Composite AI: succesvolle digitale transformatie vraagt om een combinatie van AI-technieken

Machine Learning, Deep Learning, Natural Language Processing (NLP), Computer Vision, … Artificiële Intelligentie (AI) is een breed concept dat heel wat verschillende technologieën omvat. Vaak gaan er achter een AI-oplossing dan ook meerdere technieken schuil die samen de best mogelijke uitkomst voor de eindgebruiker bieden. Dat is wat Composite AI zo bijzonder maakt. Het is niet zomaar een combinatie van AI-technieken, maar een manier om alles holistisch in één oplossing te integreren.

Hoewel de term misschien nieuw in de oren klinkt, helpt SAS klanten eigenlijk al jaren met een veelvoud aan technieken en kant-en-klare applicaties die in een Composite AI-oplossing kunnen worden gecombineerd. Alles begint bij het definiëren van het probleem dat we met data en analytics willen oplossen. Van zodra duidelijk is welke inzichten we nodig hebben om beslissingen te nemen, gaan we op zoek naar de data die ons hierbij kan helpen. De vorm van deze data zal een bepalende factor zijn voor de technieken die we gebruiken. Voor tekstuele data zullen we wellicht NLP-technieken nodig hebben, terwijl we bij visuele data eerder naar Computer Vision technieken zullen grijpen.

De echte kracht van Composite AI is dat je verschillende analytische disciplines gaat combineren om zo een nog accurater antwoord op je business vraag te krijgen. Zo kan je om een chatbot te bouwen NLP- technieken toepassen, en als die chatbot zelf nog eens Machine Learning technieken zoals neural networks gebruikt om aan klanten aanbevelingen te formuleren die veel persoonlijker en gerichter zijn, kunnen we van Composite AI spreken. Een voorbeeld is een “customer service” chatbot die niet alleen op basis van tekst, maar ook op basis van foto’s (van verkeerd geleverde, defecte producten of producten in verkeerde kleur) – dus met Computer Vision technieken – analyseert hoe een klant het best geholpen kan worden.

Iedere sector heeft z’n eigen specifieke uitdagingen en met Composite AI wordt het mogelijk om voor elk probleem de meest optimale oplossing samen te stellen. We overlopen een paar voorbeelden uit drie bekende sectoren: retail, gezondheidszorg en de bankwereld.

Customer experience

Retailers worden haast dagelijks geconfronteerd met het veranderende gedrag van klanten. Ook in hun keuze voor een merk of een winkel zijn mensen vaak heel wispelturig. Daarom is het voor retailers belangrijk dat ze klanten op allerlei manieren aan zich kunnen binden, zodat ze zeker terugkeren voor hun toekomstige aankopen. Winkels zetten dan ook hard in op het optimaliseren van de customer experience.

SAS ontwikkelde een oplossing die retailers helpt om die customer experience te verbeteren en de wensen van hun klanten te identificeren. Predictieve modellen en voorspellende technieken gaan eerst de voorkeuren van klanten achterhalen. Vervolgens zorgt conversationele AI ervoor dat ze trouwe klanten kunnen aanspreken en automatisch incentives bieden om in de toekomst nog aankopen te doen. Zo is het bijvoorbeeld mogelijk om online influencers te herkennen en een persoonlijke korting aan te bieden, waardoor zij zich nog meer aan een merk gaan binden.

Efficiëntere kankerbehandelingen

Ook in de geneeskunde kunnen AI-technieken een meerwaarde bieden. Het Universitair Medisch Centrum (UMC) Amsterdam gebruikt een combinatie van computer vision, datavisualisatie en Machine Learning om de efficiëntie van kankerbehandelingen te evalueren. Het evalueren van het effect van chemotherapie is een tijdrovende bezigheid, maar dankzij de automatische analyse van medische beelden kunnen artsen een objectief en accuraat overzicht krijgen van het effect van een behandeling.

De technologie bekijkt onder meer in welke mate het volume van een tumor na chemotherapie veranderd is. Met het blote oog is zoiets moeilijk vast te stellen. Artsen zouden dus minder tijd kunnen verliezen en zijn mogelijk ook in staat om betere beslissingen voor hun patiënten te nemen. De inzichten die uit deze oplossing voortkomen, zouden op termijn zelfs de kwaliteit van leven van kankerpatiënten kunnen verbeteren.

Automatische compliance-controles

De financiële wereld zit soms erg complex in elkaar en dus hoeft het niet te verbazen dat Composite AI voor banken en andere instellingen heel wat potentieel biedt om processen te stroomlijnen. Zo moeten banken aan strenge regels voldoen en veel tijd aan compliance besteden. Met behulp van een mix van AI-technieken, wordt het echter mogelijk om handmatige compliance-controles over te zetten naar een geautomatiseerde omgeving. Een controle die vroeger veertig minuten in beslag nam, duurt zo nog slechts één minuut.

SAS ontwikkelde een oplossing die gebruik maakt van Natural Language Processing om naar bepaalde termen te zoeken en cruciale gegevens uit documenten te halen. Vervolgens zorgt een zogenaamd Gradient Boosting-model ervoor dat de processen geautomatiseerd worden en het aantal vals-positieven vermindert. Verschillende financiële spelers hebben hun operationele efficiëntie dankzij deze technieken met liefst 25% zien toenemen. Dat kan in sommige gevallen toch al gauw een besparing van enkele miljoenen euro’s betekenen.

Zeg dus niet zomaar Machine Learning tegen Composite AI. SAS verlegt de grenzen van innovatie en brengt een ruime waaier aan technieken en toepassingen op één platform samen, zodat ze flexibel kunnen worden ingezet om zelfs de meest complexe problemen doeltreffend op te lossen.

Dit artikel werd geschreven door Véronique Van Vlasselaer, Data & Decision Scientist bij SAS. De redactie van TechPulse Business is niet verantwoordelijk voor de inhoud.