Misschien moeten wij binnenkort onze slogan "Laat IT voor je werken" wijzigen in "Laat AI voor je werken". Het World Economic Forum schat dat 40% van alle banen zal veranderen door de komst van applicaties zoals ChatGPT (bron) en zelfs het NOS journaal maakte deze week een item over banen die zullen verdwijnen. Maar hoe dan precies?
De verwachting van het World Economic Forum is dat over 5 jaar 43% van de taken zal worden uitgevoerd door machines, tegenover 34% nu. Het is, wat mij betreft, wel wat onduidelijk wat een 'taak' is. Ooit had ik de taak om 's morgens de post uit de postbus op het postkantoor op te halen. Is die taak overgenomen door email? Het is een hele andere manier van werken geworden.
Toch zal, in het algemeen, iedereen het er wel mee eens zijn dat de verwachting is dat werk steeds verder wordt geautomatiseerd.
Onderstaande lijst toont de banen met de meest te verwachten groei en krimp:
Banen zullen veranderen. Maar hoe? En hoe zorgen we dat we de AI-boot niet missen?
Hoe werkt AI?
Om te begrijpen wat voor soort banen zullen verdwijnen moeten we begrijpen hoe AI werkt.
Ik heb eens iemand horen zeggen:
Met AI kun je automatiseren wat niet te automatiseren is.
Met traditionele software kun je alles automatiseren wat vast te leggen is in regels. Maar met AI kun je ook automatiseren waar je alleen maar heel veel voorbeelden van hebt, maar wat niet in duidelijke regels te vangen is. AI is in staat om door middel van geavanceerde statistiek van alle voorbeelden te 'leren' en het daarna ook automatisch te doen.
ChatGPT gebruikt in feite een formule met 175 miljard parameters (bron) om de statistische kans op het volgende woord in een zin te berekenen. Laat dat even op je inwerken. ChatGPT is, als het ware, een Excel-bestand met 418.330 rijen en 418.330 kolommen, vol formules. De parameters in deze formule zijn getraind door er teksten met in totaal 300 miljard (300.000.000.000) woorden in te stoppen.
Als je AI traint op voldoende foto's van katten, zal het katten kunnen herkennen en ook katten kunnen tekenen. Als je het mee laat kijken met voldoende gereden kilometers, zal het zelfstandig leren autorijden. Maar de kern blijft dat wij niet in staat zijn om door middel van vaste regels te omschrijven hoe je een kat herkend of hoe je een auto bestuurd. En dus zal AI het ook nooit helemaal foutloos kunnen. Als je met AI gaat automatiseren accepteer je altijd een aantal missers hoewel de kans daarop verwaarloosbaar klein kan worden.
Wat zouden we er concreet mee kunnen?
Laten we proberen enkele concrete toepassingen te bedenken voor typische taken waar wij nu software voor schrijven.
Offertes calculeren
Stel je fabriceert producten voor klanten. Voor het maken van een offerte tel je dan de kosten van allerlei individuele componenten op: materialen, uren, transport, etc. Misschien stop je het allemaal in een Excel-bestand.
Met AI zou dit ook kunnen, maar heel anders. Je zou het trainen met alle oude orders met bijhorende specificaties en het zou zelf uitvogelen wat elke specificatie zou moeten kosten. Het maakt niet uit wat je maakt, als je maar een goede parameters hebt om het product te beschrijven. Het zou simpelweg op basis van ervaring (alle oude orders) direct een goede prijs schatten.
Belangrijk is daarbij te onthouden dat het het offertebedrag ook zou kunnen baseren op dingen waar wij niet aan zouden denken. Je kunt bijvoorbeeld alle kenmerken en verkoopprijzen van huizen invoeren en het zal op basis van dat soort kenmerken een goede verkoopprijs voor nieuwe huizen kunnen schatten. Denk aan: postcode, woonoppervlak, bouwjaar, energielabel, woonlagen, garage, etc.
Maar dat zijn alleen maar kenmerken waar ik nu aan denk dat het de prijs beïnvloedt. Je kunt ook kenmerken toevoegen zoals de afstand tot de snelweg, een station of het aantal restaurants in de buurt en wellicht wordt de schatting dan veel beter. Of andersom: wellicht blijkt de prijsschatting ook prima gemaakt te kunnen worden op basis van alleen maar een foto.
Wij werken in een sector die berucht staat om het overschrijden van budgetten. Alleen vorig jaar al kostte het de overheid 600 miljoen extra (bron). Het zou geweldig zijn als het ons kon helpen beter in te schatten hoeveel werk iets kost.
Uren verantwoorden
Bijna alle bedrijven vragen werknemers hun uren te registreren. Maar er is waarschijnlijk genoeg andere data om die uren nauwkeurig (genoeg) te kunnen schatten. Je weet bijvoorbeeld dat iemand op een dag 8 uur heeft gewerkt dus je hoeft alleen maar te weten hoe die uren verdeeld waren. Voor wie heeft iemand gewerkt? Dat kun je bijvoorbeeld ook zien aan de emails die verzonden zijn, de telefoontjes die gepleegd zijn, de orders die ingevoerd zijn of de bestanden waaraan gewerkt is.
Als je al deze informatie zou bewaren en aan een AI systeem voert met daarbij de werkelijke urenverantwoording, dan vogelt het systeem wel uit hoe je op basis van al die data betrouwbaar genoeg de uren inschat. Dan is uren bijhouden niet meer nodig.
Storingen aan zien komen
De productiviteit zal stijgen wanneer je storingen aan het machinepark kunt voorkomen. Harde schijven in een computer, bijvoorbeeld, houden allerlei getallen bij zoals het aantal uren dat ze in gebruik zijn, het aantal keren dat ze gestart zijn en het aantal keren dat het lezen van een bestand niet meteen de eerste keer lukte. Op basis daarvan voorspellen ze de te verwachten levensduur. Dat is nu nog een simpele formule, en het is daarom ook niet super nauwkeurig, maar met AI zullen dit soort dingen verrassend goed te voorspellen worden. Je kunt misschien door alleen maar het geluid van een machine te analyseren bepalen of hij bijna een storing gaat krijgen.
Optimalisatie van alle processen
Al lang voordat er iets in een bedrijf niet meer perfect loopt moeten er voortekenen zijn die ons niet opvallen. AI is ideaal om dit vroegtijdig op te merken. Hierdoor kunnen sales-mensen sneller inhaken op veranderd gedrag van klanten, de voorraad kan beter in lijn worden gebracht met de voorspelde omzet, of toeleveranciers die slecht presteren zullen eerder opgemerkt worden.
Gedrag beoordelen
We kunnen het ook omdraaien. Helaas zal AI ook heel snel tegen ons gebruikt worden en in feite gebeurt dat al. Zoals de Amerikanen zeggen: "everything you say can and will be used against you".
Alles wat je doet laat sporen na en de komende jaren zal AI gebruikt worden om je op basis van die sporen te beoordelen. Iemand zei ook eens: je kunt zelfs aan de manier waarop iemand zijn auto parkeert in de parkeergarage al afleiden wat voor karakter hij heeft. Parkeert hij of zij netjes tussen de lijntjes met ingeklapte spiegels of dwars over 2 parkeerplaatsen?
Je kunt een koper in een winkel volgen met AI en automatisch bepalen of hij echt geïnteresseerd is of alleen maar even rondkijkt en daar een verkoper op attenderen. Of een winkeldief betrappen. Of een werknemer die een graai uit de kassa doet.
AI kan op basis van intonatie tijdens een telefoongesprek waarschijnlijk beter dan we nu zouden verwachten bepalen of een sollicitant de waarheid spreekt. Misschien hebben we over een paar jaar wel allemaal een simpele leugendetector-app op onze telefoon a-la Shazam.
Zo zou AI in sales óók kunnen worden... (bron: Herman Finkers - Het meisje van de slijterij)
Hoe nu verder?
We kunnen de toekomst niet voorspellen maar ik was als kind groot fan van Chriet Titulaer's "Wondere Wereld" en in die tijd dachten we nog dat er in het jaar 2000 vliegende auto's zouden zijn en het huishouden gedaan werd door robots. De zelf-rijdende auto is er ook nog niet echt, Steve Job's post-pc era is er nooit gekomen, we betalen niet met Bitcoins, hebben niet alles in een blockchain gestopt, we leven nog altijd niet in de metaverse van Mark Zuckerberg en afgelopen weekend speelde mijn Spotify tijdens de barbecue thuis nog vrolijk "Driving home for Christmas" van Chris Rea, als "liedjes waar je van houdt". Statistisch gezien heeft ie waarschijnlijk gelijk, maar het sloeg nergens op.
Toch is het interessant om voor je eigen bedrijf te bedenken waar winst te behalen valt met het toepassen van AI. Welke handelingen zijn lastig te automatiseren of zijn moeilijk voor mensen om uit te voeren? Die taken zouden in aanmerking komen voor automatisering via AI.
De vraag is dan welke data nodig zijn om AI te trainen. Zijn die data er al? Of kunnen we starten met het verzamelen en bewaren van die data? Data is het nieuwe goud en ook MKB-bedrijven hebben veel data. Als we later wat willen gaan doen met AI moeten we er nu al zoveel mogelijk van gaan bewaren. Dat is sowieso een goed idee want een kleine groep wetenschappers houdt ook rekening met de kans dat AI ons allen fataal wordt. Mocht dat gebeuren dan hebben we in ieder geval de backups nog.