Artificial Intelligence voor mensen en bedrijven

Voorwoord XIII

Deel 1: Het raamwerk ‘AI voor mensen en bedrijven’ 1
1: Succes met AI 5
De race naar zakelijk succes 5
Waarom mislukken AI-initiatieven? 7
Waarom slagen AI-initiatieven? 8
Benut de kracht van AI om te slagen 10

2: Een introductie tot het raamwerk AI voor Mensen en Bedrijven 13
Een algemeen raamwerk voor innovatie 13
De pseudocomponent Voordelen van AIMB 15
Bestaande raamwerken en ontbrekende puzzelstukjes 16
AIMB-voordelen 17
Samenvatting 21

3: AIMB-kerncomponenten 25
Een Agile-analogie 25
Expertcomponent 27
AIMB-procescategorieën en aanbevolen methoden 31
Assessmentcomponent 31
Methodologiecomponent 34
De flipped classroom 48
Samenvatting 49

4: AI en machine learning: een niet-technische uitleg 53
Wat is datawetenschap, en wat doen datawetenschappers? 53
Wat is machine learning, en wat zijn de belangrijkste kenmerken? 54
De manieren waarop machines leren 56
AI-definitie en -concepten 58
Soorten AI 60
Leren als mensen 62
AGI, moordzuchtige robots en een computer die maar één kunstje kan 63
De data-gestuurde AI 66
Een opmerking over oorzaak en gevolg 75
Samenvatting 76

5: Praktijktoepassingen en kansen 79
AI-kansen 79
Hoe kan ik AI in de praktijk toepassen? 80
Praktijktoepassingen en -voorbeelden 82
Samenvatting 98

Deel 2: Het ontwikkelen van een AI-visie 101
6: Het belang van ‘waarom’ 103
Begin met waarom 103
De kenmerken van goed productleiderschap 104
Leiderschap en het genereren van een gedeelde visie en begrip 105
Samenvatting 106

7: Doelen bepalen voor mensen en bedrijven 109
Stakeholders en hun doelen definiëren 109
Doelen voor stakeholders 112
Samenvatting 122

8: Wat maakt een product goed? 125
Belang versus tevredenheid 125
De vier ingrediënten van een goed product 127
Netflix en de focus op het belangrijkste 137
Lean- en Agile-productontwikkeling 137
Samenvatting 139

9: AI voor betere menselijke ervaringen 143
De definitie van ervaring 143
De impact van AI op menselijke ervaringen 144
Ervaringsinterfaces 152
De beleveniseconomie 153
Design thinking 154
Samenvatting 156

10: Een voorbeeld van een AI-visie 159
Ruimte en tijd waarnemen 159
AI-aangedreven smaak 160
Ons AIMB-visiestatement 162

Deel 3: Een AI-strategie ontwikkelen 165
11: Succes met AI dankzij wetenschappelijke innovatie 167
AI als wetenschap 167
Het TGPV-model 170
Een analogie van het TGPV-model 173
Een analogie rondom data-afhankelijkheid 175
Samenvatting 176

12: AI-gereedheid en AI-volwassenheid 179
AI-gereedheid 179
AI-volwassenheid 191
Samenvatting 196

13: AI-kernoverwegingen 199
AI-hype versus realiteit 200
Risicovolle aannamen testen 202
Beoordeel de technische haalbaarheid 203
Verkrijg, behoud en train talent 203
Betalen of bouwen 206
Risico’s verminderen 208
Vooroordelen verminderen en inclusie bevorderen 212
Het managen van werknemersverwachtingen 213
Het managen van klantverwachtingen 214
Kwaliteitsverzekering (quality assurance) 215
Het meten van succes 216
Blijf op de hoogte 218
AI in een productieomgeving 219
Samenvatting 219

14: Voorbeeld van een AI-strategie 221
Podcast-voorbeeld 221
AIMB-strategiefase in de herhaling 221
Het opstellen van een AIMB-oplossingsstrategie 222
Een geprioriteerde roadmap opstellen 223
Gekoppelde doelen, initiatieven, thema’s en features 226

Deel 4: Ter afsluiting 229
15: De impact van AI op de banenmarkt 231
AI, banen die verdwijnen, en de vaardigheidskloof 231
De vaardigheidskloof en nieuwe functieomschrijvingen 232
De vaardigheden van morgen 234
De toekomst van automatisering, banen en de economie 235
Samenvatting 237

16: De toekomst van AI 239
AI en leiderschap 239
Wat u kunt verwachten, en waar u op moet letten 242
Samenvatting 251

A: Algoritmen voor AI en machine learning 255
Parametrisch versus niet-parametrisch machine learning 255
Hoe een machine learning-model leert 257
Biologische neurale netwerken: een overzicht 258
Een introductie tot ANN’s 260
Een inleiding tot deep learning 263
Toepassingen van deep learning 265
Samenvatting 266

B: Het AI-proces 269
Het DABAO-model 269
Doelen 270
Acquireren 272
Bouwen 274
Afleveren 277
Optimaliseren 278
Samenvatting 280

C: AI in een productieomgeving 283
Productie- versus ontwikkelingsomgeving 283
Lokaal versus remote ontwikkelen 284
Productieschaalbaarheid 285
AI-systemen die blijven bijleren 286

Index 289