Doet het model waarvoor het getraind is?

Op steeds meer plekken, bij een toenemend aantal organisaties en in steeds meer producten worden AI-oplossingen succesvol geïmplementeerd om de mens te ondersteunen bij de dagelijkse werkzaamheden. Hoe implementeer je AI binnen een organisatie?

Stap #4 stappenplan

In de laatste stap van ons AI-Stappenplan kijken we of de voorgaande stappen uiteindelijk tot het gewenste effect hebben geleid. Doet het model waarvoor het is getraind? Levert het in de praktijk op wat het moet opleveren? Heeft alle input uiteindelijk tot die output geleid waarmee je verder kunt?

De laatste stap uit ons stappenplan

In vorige blogs hebben we het gehad over waarnemen, structureren en begrijpen als de eerste drie van de in totaal vier stappen waaruit het AI-stappenplan van Datacadabra bestaat. In het laatste blog over ons stappenplan staat het uitvoeren centraal. In stap 4 koppelen we aan de conclusies uit stap 3 geautomatiseerde acties, door middel van software-integraties. Oftewel: wat is de output wanneer een getest model zo ver is dat het in productie kan worden genomen? En hoe gaan we die output verwerken, registreren en borgen?

Dat doen we door middel van:

  • Rapportages
  • Dashboards
  • API-integraties

Wat is een API?

Bij de eerste twee kun je je ongetwijfeld iets voorstellen. Met API-integratie bedoelen we een proces waarbij twee of meer applicaties die een gezamenlijke functie vervullen met elkaar gegevens uitwisselen. Daarbij is het de bedoeling dat de interactie tussen gegevens, apparaten en systemen gemakkelijker wordt.

Output in GIS-kaarten

Laten we voor stap 4 de MowHawk als voorbeeld nemen, het door ons in co-creatie met Wim van Breda ontwikkelde slimme camerasysteem op de arm van een maaimachine. De output van de MowHawk wordt weergegeven in GIS (Geografische Informatie Systeem) kaarten. Met behulp van GIS is het mogelijk om verschillende data te beheren, analyseren en te delen met anderen. 

De output van wat de camera’s hebben geregistreerd, komt in de vorm van GIS kaartlagen direct bij ecologen op kantoor terecht. Die hoeven hierdoor niet meer zelf de bermen te inspecteren, wat een flinke tijd- en geldbesparing oplevert. En gemeenten zijn hiermee beter geïnformeerd over toekomstig bermbeheer. Is ergens veel zwerfafval gespot? Dan kun je daar heel gericht mensen naartoe sturen om actie te ondernemen.

AI als oplossing

Op steeds meer plekken, bij een toenemend aantal organisaties en in steeds meer producten worden AI-oplossingen succesvol geïmplementeerd om de mens te ondersteunen bij de dagelijkse werkzaamheden.

Welke uitdagingen spelen bij deze bedrijven? En welke taken kan technologie overnemen? Aan de ene kant zien we bijvoorbeeld dat er steeds meer eisen worden gesteld aan thema’s rond duurzaamheid, biodiversiteit en inclusiviteit.

Ook in de medische sector verwachten wij een toenemende vraag naar ondersteuning met behulp van AI. Anderzijds worden er steeds meer eisen gesteld bij verantwoording, inzicht en rapportage. Al deze eisen zorgen voor veel extra werk dat de bestaande arbeidskrachten er niet bij kunnen hebben en waarvoor het inhuren van capaciteit lastig en duur is. AI kan dan een helpende hand bieden.    

Ben je ook geïnteresseerd in de toepassing van AI voor jouw bedrijf of product? Wij praten je graag bij over de onbegrensde mogelijkheden van AI. Neem contact op voor een adviesgesprek of een workshop op maat.

Het whitepaper DIF in je mailbox?

Datacadabra heeft een whitepaper gemaakt waarin we vertellen hoe het DIF werkt. Aan de hand van een voorbeeld nemen we je stapsgewijs mee in het proces om het waarnemen van data te structureren en te begrijpen, zodat modellen hierop getraind kunnen worden.

Benieuwd naar het whitepaper? Vul hieronder je gegevens in en je ontvangt ons whitepaper over het DIF in je e-mail