KI Algemeen

Sectoroverstijgend

De impact van kunstmatige intelligentie (KI) op het werkveld van de mbo'er is aanzienlijk. Verschillen tussen beroepsgroepen en sectoren zijn groot. Inzicht in KI kan mbo-studenten helpen zich voor te bereiden op een wereld waarin KI deel uitmaakt van vakgebieden en industrieën. Het stelt hen in staat om kritisch na te denken over de kansen en uitdagingen die KI met zich meebrengt, ongeacht het specifieke vakgebied.

Door mbo'ers theoretisch begrip en praktische vaardigheden bij te brengen zijn ze in staat om met KI om te gaan, ermee te werken in hun beroep. Met kennis over KI ontstaat tevens de kans als gebruiker mee te praten over waar KI voor wordt ingezet en voor welke onderdelen van het werk KI kan helpen.

De ontwikkeling van kunstmatige intelligentie lijkt in een stroomversnelling te zijn gekomen. Hierbij zijn verschillende toepassingsmogelijkheden ontstaan die de beroepspraktijk van mbo'ers al beïnvloeden, of op de korte termijn impact kunnen gaan hebben. De ontwikkeling van KI en toepassingen in het werkveld verschillen echter aanzienlijk per sector en marktsegmenten. Deze rapportage brengt de impact van KI op een groot aantal werkvelden van de mbo'er in kaart.

Deze uitkomsten helpen onderwijs en bedrijfsleven om te anticiperen op de kansen en uitdagingen die KI met zich meebrengt, en wat dit betekent voor het opleiden van de mbo'er.

KI-model

Met het KI-model worden de KI-toepassingen inzichtelijk gemaakt door hierop in te zoomen met behulp van drie aspecten. Het biedt de mogelijkheid om de materie af te pellen naar de uiteindelijke kern; het resultaat dat KI oplevert en waar de mbo’er mee te maken krijgt. Het succes en de effectiviteit van KI worden bepaald door drie cruciale aspecten: input data, KI-technologie en output. Deze drie pilaren werken samen om KI-toepassingen in staat te stellen taken uit te voeren die voorheen alleen door menselijke intelligentie konden worden volbracht.

Input data: “De Brandstof voor Intelligentie”

Elke KI-toepassing begint met inputdata. Deze data fungeren als de 'brandstof' voor het leerproces van het KI-systeem. KI-algoritmen kunnen patronen en relaties identificeren in grote hoeveelheden gestructureerde en ongestructureerde gegevens, variërend van tekst en afbeeldingen tot geluid en video. Kwalitatief hoogwaardige, diverse en representatieve input data zijn cruciaal om betrouwbare en generaliseerbare KI-toepassingen te ontwikkelen. Het verzamelen en voorbereiden van input data is een uitdagende taak. Het vereist het opschonen van ruis en het vermijden van vooroordelen in de gegevens om vertekende resultaten te voorkomen. In een groeiend aantal werkvelden is het begrijpen en werken met data een cruciale vaardigheid, ook op MBO-niveau.

 Technologie: “Het Brein Achter Intelligentie”

De kern van elk KI-systeem is de gebruikte technologie. Machine learning, een subveld van KI, heeft de afgelopen jaren aanzienlijke vooruitgang geboekt. Neurale netwerken, met hun vermogen om complexe patronen te leren en te generaliseren, hebben geleid tot doorbraken in o.a. beeldherkenning en natuurlijke taalverwerking. Momenteel is er een exponentiële groei van het gebruik van data. Data analysetechnieken spelen een cruciale rol in het ontsluiten van waardevolle inzichten en kennis. De kern van elke KI-toepassing is de technologie die het mogelijk maakt om data te analyseren, te begrijpen en erop te reageren.

Resultaat: “Van Inzicht tot Actie” 

Het kunnen begrijpen en valideren van de output van KI is nodig om verantwoorde beslissingen te nemen op basis van de gegenereerde informatie.

De output van een KI-toepassing is het resultaat van het verwerken en analyseren van input data met behulp van KI-technologie. Deze output kan variëren van simpele aanbevelingen, signalering of waarneming tot complexe beslissingen. Het KI-model gaat uit van zeven outputs die definiëren hoe de mbo’er in zijn werk te maken zal krijgen met een bepaalde KI-toepassing. In de medische wereld kunnen KI-toepassing bijvoorbeeld helpen bij het diagnosticeren van ziekten op basis van medische beelden, terwijl in de retail sector KI gebruikt kan worden om handelsstrategieën te optimaliseren. Alhoewel KI op deze manier processen ondersteunt blijft menselijke supervisie en interpretatie essentieel.

Bron: Cummings, D. (2016, 29 december). Seven Spectrum of outcomes for AI. David Cummings on Startups. https://davidcummings.org/2016/12/28/seven-spectrum-of-outcomes-for-ai/

Marktsegment Groen: Het marktsegment groen kent KI-toepassingen in uiteenlopende werkvelden. Zo wordt in de agroproductie KI ingezet voor het volautomatisch bewerken van het land, monitoren van de gezondheid van vee op afstand, en het bepalen van erfelijke eigenschappen voor vruchtbare en resistente rassen en gewassen. Drones worden gebruikt om de kwaliteit van de oogst te meten en visuele informatie te gebruiken voor voorspellingen van de opbrengst. In de veehouderij helpt kunstmatige intelligentie bij het automatisch signaleren van afwijkend gedrag bij dieren en het vroegtijdig opsporen van ziektes. In de bloem-, groen- en stylingsector worden autonome kassen ontwikkeld waarin computermodellen de groeiomstandigheden optimaliseren. Sensoren worden gebruikt om de kwaliteit van bloemen en planten te monitoren en slimmer in te kopen. De sector groene ruimte en boomverzorging gebruikt kunstmatige intelligentie om beter te anticiperen op de effecten van klimaatverandering en om wateropvang op een groen dak te monitoren.

Input:

• Binnen de groene sector wordt volop gebruik gemaakt van sensorgegevens om land te kunnen bewerken met autonome machines en om de kwaliteit te monitoren met machines uitgerust met sensoren of drones. Sensoren worden ook ingezet om het groeiproces en de kwaliteit van bloemen en planten te monitoren en slimmer in te kopen.
• Diergegevens worden gebruikt om de gezondheid van vee (varkens, kippen, koeien, maar ook paarden) te monitoren en afwijkend gedrag tijdig te monitoren en ziektes te detecteren.

Technologie:

• De meeste voorkomende toepassingen in de groene sector maken gebruik van computer vision, sensoren al dan niet geïntegreerd in gerobotiseerde systemen. Computer vision wordt niet alleen ingezet om afwijkend gedrag van dieren te detecteren, maar wordt ook veel ingezet voor gewasbescherming door het analyseren van erfelijke eigenschappen voor vruchtbare en resistente rassen en gewassen. Er zijn in de tuin- en akkerbouw bijvoorbeeld sorteermachines getraind om spruitjes van bepaalde kwaliteitsklassen uit elkaar te houden. Computer vision-systemen aan trekkers, kunnen gewassen op soort en kwaliteit herkennen, om vervolgens per plant zelfstandig een bestrijdings- of bemestingsmiddel toe te dienen.
• Datamining wordt volop ingezet in de groene ruimte om effectiever te anticiperen op de effecten van klimaatverandering en voor de analyse van factoren die de leefomgeving beïnvloeden.

Output:

• Waarneming en notificatie: De inzet van sensoren en computer vision levert veelal waarnemingen en notificaties op.
• Automatisering: In de groene sector wordt volop ingezet op het automatiseren van processen. Er wordt veel geïnvesteerd in machines voorzien van KI elementen die routinematige taken overnemen. Sommige systemen zijn daarbij in staat om suggesties te doen en taken daarop aan te passen (denk aan precisielandbouw). Maar veelal is het aan de beroepsbeoefenaar zelf om te leren omgaan met het ontvangen van notificaties.

Marktsegment Transport en logistiek: De brede toepassing van KI in het werkveld van transport en logistiek is nog vrij beperkt, ondanks de legio ontwikkelingen. Binnen het werkveld van transport en logistiek zijn er veel mogelijkheden voor kunstmatige intelligentie, zoals autonoom rijdende voertuigen, robots voor orderpicking, slimme routeplanning, en voorspellende modellen voor vraag, orders en aflevermomenten. Deze KI-toepassingen dragen bij aan het stroomlijnen en optimaliseren van transport- en logistieke processen, wat leidt tot verbeterde efficiëntie, betere dienstverlening en het beter voorspellen van de voorraad.

Input:

• Binnen de sector transport en logistiek wordt volop gebruik gemaakt van locatiegegevens om bijvoorbeeld op een intelligente manier transportroutes te berekenen om brandstof te besparen en leveringstijd te verkorten.
• Ook historische gegevens worden in de logistiek gebruikt om nauwkeurig voorspellingen van vraag te analyseren.
• Als in de toekomst autonoom bestuurbare voertuigen een grotere rol gaan spelen, kan er ook gebruik gemaakt van gegevens uit sensoren om de afstand tot andere voertuigen te meten en de snelheid aan te passen.

Technologie:

• De toepassing van KI-systemen in de sector transport en logistiek kan een hoge vlucht nemen, met name als het gaat om een KI technologie zoals proces mining, waarbij het optimaliseren van processen centraal staat. De eerste toepassingen zijn geïmplementeerd bij logistieke bedrijven waar sprake is van logistieke processen waar men een efficiëntieslag van verwacht als ze kunstmatige intelligentie toepassen.
• Ook beeldherkenning (d.m.v. computer vision) bij automatisch orderpicken in warehouses wordt steeds meer toegepast om de kwaliteit van producten te controleren of automatisch de pakketten het juiste proces tot verzending te laten volgen.
• In de logistiek kan datamining, door het automatisch opsporen van patronen bij activiteiten zoals goederenontvangst, orderpicking en retours helpen om de voorraad en capaciteitsbehoeften beter te voorspellen en meer controle te krijgen over de voorraad.

Output:

• Preventief: KI-systemen zullen in de toekomst in de sector transport en logistiek oplossingen aandragen voor predictief onderhoud en voor optimalisering van de processen.
• Automatisering: Er zijn veel ontwikkelingen gaande in optimalisatie van processen en autonome voertuigen.
• Voorspelling: Met KI en voldoende data is het mogelijk om forecasting te doen om zo de vraag te voorspellen (prediction) en voorraadbeheer te optimaliseren.

Marktsegment Orde en veiligheid: In de veiligheidssector wordt kunstmatige intelligentie ingezet voor detectie, analyse en voorspelling van (criminele) activiteiten. Intelligente camera's en geluidsdetectie helpen bij het opsporen van afwijkend gedrag en agressie. Drones en virtuele assistenten worden gebruikt voor surveillance en informatieanalyse. Deze ontwikkelingen nog in de experimentele fase en zijn er ook bedreigingen, zoals foutieve resultaten, privacykwesties en gebrek aan menselijk toezicht.

Input:

• Binnen de sector orde en veiligheid wordt volop gebruikt gemaakt van gegevens uit sensoren en locatiegegevens.
• Voor cyberveiligheid wordt gebruik gemaakt van onlinegegevens om van het (online)gedrag van gebruikers, systemen en netwerken te leren en te analyseren. Op basis van deze analyse kun je afwijkend gedrag detecteren dat kan wijzen op een mogelijke cyberaanval.

Technologie:

• Beeldherkenning (d.m.v. computer vision) wordt steeds meer toegepast. Met gegevens vanuit intelligente camera's en geluidsdetectie wordt afwijkend gedrag herkend. Slimme camera's in combinatie met KI worden gebruikt om incidenten, overtredingen en misdrijven sneller op te sporen en te voorkomen.
• Van datamining is sprake door het analyseren van grote hoeveelheden gegevens, zoals misdaadstatistieken, sociale media-activiteiten en surveillancedata, om patronen en trends te identificeren. Datamining wordt ook ingezet om routes te optimaliseren en om efficiëntere personeelsplanningen te maken voor mobiele surveillances.
• Militaire ontwikkelingen omvatten de inzet van op afstand bestuurbare drones voor verkenning, surveillance, aanvallen en logistieke ondersteuning.

Output:

• Waarneming: de inzet van camerabeelden verbetert de informatiepositie van beveiligers en handhavers
• Preventie: Datamining helpt bij het nemen van preventieve maatregelen om criminaliteit tegen te gaan. Ook camerabeelden dragen daaraan bij door beelden te selecteren. Door KI is het mogelijk dat het systeem zelf meldingen beoordeelt en zelfs notificaties/suggesties geeft voor interventies.
• Automatisering: Van automatisering is nog beperkt sprake. De inzet van autonome voertuigen en wapens is veelal nog in experimentele fase vanwege ethische zorgen. Hier is zeker sprake van bij de ontwikkeling van autonome wapens, waar veel terughoudendheid voor is.

Marktsegment Zorg: In de zorg wordt KI binnen de verschillende contexten ingezet om de kwaliteit van de zorg te verbeteren, werkprocessen efficiënter in te richten, de werklast van zorgprofessionals te verlagen en de cliëntervaring te verbeteren. De zorg is een sector waar veel data beschikbaar is. KI in de zorg betekent slim gebruikmaken van deze data, op zo’n manier dat ze de zorg ondersteunen. Binnen mbo-verpleging wordt er al veel gedaan op het gebied van beeldherkenning, client-monitoring en automatisering van administratieve zaken en planning en roostering. Binnen de maatschappelijke zorg wordt KI ingezet voor o.a. cliënt matching, social monitoring (monitoring van onlineactiviteiten) en beeldherkenning. Dit maakt maatwerk binnen de maatschappelijke zorg mogelijk. 

Input:

• Input vanuit het Elektronisch Patiënten Dossier (EPD) wordt gebruikt om clientgroepen te segmenteren op basis van o.a. aandoeningen, symptomen en behandelplannen.
• Ook is er data in de vorm van röntgen en MRI-scans, die een aandoeningen (sneller) kunnen herkennen en livebeelden van een operatie die suggesties kunnen geven welke handeling mogelijk het beste kan worden uitgevoerd.
• Voor het automatiseren van taken kunnen auditieve gegevens gebruikt worden (ingesproken anamnese) of tekst (roosterplanning).

Technologie:

• Bij de meeste toepassingen wordt er een vorm van datamining toegepast. Dit om de vaak grotere databestanden te kunnen omzetten naar inzichten. Een voorbeeld vanuit de intensive care: op basis van IC-cliënt kenmerken, klinische observaties, fysiologische metingen, laboratoriumonderzoeken en behandelingsgegevens wordt de ontslagprioriteit bepaald. Zo worden negatieve uitkomsten zoals heropnames en sterfte van ic-patiënten verminderd.
• NLP wordt ingezet voor het automatiseren van geschreven rapportages en computer vision (beeldherkenning) bij de nachtmonitoring van cliënten.

Output:

• Suggestie: Verpleegkundigen en verzorgenden worden vaak geconfronteerd met enorme hoeveelheden cliëntgegevens en medische informatie. KI helpt bij het analyseren van deze gegevens en het genereren van suggesties. Dit kan variëren van het voorspellen van mogelijke complicaties bij patiënten tot het suggereren van gepersonaliseerde behandelplannen op basis van medische geschiedenis en actuele toestand. Hierdoor kunnen zorgverleners snellere en beter onderbouwde beslissingen nemen, wat de algehele zorgkwaliteit ten goede komt.
• Automatisering: Routinematige taken zoals het monitoren van vitale functies, medicatiebeheer en het bijhouden van medische dossiers kunnen tijdrovend zijn voor verpleegkundigen en verzorgenden. Automatiseringstechnologieën, aangedreven door KI, kunnen deze taken efficiënter maken. Denk aan geautomatiseerde medische apparaten die vitale gegevens direct registreren en doorsturen naar het elektronisch patiëntendossier. Dit vermindert de kans op menselijke fouten en geeft zorgverleners meer tijd om zich te richten op directe patiëntenzorg en complexe taken.
• Notificatie: KI-gestuurde notificaties kunnen mbo-zorgprofessionals onmiddellijk waarschuwen voor veranderingen in de toestand van een cliënt. Dit kan variëren van afwijkende laboratoriumresultaten tot kritieke veranderingen in vitale functies of afwijkend gedrag gedurende de nacht. Snelle notificaties stellen zorgverleners in staat om onmiddellijk te handelen en spoedeisende situaties aan te pakken, wat cruciaal is voor het verbeteren van de cliëntveiligheid.

Marktsegment Retail: De retail is één van de voorlopers op het gebied van KI. Wel is er een verschil tussen de inzetbaarheid van KI-toepassingen bij grootbedrijven en middelgroot- tot klein bedrijven. Grotere retailorganisaties hebben meer kennis, capaciteit en financiën om KI-toepassingen in te zetten. Samen met de ontwikkeling van e-commerce groeit het gebruik van KI gestaag en wordt het ook voor de kleinere retail bedrijven belangrijker om hierop in te spelen. Binnen retail heeft KI impact op verschillende aspecten zoals klantbetrokkenheid, voorraadbeheer en marketing.

Input:

• Bij de meeste KI-toepassingen binnen retail wordt er gebruik gemaakt van klantgegevens. Dit omvat aankoopgeschiedenis, voorkeuren, browsegedrag en demografische informatie. Verder maakt KI gebruik van real-time voorraadgegevens aangevuld met historische informatie, om automatisch bestellingen te plaatsen, herbevoorradingsniveaus te bepalen en tekorten te minimaliseren. Dit helpt retail managers en ondernemers om kosten te besparen en klanttevredenheid te vergroten door producten beschikbaar te houden.
• Sensorgegevens die bijhouden waar klanten zich bevinden in de winkel helpt bij het optimaliseren van de winkelindeling.
• KI maakt gebruik van historische verkoop- en transactiegegevens om trends en patronen te identificeren. Dit helpt bij het voorspellen van de vraag en het optimaliseren van prijzen. Door deze gegevens te combineren met andere informatie, zoals seizoensinvloeden en promotionele activiteiten, kan KI nauwkeurigere voorspellingen doen.

Technologie:

• Om grote hoeveelheden data om te zetten en te combineren met andere datagegevens wordt datamining ingezet. Datamining zorgt voor inzicht waar ondernemers en retailmanagers wat mee kunnen doen.
• Tekstmining wordt gebruikt om waardevolle informatie en inzichten te extraheren uit grote hoeveelheden tekstuele gegevens, zoals klantrecensies, sociale mediaberichten, e-mails, enquêtes en meer.
• Verder worden de technologieën computer vision en sensortechnologie ook toegepast. In bijvoorbeeld de kassaloze supermarkten en bij slimme camera’s die winkeldiefstal moeten verminderen.

Output:

• Voorspelling: De inzet van datamining kan ervoor zorgen dat er beslissingen genomen worden op basis van nauwkeurige voorspellingen en analyses. Door historische gegevens en markttrends te analyseren kan er geanticipeerd worden op vraag- en voorraadniveaus. Voorspellende analyses helpen interieuradviseurs bij het volgen van trends in de interieurbranche. Dit stelt hen in staat om bij te blijven met nieuwe materialen, kleuren en ontwerpconcepten, waardoor ze hun klanten de meest relevante adviezen kunnen geven.
• Automatisering: Automatisering van routinematige taken zoals voorraadbeheer, orderverwerking en rapportage kan ondernemers helpen kostbare tijd vrij te maken voor strategische planning en groeistrategieën. Hierdoor kunnen ze zich richten op het ontwikkelen van innovatieve initiatieven en het vergroten van hun concurrentievermogen. Dit geldt ook voor retailmanagers die met behulp van KI operationele processen stroomlijnen en efficiëntie maximaliseren. Taken zoals personeelsplanning, voorraadbeheer en winkelindeling worden geoptimaliseerd.
• Suggestie: Verder komen uit veel KI-toepassingen suggesties voort. Dit stelt de verkoper in staat om beter inzicht te krijgen in de behoeften en voorkeuren van individuele klanten. Dit helpt hen om gepersonaliseerde productaanbevelingen te doen en klanten op een meer relevante manier te benaderen.

Marktsegment Communicatie, media en design (CMD): Binnen de communicatie, media en design zijn de meeste toepassingen zichtbaar op het gebied van contentcreatie en het inzetten van grote datasets om persoonlijke content te creëren. Daarnaast helpt KI bij het automatiseren van repetitieve redactionele taken, zoals het controleren van grammatica en spelling, het genereren van koppen, en het verzamelen van informatie voor nieuwsberichten. Dit kan de productiviteit verhogen en de werklast verminderen voor redactionele teams.

Input:

• Als input wordt gebruik gemaakt van teksten die dienen als input voor bijvoorbeeld generatieve KI.
• Visuele gegevens worden gebruikt om bijvoorbeeld video content vorm te geven of om video’s te maken met behulp van deepfake.

Technologie:

• Er worden verschillende technologieën geïdentificeerd zoals tekstmining, datamining, computer vision en Natural Language Processing (NLP).
• Het is van belang om het sentiment van het publiek te begrijpen. Tekstmining kan helpen bij het beoordelen van sentiment in klantreacties, recensies en social media-berichten.
• NLP-technologie kan worden gebruikt om automatisch content te genereren, variërend van nieuwsartikelen tot blogposts. Het helpt ook bij het herschrijven en optimaliseren van bestaande teksten om ze aantrekkelijker te maken voor het publiek.
• Binnen design kunnen computer vision-tools helpen bij automatische beeldbewerking, het retoucheren van foto's en het aanpassen van visuele elementen om ze te optimaliseren voor verschillende platformen en formaten.

Output:

• Automatisering: KI-output, zoals gegenereerde tekst, afbeeldingen en zelfs muziek, stelt de mbo’ers in staat om hun creatieve vermogens uit te breiden.
• KI helpt bij genereren van grote hoeveelheden inhoud in korte tijd. Automatisering heeft een aanzienlijke impact op repetitieve taken. Door het automatiseren van taken zoals dataverzameling, rapportage en distributie, kunnen mbo’ers zich richten op strategische en creatieve aspecten van hun werk.
• Suggestie: het ontvangen van suggesties voor creatieve richtingen, zoals kleurenpaletten, typografie en lay-outs, ontwerpers helpen bij het nemen van designbeslissingen die resoneren met het gewenste publiek.