In aanloop naar zijn keynote spraken we met Frans over de kansen én de uitdagingen die de hedendaagse overvloed aan data en de opkomst van AI met zich meebrengen.
Datagedreven innovatie
Op het eerste gezicht lijkt het een droomscenario: ongekende hoeveelheden data, waarmee je betere beslissingen kan maken, je klant beter kan leren kennen en nieuwe diensten kan ontwikkelen en leveren. De praktijk geeft een ander beeld. Onderzoek laat zien dat 70 tot 80 procent van de data projecten hun beoogde doelen niet halen. "Dat zijn natuurlijk zorgwekkende getallen," zegt Feldberg. "We hebben de technologie, we hebben de data, maar het lukt kennelijk niet om de noodzakelijke randvoorwaarden voor succes in te vullen."
Hoe vertalen we het concept van datagedreven innovatie dan naar praktische en succesvolle uitvoering? Zowel in het bedrijfsleven, waar businessmodellen onder druk staan door digitalisering, als in de publieke sector, waar data kan helpen bij maatschappelijke opgaven zoals zorg, veiligheid en duurzaamheid. Volgens Feldberg ligt de sleutel tot succes in het ontwikkelen van een gemeenschappelijk verhaal rondom data- en AI-gedreven innovatie. Een verhaal waar alle relevante betrokkenen, zowel business-, IT- als data-professionals aan bijdragen. “Als het om AI gaat wordt al snel geroepen: we moeten iets met AI! Maar waarom start je met het ‘hoe’? Is het ‘waarom’ niet belangrijker? En, heb je duidelijk wat AI wel en niet kan? Dit zijn vragen die in zo’n verhaal beantwoord moeten worden.
Data vraagt om maatwerk
Data en AI zijn veel meer dan technologische ontwikkelingen. Volgens Feldberg raken ze elk element van het businessmodel, of de opgave in de publieke sector. Van de manier waarop een organisatie waarde creëert, tot hoe ze die waarde levert aan haar doelgroep én hoe ze deze intern weet vast te houden.
"Een businessmodel gaat in de kern over drie vragen," legt hij uit. "Hoe creëer je waarde? Hoe lever je die aan de juiste doelgroep? En hoe zorg je dat er onderaan de streep waarde overblijft? Data en AI hebben in potentie invloed op al die aspecten."
Bedrijven als Facebook, maar ook steeds meer innovatieve startups, beschikken over een ongekend gedetailleerd klantbeeld, vaak scherper dan veel organisaties zelf hebben van hun eigen klanten. Feldberg: “Dat confronteert je als organisatie met een belangrijke vraag: hoe blijf je relevant als iemand anders jouw klant beter kent dan jijzelf?” En het gaat verder dan alleen de relatie met de klant. Data en AI veranderen ook de relaties tussen mensen, bedrijven en overheden. Ze beïnvloeden interne processen, externe samenwerkingen en de verwachtingen die klanten, burgers en medewerkers hebben van organisaties en elkaar.
Dat confronteert je als organisatie met een belangrijke vraag: hoe blijf je relevant als iemand anders jouw klant beter kent dan jijzelf?”
"Dat roept strategische vragen op”, zegt Feldberg. “Wat betekent dit voor jouw relaties met je klanten? Met je werknemers? Je leveranciers? Je business partners? En voor de samenwerking tussen afdelingen of teams binnen je organisatie?"
Het lastige, en tegelijkertijd interessante, is dat er geen blauwdruk bestaat voor wat de impact van data en AI zal zijn. Geen universeel antwoord of standaardaanpak. Elke organisatie opereert in een eigen context, met eigen data, dynamiek en doelen. En dus vraagt het om maatwerk. Om leren en durven experimenteren. Maar, het biedt ook kansen om je als organisatie, zowel publiek als privaat, te onderscheiden.
Een gedeeld verhaal is essentieel
Wie denkt dat het succes van data en AI projecten vooral afhangt van geavanceerde technologie, komt bedrogen uit. "Men denkt vaak dat de technologie belangrijk is", zegt Feldberg, "Maar het is zelden de doorslaggevende factor voor het wel of niet slagen van een data project." Uit uitgebreid onderzoek naar kritische succesfactoren blijkt dat het een samenspel is tussen organisatie, mensen, governance, data management en technologie.
Het ontwikkelen van een gedeeld verhaal is de oplossing. Zo simpel kan het zijn."
"Data projecten zijn per definitie multidisciplinair," legt hij uit. "Je hebt business professionals, IT’ers en data professionals nodig — en die spreken vaak zeer verschillende talen. Als je er niet voor zorgt dat deze mensen elkaar begrijpen, kennis delen, goed met elkaar communiceren en samen een gedeeld verhaal ontwikkelen, is het bijna onmogelijk om zo'n project tot een succes te maken."
Uit onderzoek blijkt keer op keer dat dit proces, dat ‘alignment’ wordt genoemd, één van de belangrijkste randvoorwaarden voor succes is. “Je kunt de beste infrastructuur hebben en de slimste algoritmes," zegt Feldberg, "Maar als de verschillende teams elkaar niet begrijpen, dan is succes heel ver weg. Het ontwikkelen van een gedeeld verhaal is de oplossing. Zo simpel kan het zijn.”
De hype voorbij
Is AI fundamenteel anders dan eerdere data projecten? “Ja en nee”, zegt Feldberg. “In de kern is kunstmatige intelligentie een datagedreven technologie. Veel van de succes- en faalfactoren die gelden voor data projecten, gelden dus ook voor AI projecten. Datakwaliteit, bijvoorbeeld, niet sexy, maar wel essentieel.”
De opkomst van generatieve AI (zoals ChatGPT) heeft de verbeelding van het grote publiek en het bedrijfsleven in razend tempo geprikkeld. De snelheid waarmee nieuwe toepassingen ontstaan, is ongekend. Dat stelt organisaties voor een nieuwe uitdaging: heb je het absorptievermogen om mee te bewegen, om te begrijpen wat relevant is en wat niet? Hierin is het essentieel dat je begrijpt wat AI wel en niet kan. Hoe kan je anders beoordelen wat je wel en wat je zeker niet moet doen? En hoe dit ook verantwoord gebeurt.
Volgens Feldberg is er een groot risico dat organisaties verdwalen in het rumoer en beslissingen nemen op basis van onjuiste verwachtingen. “De berichtgeving rondom AI is vaak ‘schreeuwerig’ en ongenuanceerd: AI neemt je baan over, computers worden slimmer dan mensen, binnen nu en twee jaar is alles anders. AI wordt gepresenteerd als de Haarlemmerolie voor alle problemen. Maar dat is het zeker niet!”
Om al deze claims te kunnen beoordelen is het volgens Feldberg heel belangrijk om te weten welke soorten AI er zijn en wat de beperkingen ervan zijn. “Als je dit weet, kan je veel beter beoordelen waar de kracht van AI ligt en het succesvol en verantwoord inzetten.” Hij vervolgt: “AI kan bijvoorbeeld niet denken. Bij denken hoort onder andere dat je het doel van een object of mens kunt inschatten zonder dat dit vooraf duidelijk is. Dit noemt men ‘intentionaliteit’. Vooralsnog is dit één van de grootste uitdagingen voor AI. En zo zijn er meer. Wie echter blind meegaat in de hype, schept vaak onrealistische verwachtingen. Dan ontstaan de verkeerde discussies en volgt teleurstelling. Niet omdat AI niet werkt, maar omdat vooraf niet duidelijk is wat AI wel én niet voor jouw organisatie kan betekenen.” In zijn keynote gaat Feldberg hier dieper op in. Want, zoals de grote wetenschapper en filosoof Goethe het in de 18e eeuw verwoordde: ‘In de beperking toont zich de meester’.
Fotografie: Ruben May
Naast zijn werk als hoogleraar en onderzoeker is Frans een veelgevraagd spreker. Hij stond op talloze podia in binnen- en buitenland, waar hij organisaties inspireert met zijn heldere kijk op data en technologie. Tijdens zijn keynote bespreekt Feldberg de verschillende soorten AI, hun beperkingen, en hoe je daar effectief mee om kunt gaan. Dit doet hij op basis van theoretische inzichten die aan de hand van inspirerende voorbeelden en aansprekende cases laagdrempelig worden uitgelegd. Feldberg: “Uiteraard bied ik ook concrete handvatten voor het succesvol en verantwoord gebruik van AI in jouw organisatie. Dus ook de vraag: ‘Waar kunnen we morgen mee beginnen?’ zal worden beantwoord. Want één ding is zeker, de kansen die AI biedt moeten worden benut om relevant te blijven! Na mijn keynote mag jij je dus ‘meester’ noemen.”
Frans Feldberg, Hoogleraar aan de Vrije Universiteit van Amsterdam, opent Data Expo op donderdag 11 september met de keynote ‘AI: in de beperking toont zich de meester!’ Bestel jouw gratis tickets hier.
