AI bij Nederlandse organisaties nog in kinderschoenen
AI is in de praktijk vooral statistiek, deep learning nog weinig gebruikt
2 februari 2021 -
De inzet van artificial intelligence (AI) in het Nederlandse bedrijfsleven is nog niet in een vergevorderd stadium. Veel organisaties zijn ermee bezig, maar slechts tien procent heeft daadwerkelijk meerdere AI-toepassingen live staan. Daarbij wordt ook nog vaker gebruik gemaakt van traditionele statistiek dan van geavanceerde technieken als deep learning.
Dit blijkt uit de DDMA AI Maturity Test, een initiatief van branchevereniging DDMA en de DDMA Commissie AI, waaraan ruim 70 Nederlandse organisaties hebben deelgenomen.
AI-volwassenheid nog niet heel hoog, grote organisaties zijn verder
AI staat duidelijk op de radar van het Nederlandse bedrijfsleven. Een relatief groot deel van de ondervraagde organisaties (67 procent) zegt bezig te zijn met AI. De volwassenheid van deze inzet van AI is echter nog niet heel hoog. Van de organisaties die bezig zijn met AI, geeft 10 procent aan vergevorderd te zijn en meerdere AI-toepassingen live te hebben staan. Grote organisaties zijn hierbij verder dan kleine organisaties. Van de organisaties met meer dan 500 medewerkers is 95 procent actief, heeft 74 procent iets live staan en is 21 procent vergevorderd. Van de bedrijven met minder dan 500 medewerkers heeft 20 procent een toepassing live staan en is vijf procent vergevorderd. Dit laat zien dat een organisatie vrij volwassen moet zijn qua data-inrichting en -vaardigheden om serieuze AI-gedreven applicaties te ontwikkelen.
AI is in de praktijk vooral statistiek, deep learning nog weinig gebruikt
Dat er nog duidelijk groei zit in de AI-volwassenheid van Nederlandse organisaties, blijkt ook uit de modellen en technieken die gebruikt worden. Van de organisaties die aangeven begonnen te zijn met AI, geeft de helft aan alleen traditionele statistische methodes als regressie of ANOVA te gebruiken. Ongeveer een derde geeft aan ook gebruik te maken van geavanceerde technieken zoals deep learning.
Data science en legal weten elkaar niet te vinden
Hoewel de juridische context van AI en algoritmes regelmatig in het nieuws is, is de betrokkenheid van legal afdelingen bij de ontwikkeling van AI-proucten beperkt. Slechts 10 procent van de deelnemers geeft aan vanaf de start van een prouct de juridische collega’s te betrekken. Bij 50 procent worden er wel een aantal standaard checks gedaan aan het begin van een prouct, maar legal wordt verder vooral ad-hoc betrokken. Bij 40 procent is legal in het geheel niet betrokken bij AI-proucten. Deze cijfers gelden voor organisaties die ver en minder ver gevorderd zijn qua AI-volwassenheid.
Bewustzijn van ethische impact van AI is hoog
Het overgrote deel van Nederlandse organisaties die bezig zijn met AI kijkt ook naar de ethische impact van algoritmes en AI-modellen (91 procent). Een aanzienlijk deel (69 procent) geeft daarbij aan er zelfs heel serieus naar te kijken en regelmatig checks uit te voeren, waarbij negen procent zelfs al een ‘ethical board’ heeft ingesteld. Vooral kleine organisaties met minder dan 100 medewerkers kijken nog maar weinig naar de ethische vraagstukken van AI - wellicht omdat hun maatschappelijke impact kleiner is. Het lijkt er dus op dat de ethische impact belangrijker wordt gevonden, naarmate de impact van een organisatie op de samenleving groter is.
Totstandkoming resultaten is duidelijk, uitlegbaarheid nog wel uitdaging
Een veel besproken onderwerp bij de maatschappelijke acceptatie van AI is de uitlegbaarheid van algoritmes. De meeste organisaties (81 procent) weten hoe uitkomsten uit een complex model tot stand komen, maar het exact uitleggen hiervan – zowel vanuit de techniek als de gebruikerservaring – is een uitdaging. Bijna de helft (48 procent) kan het uitleggen, waarbij 38 procent dit alleen intern doet en toien procent hun klanten en gebruikers hun klanten hier ook bij betrekt. 33 procent geeft aan het wel te weten maar de daadwerkelijke uitleg lastig te vinden. Negentien procent van de ondervraagden zegt tot slot helemaal niet te weten hoe algoritmische uitkomsten tot stand komen en kunnen dit dus ook niet uitleggen.
