Dit is dé gids voor het invoeren van AI in uw organisatie, of u nu directeur, manager of iemand met interesse voor deze fascinerende ontwikkeling bent. U leert wat AI is, hoe u de kansen die AI biedt identificeert en hoe u een succesvolle AI-visie en -strategie ontwikkelt en uitvoert.

Alex Castrounis, businessconsultant en voormalig IndyCar-ingenieur en -racestrateeg, onderzoekt de waarde van AI en laat zien hoe u een AI-visie en -strategie ontwikkelt waar zowel mensen als bedrijven van profiteren. AI is spannend, krachtig en een game changer, maar te veel AI-initiatieven eindigen in een mislukking.

Dit boek verkent de risico’s, overwegingen, afwegingen en beperkingen bij het nastreven van een AI-initiatief. U leert hoe u betere menselijke ervaringen en groter zakelijk succes kunt creëren via bewezen AI-oplossingen en mensgerichte producten.

- Gebruik het AIMB-raamwerk uit het boek om end-to-end, doelgerichte innovatie en waardecreatie met AI te realiseren

- Definieer een doelgerichte AI-visie en -strategie voor stakeholders, waaronder bedrijven, klanten en gebruikers

- Zet AI succesvol in door u te concentreren op concepten als wetenschappelijke innovatie en AI-gereedheid en -volwassenheid

- Begrijp het belang van uitvoerend leiderschap voor het nastreven van AI-initiatieven

"Een must-read voor directie en managers die geïnteresseerd zijn in AI en de voordelen ervan willen ontsluiten. Alex Castrounis heeft complexe onderwerpen vereenvoudigd, zodat iedereen AI binnen zijn organisatie kan gebruiken." — Dan Park, GM & Director, Uber

"Alex Castrounis stond vooraan bij het helpen van organisaties om de belofte van AI te begrijpen en de voordelen ervan te benutten, terwijl hij valkuilen ontwijkt die succes in de weg kunnen staan. In dit essentiële boek deelt hij zijn expertise met ons." — Dean Wampler PhD, VP Fast Data Engineering, Lightbend

nhoudsopgave

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