is dat een klant een contract niet verlengt. Andere voorbeelden komen van IBM en Marketo.

AI heeft ook serieuze beperkingen

Maar hoeveel hype en potentie er ook is rond kunstmatige intelligentie, de beperkingen blijken hardnekkiger dan gedacht. Dit is goed zichtbaar bij de zelfrijdende auto.

Zoals The Economist recentelijk schreef: ‘Driverless cars show the limits of today’s AI‘.

Chris Urmson, then the boss of Waymo, a Google subsidiary widely seen as the market leader, said in 2015 that he hoped his son, then 11 years old, would never need a driving licence. But progress has lagged.

Het grote obstakel is de beperkte beschikbaarheid van data. Het is niet zo moeilijk om een computer miljoenen foto’s van katten te voeren. Maar je kunt een peuter niet honderd keer op een fietsje langs een drukke weg laten rijden om de auto te trainen dit patroon te herkennen. En hoe train je een zelfrijdende auto een ontsnapt paard op de snelweg te herkennen, een zweefvliegtuigje dat een noodlanding maakt of een man die rondloopt in een kippenpak?

Je kunt een peuter niet honderd keer op een fietsje langs een drukke weg laten rijden om de auto te trainen dit patroon te herkennen

Amazon liet daarom eerst zijn eigen personeel winkelen in Amazon Go om zoveel mogelijk afwijkende patronen te verzamelen. Wat moet een computer bijvoorbeeld doen als een kind een pak melk pakt, er een tijdje mee door de winkel sjouwt, waarna de ouder het kind met melk en al in de kinderwagen zet?

AI herkent verkeerde patronen

Een ander probleem is dat er ook verkeerde patronen kunnen worden herkend. Zelfrijdende auto’s blijken een stopbord, waarop een paar stickers zijn geplakt, makkelijk te verwarren met een snelheidsbord. Ze zien een motorrijder soms aan voor een parachute en dan weer voor een bobslee. Het blijkt veel lastiger te zijn om dit soort rariteiten op te lossen dan gedacht. The Economist:

A lot of people thought that filling in the last 10% would be harder than the first 90% (…) But not that it would be ten thousand times harder.

Slimme computers kunnen ook ‘valsspelen’. Onderzoekers probeerden een computer te trainen op het herkennen van een longontsteking in röntgenfoto’s. Maar de AI ontdekte een ander patroon: röntgenfoto’s van elk ziekenhuis hadden net wat andere details. Van één ziekenhuis was bekend dat het een bovengemiddeld aantal patiënten met longontstekingen had. De computer ontdekte dit ook en kwalificeerde foto’s van dit ziekenhuis daarom sneller positief, puur omdat het begreep dat de foto’s van dat ziekenhuis kwamen. De computer kreeg zo een vooroordeel.

AI kan racistisch worden

Actuele voorbeelden van dit soort fouten zijn computers die met racistische resultaten komen. Bijvoorbeeld omdat ze beter getraind zijn in het herkennen van blanke gezichten.

Tijdens de coronacrisis bleken de computers van Google een thermometer in de hand van een wit persoon te zien als een ‘elektronisch apparaat’, in de handen van een zwart persoon werd dit een ‘pistool’.

Kortom

AI duikt zo op allerlei plekken op en is daarmee steeds relevanter voor merken. De samenwerking tussen marketing en ICT wordt hiermee nog belangrijker: kan AI voor een betere service zorgen of is het vooral een grappige gimmick? Houd daarbij de kritische kanttekeningen goed in gedachten. Kunstmatige intelligentie werkt het beste in situaties waarin veel data beschikbaar zijn en terugkerende patronen makkelijk zijn te herkennen.

Maar veel menselijk gedrag is niet consistent. Hetzelfde woord kan in een andere context een totaal andere betekenis hebben. En er is altijd de mogelijkheid van ontsnapte paarden op de snelweg, motorrijders die op bobsleeën lijken of mannen die in kippenpakken rondlopen.

Wil je AI zelf ervaren?

Als je op een leuke wijze het effect van AI wilt ervaren, speel dan Pictionary met Google’s AI. Ook interessant zijn deze foto’s waarmee AI oude personages tot leven heeft gebracht.

Ben je nerdy? Check dan dit YouTube-kanaal, daar zie je hoe AI wordt geprogrammeerd.

De andere zeventien merkvragen vind je terug op het profiel van Ingmar de Lange.​ Dit artikel verscheen eerder op Het Bureau voor Merkstrategie.

Ingmar de Lange
Merkstrateeg bij Mountview

Ingmar de Lange is merkstrateeg en voorloper rond merkbouwen in het digitale tijdperk. Met eigenzinnige inzichten en aanstekelijke energie maakt hij merken succesvoller en sympathieker. Hij is oprichter van Mountview, het bureau voor merkstrategie. Zijn boek Sterk Digitaal Merk werd gekozen als Beste Marketingboek van 2022. Hij doceert op de bekende marketingopleidingen, zoals EURIB, Beeckestijn, NIMA, SRM, VEA, Iris Academy en Nyenrode.

Categorie
Tags

Marketingfacts. Elke dag vers. Mis niks!