Bespreking van het boek: Ontdek de groeikansen van AI – Remy Gieling.
Jeroen: Welkom bij een nieuwe aflevering van Leaders in Finance. Dit is geen reguliere aflevering waarin we in gesprek gaan met een topman of topvrouw uit de financiële dienstverlening, maar een extra aflevering over een specifiek onderwerp. Deze keer is dat Artificial Intelligence ofwel kunstmatige intelligentie. We spreken met Remy Gieling, hoofdredacteur van MT/Sprout en schrijver van het boek ‘Ontdek de groeikansen van AI’ met als subtitels ‘Starten en groeien met kunstmatige intelligentie’ en ‘Lessen van Picnic, Salesforce, ParkBee en andere succesformules’. Welkom, Remy!
Remy: Leuk om er te zijn, Jeroen. Dankjewel!
Jeroen: Leuk dat je de tijd neemt om met Leaders in Finance in gesprek te gaan. Laat ik voordat we beginnen eerst even iets weggeven over mijn eigen ervaring met dit boek. Ik heb het met ongelooflijk veel plezier gelezen en wat mij betreft zijn daar drie hoofdredenen voor waarom ik het zo leuk vond. Allereerst, het behandelt een enorm belangrijk onderwerp, dus hoe meer aandacht daarvoor hoe beter. Ten tweede, het boek is interessant omdat het niet alleen de theorie bespreekt: wat is het eigenlijk? Maar ook praktisch: wat kan ik ermee en wat kan ik ermee in mijn eigen organisatie? Op de derde plaats, het is gewoon leesbaar en als je er lekker in zit merk je gewoon het enorme enthousiasme dat je hebt voor dit onderwerp. De eerste vraag aan jou, Remy, wat interesseert je zo aan artificiële intelligentie?
Remy: Ik heb een achtergrond in startups, scaleups en leiderschap bij MT/Sprout. Maar voordat ik aan mijn journalistiek avontuur begon heb ik een lange tijd een softwarebedrijf gehad met een jeugdvriend van mij, dus ik heb een soort van technische achtergrond. Ik weet nog goed de begindagen van het internet. Je zal het zelf ook nog wel hebben meegemaakt, je moest inbellen met zo’n inbelmodem dat van die geluidjes maakte. Je moest zoeken via ilse.nl en Altavista; Google was er destijds nog lang niet. Ik was best wel jong, ik ben nu 32. Ik heb het meegemaakt maar ik kon als kind destijds niet echt de implicaties voor de samenleving en voor bedrijven zien. Ik heb echt het gevoel dat ik nu een tweede kans heb gekregen. AI is de belangrijkste technologie, dat gaat de komende tien jaar de bedrijven en de banen in de maatschappij radicaal veranderen. Sundar Pichai, de CEO van Google, zei het al “The invention of AI is more profound than the invention of fire or electricity”. Dat is nogal een uitspraak en Stephen Hawking zei daarover “The invention of AI will either be the best or the worst thing humanity has ever invented”. Het zijn natuurlijk boute uitspraken maar het zijn natuurlijk wel grote denkers; ze weten waar ze het over hebben. Waar ik heel enthousiast van word, nu ik ook al een paar jaar meega in het bedrijfsleven, is om professionals, leiders, ondernemers, beleidsmakers die geen technische achtergrond hebben te vertellen “Wat is AI en wat kan het?” zodat je er ook een gedegen strategie op kan maken en een beleid op kan voeren zodat we als Nederland straks de boot niet missen.
Jeroen: Het zijn hele grote woorden van heel veel mensen over AI, wat het allemaal gaat doen. Ook in het voorwoord van de president van Philips, Hans de Jong, schrijft deze “Qua impact is AI te vergelijken met de uitvinding van de stoommachine, elektriciteit of het internet”. Jij noemde net een paar andere. Maar waarom is dat nou zo?
Remy: We hebben natuurlijk nog nooit in de geschiedenis gehad dat er systemen, niet-biologische wezens zijn die net als mensen op basis van data kunnen redeneren en op basis van die redenatie actie kunnen ondernemen. Dat gaat natuurlijk in alle aspecten van ons leven verandering teweegbrengen. Van het feit dat je straks geautomatiseerd fraudedetectie kan doen – dat is voor financials superinteressant – tot het feit dat je niet meer langs een kassière hoeft om je boodschappen af te rekenen tot aan het feit dat je straks niet meer zelf achter het stuur hoeft te gaan zitten. Als je een paar biertjes hebt gedronken in de kroeg brengt je Tesla je naar huis. Dat heeft uiteindelijk weer een effect op de transportindustrie en op de mensen die daar werken en op burgers en internationale spanningen tussen landen. Wat als China AI op een manier inzet die wij hier niet zouden willen maar we hebben wel te maken met de Chinese bedrijven die daar zitten en hetzelfde geldt voor Amerika. Dus hoe ga je daar als Europa mee om en hoe ga je er als Nederland mee om binnen Europa? Het zijn fascinerende tijden.
Jeroen: Als je nu invalt als luisteraar, nog even voor de zekerheid dat we allemaal op hetzelfde niveau zitten, kan je nog even terug naar de basis, wat is AI wat jou betreft?
Remy: AI, Artificial Intelligence, kunstmatige intelligentie is intelligentie in niet-biologische wezens. Dan ga je natuurlijk vragen “Wanneer is iets intelligent”? Volgens mij zijn zelfs de experts daar nog niet helemaal over uit wat een eenduidige definitie daarvan is. Maar je zou heel goed kunnen zeggen dat er intelligentie is op het moment dat je over complexe zaken kan redeneren en acteren. Dus je kan een complexe waarneming doen en op basis daarvan een beslissing maken en daarop acteren. Dat kan natuurlijk zijn dat je besluit om wel of niet in te halen op de snelweg, maar dat kan ook zijn om een hypotheek wel of niet toe te wijzen of te beslissen wat de taxatiewaarde van een huis zou moeten zijn.
Jeroen: De term ‘Machine Learning’ hoor je ook altijd en ook altijd in combinatie met AI. Hoe verhouden die twee begrippen zich tot elkaar? Wat is het verschil?
Remy: AI is het containerbegrip, dus dat is alles wat je maar zou kunnen verzinnen over slimme niet-biologische systemen: van je stofzuigerrobot die de kat niet aanvalt tot aan een superintelligentie waar Stephen Hawking en Elon Musk bang voor zijn. Machine Learning is eigenlijk het belangrijkste subveld daarvan, dat is ook het meest praktische. Dat zie je tegenwoordig veel binnen bedrijven. Vroeger moest je software handmatig programmeren maar dat is best wel een beetje ingewikkeld tegenwoordig. Stel je voor dat je een computer wil leren om een appel te herkennen. Je kan allemaal regels daarvoor gaan opschrijven: een appel is altijd rond en hij is vaak rood maar straks heb je een appel die groen is, dat herkent hij dan niet. Dus dat soort vraagstukken kan je niet meer met de traditionele programmeermethodes oplossen dus dan heb je Machine Learning. Dan ga je de computer als een soort kind opvoeden door heel veel voorbeelden te geven. Dan gaat de computer daar zelf lessen uit trekken. Dus in het geval van onze appel geef je misschien 100.000 foto’s van een appel, die heb je allemaal een label gegeven: dit is wel een appel, dit is geen appel. Die computer ziet daar zelf overeenkomstigheden in, in de pixels die op het scherm staan en
kan dan bij de volgende keer dat je een foto invoert met vrij grote zekerheid zeggen “Op deze foto is wel een appel te zien en hier niet”. Dat kan je ook doen met nummerplaten, gezichten, mensen en tegenwoordig kunnen ze op basis van een hitteprofiel iemand herkennen. Het wordt een beetje scary.
Jeroen: Het gaat wel een bepaalde kant op. In de literatuur en ook in jouw boek wordt er altijd gesproken over drie ingrediënten die nodig zijn om AI tot wasdom te laten komen en dat die er nu zijn. Kan jij ze toelichten?
Remy: De drie ingrediënten die nodig zijn, zijn allereerst knappe koppen. Dus je hebt wiskundigen nodig, statistici die de modellen kunnen ontwikkelen, je hebt heel veel rekenkundigen nodig en je hebt data nodig. Heel erg veel data. Dat is ook wel leuk want veel mensen denken dat kunstmatige intelligentie een nieuwe uitvinding is maar het gaat al terug tot 1956 in een klein dorpje in Noord-Amerika. Daar waren een paar mensen bij elkaar gekomen om acht weken lang met elkaar te filosoferen over de lerende computer. Daar komt ook de term kunstmatige intelligentie of artificial intelligence vandaan. In de loop der jaren zijn er heel veel experimenten geweest. De eerste zelfrijdende auto was er al in 1986, dat was een bus op de universiteit van Carnegie Mellon die daar al rondreed. Het eerste chatprogramma, Eliza, was er al in 1966. Ik heb toevallig net het instructieboekje en de originele code van eBay getrokken, die is ergens in Nederland onderweg naar mij. Maar het is dus geen nieuwe technologie maar waarom is die nu zo populair geworden de afgelopen paar jaar? Die knappe koppen hadden we al, dat was het probleem niet. Maar we hadden wel een gebrek aan rekenkracht, dus computers die nummers kunnen crunchen. Dat hebben we tegenwoordig dankzij de serverparken van Amazon, Google en Microsoft, die hebben dat in overvloed. En daar zijn natuurlijk steeds meer data bijgekomen want die auto op het universiteitsterrein kon alleen maar leren van zichzelf, dus die had hele beperkte data. Die computers hadden moeite om dat door te rekenen. Nu, met die ongelooflijke hoeveelheid data – en zeker ook in die financiële wereld natuurlijk, waar alles al in spreadsheets wordt bijgehouden – kunnen we eindelijk de kracht van kunstmatige intelligentie echt aan het werk zetten. We staan nu echt aan de vooravond van de grote revolutie.
Jeroen: Dus knappe koppen, data en processing power, dat is de mix?
Remy: Ja, als je dat bij elkaar gooit in de pan heb je een hele goede basis voor een succesvol AI-project.
Jeroen: Voordat we op die financiële sector ingaan, nog even één ding dat ik zelf wel leuk vind en dat ook in je boek beschreven wordt is de Turingtest. Wat is dat?
Remy: Alan Turing, je zal hem misschien kennen van de film The Imitation Game, want hij heeft ooit meegeholpen om de Tweede Wereldoorlog te beslechten door de Nazi inscriptie machine Enigma te kraken. Een ongelooflijk bijzondere denker. Hij heeft daarna ook inderdaad The Imitation Game bedacht. Dat is eigenlijk de vraag: Als je een mens via een computer zou laten communiceren met een mens of een computer, kan je dan met zekerheid zeggen of je met een mens aan het communiceren bent of met een computer? Als je met een computer communiceert en je denkt dat het een mens is, dan is het zo goed geworden – zo redeneerde hij – dat ons intellect wel heel nader tot elkaar komt. Dan heb je de Turingtest gewonnen. Er gaan ook al ideeën rond om de Turingtest nu een beetje moeilijker te maken
want er zijn best wel veel intelligente chatbots en taalprocessoren beschikbaar. Daar kunnen we straks nog wel op ingaan. Deze kunnen beangstigend goed een mens in tekst imiteren. De Turingtest is eigenlijk anno 2021 wel beslecht.
Jeroen: Als we naar de financiële wereld gaan, als je naar die drie elementen kijkt: knappe koppen zijn er, dan wel in de financiële wereld, dan wel technische daarbuiten die erbij kunnen helpen. Het lijkt me dat er gigantische hoeveelheden data in de financiële sector zijn, al zijn het alleen al die miljarden transacties elke dag. Processing power, daar kan de financiële industrie ook gebruik van maken. Ze hebben het zelf al vaak, maar ze kunnen het ook nog van buitenaf halen. Hoe ver is die financiële industrie in Nederland of in de wereld met het gebruik van AI?
Remy: Je kan er op twee manieren naar kijken. Aan de ene kant kan je zeggen “Ze zijn er best wel ver mee”, want er zijn best veel bedrijven die ermee experimenteren, veel fintech bedrijven die ermee experimenteren en plukken daar ook de vruchten van. Volgens mij heb je Fourthline hier in de uitzending gehad, die zeggen echt AI op de voorgrond te zetten. Floryn, een bedrijf uit Den Bosch, dat doet dat ook. Ik denk dat eigenlijk alle grote banken ook wel serieuze AI-teams hebben om ermee te experimenteren. Terecht ook, want je kan saaie taken bij de mensen weghalen. Ik denk dat dat een vrij nobel doel is om in de komende jaren flink op in te zetten. Maar aan de andere kant zou je ook kunnen zeggen dat het nog wel beperkt wordt. In Europa heb je natuurlijk te maken met al die privacywetgeving. Daar hebben ze in de VS en China wat minder last van. Het grappige is dat die privacy wetgeving – of het nu gaat over GDPR of andere privacy wetgeving – ook vaak binnen die grote bedrijven toch wel als een hurdle wordt ervaren, ook al heeft de klant er uiteindelijk toestemming voor gegeven of valt het wel binnen het wettelijke kader maar er zijn dan toch vaak (en dat hoor je veel uit de praktijk, off the record) compliance afdelingen die de innovatie tegenhouden omdat ze denken “Better safe than sorry”. Het probleem daarbij is dat kunstmatige intelligentie eigenlijk zoals een sneeuwbal is; hoe meer je experimenteert, hoe meer data je erin gooit, hoe sneller die sneeuwbal van die helling afrolt en hoe groter die sneeuwbal wordt. Dus op het moment dat je concurrenten er wel volop inzetten, bijvoorbeeld Alipay, de grootmacht uit China en internationaal banking meer kracht hebben – je ziet het nu ook al met N26 of andere bank startups die ook iDeal-licenties krijgen – als je daar te lang mee wacht en je laat je afremmen doordat je alleen maar blind afgaat op wat de compliance officer zegt zonder driedubbel te checken of die niet toevallig zichzelf er makkelijk van af wil houden, dan loop je misschien wel dusdanig achterstand op de concurrentie op dat je het niet meer kan inhalen.
Jeroen: Dat is wel interessant, want in jouw boek komt dat heel vaak terug, zowel van jezelf als van de mensen die iets zeggen in jouw boek: de first mover heeft een enorme advantage; als je maar begint. Maar hoe werkt dat precies? Ik denk dan “Als ik nu niet begin, ik kan over twee jaar ook nog beginnen”. Waarom maakt het zoveel uit dat ik nu begin?
Remy: Amazon heeft het tot het ‘AI flywheel’ gedoopt naar de bekende theorie van Jim Collins die ooit Good to Great heeft geschreven, daar had hij het al over het ‘Hedgehog effect’ maar we noemen het ‘het AI vliegwiel’. Die theorie is eigenlijk heel simpel: op het moment dat jij meer data of gebruikers hebt kan het ervoor zorgen dat jouw algoritmes en modellen slimmer worden, dat zorgt ervoor dat je een betere dienst of service hebt voor je mensen of je goedkoper opereert waardoor er weer meer mensen van je product gebruik
gaan maken waardoor je meer data verzamelt, waardoor je betere modellen krijgt. Het is heel zwaar om dat op gang te krijgen want om te gaan experimenteren met AI kost nu eenmaal ongelooflijk veel experimenteren en dat zie je ook overal in alle internationale rapporten, iedereen zegt “We gooien er bakken geld in maar we zien er nog niet direct het profijt van”. Dat zegt me dat dat zware wiel waaraan je trekt om het aan de gang te krijgen, als je dat eenmaal hebt en je hebt wel gevonden welke data je inlaadt en je algoritmes leren ervan en worden er slimmer van en je processen worden sneller of je producten worden beter en er komen meer klanten, je dienst wordt goedkoper, dan wordt het heel lastig voor andere partijen om dat nog in te halen.
Jeroen: Als je dat op die banken plot, heb je het dan ook over bijvoorbeeld “Ik stel een Chief AI Officer aan”?
Remy: Ja.
Jeroen: Ik geloof dat jij het ‘AI dressing’ noemt, een soort window dressing. Maar is dat het niet juist een beetje? Of denk je echt dat het kan helpen?
Remy: Ik had het over AI washing. Dat zie je natuurlijk veel bij startups voorbijkomen. Over green washing hebben we het tegenwoordig, nu AI washing, heel veel startups roepen “We zijn een AI-bedrijf en we hebben proprietary technology. Als je een beetje doorvraagt is het vrij simpel te verkrijgen, open source technologie van Google en Facebook die ze gebruiken. Dat is een zijstap. Het mooiste voorbeeld in Nederland vind ik Picnic, die in slechts vijf jaar tijd het voor elkaar heeft gebokst om tegen grootmachten zoals Albert Heijn en Jumbo op te boksen. Ze noemen zichzelf een AI-first company. Ik denk dat tien jaar geleden niemand had gedacht dat er nog een serieuze concurrent van Ahold Delhaize zou kunnen komen of Jumbo Supermarkt. Die zijn op een gegeven moment zo groot, zulke kolossen, dat het heel moeilijk wordt om in die markt te gaan opereren. Maar ze hebben niet zozeer geïnvesteerd in dure kantoren maar in algoritmes. Alles wat ze doen wordt onderbouwd op basis van data. Dus hun inkopen worden gedaan op basis van data. De algoritmes bepalen hoeveel broden er waarschijnlijk besteld moeten worden die dag en dan kan een mens gaan kijken “Klopt dat of moeten we misschien nog wat bijbestellen want we weten dat er een lockdown is en dat mensen iets meer brood gaan eten?” AI heeft dus een kleine speler de kans gegeven om een serieuze concurrent te worden van grootmachten waarvan niemand meer dacht dat ze nog in te halen waren. Dat doen ze aan twee kanten: aan de operationele kant, dus ze zorgen ervoor dat hun operatie super stromend is waardoor ze met een paar honderd mensen de strijd kunnen aangaan en aan de andere kant dat het product voor de klant ontzettend gebruiksvriendelijk wordt. Ze hebben zelf een algoritme gemaakt dat precies op basis van historische data kan voorspellen hoe laat dat bezorgautootje bij jou voor de deur staat zodat je ook nog eventjes de hond kan uitlaten van tevoren. Want niks is irritanter als je maar naar de klok zit te kijken “Wanneer komt die bezorger nou?” Dat is natuurlijk iets wat voor klanten zo’n fijne ervaring is, ik hoor van iedereen die het gebruikt “Mij zie je die Jumbo niet meer inlopen als er een plekje over is bij Picnic”. Want soms hebben ze nog wel een beetje bezorgcapaciteit tekort.
Jeroen: Mooi! Wat heel veel in jouw boek voorkomt is dat je zegt: Kijk niet binnen een bedrijf “Ik wil iets met AI doen”, begin niet op die manier te denken, maar denk “Wat is mijn probleem dat ik opgelost wil hebben?” Kan je eens met mij een boom opzetten, wat denk jij
dat problemen zijn in de financiële sector waarvan je zegt “Dat zouden mooie problemen zijn om eens te kijken naar wat we met AI zouden kunnen”?
Remy: Je hebt hier ook het hele mooie Machine Learning canvas voor, dat is door een Fransman ontwikkeld, naar het bekende businessmodel canvas. Die neemt je stap voor stap mee met wat vraagstukken over “Waar lig je wakker van en wat zou misschien een mogelijk goed AI Machine Learning project kunnen zijn?” Wat je veel ziet is dat bedrijven gaan experimenteren met AI omdat ze willen bezig zijn met AI en dat ze het idee willen hebben dat ze innovatief bezig zijn en een soort verantwoording naar de board en de medewerkers willen hebben van “Kijk, wat zijn we toch innovatief met z’n allen”. Maar dat lost eigenlijk geen probleem op of het voegt geen echte waarde aan je business toe. Het probleem daarmee is natuurlijk weer dat op een gegeven moment het enthousiasme zakt van degene die zijn portemonnee moet trekken omdat de financiering van het project vrij snel afneemt. Dus wat moet je nou doen? Wat zeggen de experts daarover? Die zeggen “Begin nou eens met te kijken waarvan je nu al wakker ligt. Welke KPI’s bespreek je nu al wekelijks met je team?” Dat zijn dingen die je blijkbaar nu al belangrijk vindt, misschien wel waarvan je wakker ligt bij bepaalde problematieken. Als je nou jezelf de vraag stelt “Stel je voor dat ik geen beperking had in het aantal handjes om het op te lossen – want in principe kan AI heel goed handen en hoofden automatiseren – stel je voor dat ik een onbeperkt aantal handen en hoofden tot mij beschikbaar had om dit probleem op te lossen of om die KPI’s te versnellen, dan heb ik waarschijnlijk een vraagstuk dat heel goed de basis kan zijn van een mooi AI-project”. Je hebt een case, je hebt een probleem, daar ga je aan werken en je moet er ook van uitgaan dat het waarschijnlijk de eerste tien experimenten niet zal lukken maar je bent wel aan het bouwen, je bent daarmee de fundering aan het leggen voor de toekomst van je bedrijf. Dat zorgt er echt voor dat je iets hebt om naartoe te werken en dat andere mensen ook veel sneller het nut van de technologie gaan zien. Het is een middel, het is geen doel.
Jeroen: Eén van de dingen die ik heel leuk vind aan jouw boek is dat er hele praktische dingen in zitten, gewoon praktische handvatten of ideeën of websites waar je naartoe kan gaan om iets te doen. Kan je er misschien een paar noemen zonder dat mensen het boek niet meer gaan lezen? Want dat moeten ze zeker wel doen! Maar zijn er een paar voorbeelden waarvan je zegt “Dat is wel een leuke website of een leuk iets als je zelf iets met AI wil gaan doen in je organisatie of zelf?
Remy: Je kan alles van de grond af opbouwen maar dat is niet altijd nodig. Wat voor veel mensen een probleem is is dat ze best wel veel tijd kwijt zijn met het beheren van hun agenda. Dan moet je honderd mailtjes heen en weer sturen om een gezamenlijke afspraak te maken. Sommige luisteraars hebben dan het genot dat ze een assistent hebben die dat voor hen oplost. Maar veel mensen binnen een organisatie of binnen een team zullen dat niet hebben. Er is een systeempje gemaakt, X.ai, dat is een virtuele assistent op basis van een algoritme. Als je die in je cc zet, ik geloof dat ze Amy wordt genoemd, als je dan ‘[email protected]’ in je CC zet en je hebt een abonnementje, dan haalt die bot jou uit de correspondentie en gaat met de tegenpartij per mail corresponderen om een geschikte plek in je agenda te vinden. Die boekt dan wat in voor je. Dat is voor veel mensen een genot, dan moet je wel goed je agenda bijhouden, dus bij mij vergt dat nog wat voorwerk. Een ander ding dat ik ook heel mooi vind is, veel mensen moeten toch vaak gesprekken uittikken, notulen of transcripties of interviews zoals deze. Als je dan zo’n audiotape opnieuw beluistert of een gesprek dat we hier hebben gehad of een Zoom-call die je misschien hebt opgenomen om
het later even terug te luisteren kost ook heel veel tijd. Je hebt meerdere systemen die dat gewoon geautomatiseerd op basis van Machine Learning voor je doen. Dus ze herkennen je stem, ook in het Nederlands, bijvoorbeeld trint.com of amberscript.com, dat is toevallig een Nederlands bedrijf, die maken die transcripties voor je. Een hele andere leuke, daar ontschiet me even de naam van, is een digitale avatar. Jarno Duursma, een toekomstdenker uit Groningen experimenteert daar heel veel mee, dat is een computer-gegenereerd persoon en je kan ook Nederlandse teksten invoeren en die persoon spreekt het dan uit voor je. Dat is natuurlijk ontzettend handig als je een training of opleiding wil maken voor nieuwe medewerkers of onboarding-processen of noem maar op. Je hebt gewoon een virtuele avatar die niet bestaat, dat is gewoon de gelijkenis van iemand anders, en die spreekt de woorden uit die jij graag wil dat ze uitspreken.
Jeroen: Dat zijn mooie voorbeelden. Ik ben benieuwd om dat te gaan testen. Ik wil toch nog even helemaal uitzoomen naar die geopolitieke situatie. AI gaat enorm belangrijk worden als we jouw boek en heel veel andere mensen mogen geloven, ik denk dat het waar is, dan zie je dat Amerika en China de lead nemen. Op sommige gebieden ook nog wel andere landen maar dat zijn wel de twee grote blokken. Ervan uitgaande dat het voor Nederland ook cruciaal gaat zijn hoe we hiermee omgaan, wat zijn dingen die we als Nederland moeten doen om mee te komen?
Remy: Dat zit hem allereerst heel erg in training en opleiding. Wat je ziet is dat er een soort van koplopers zijn, dat zijn bedrijven, experts en heel veel wetenschappers. We zijn in Nederland echt wel wetenschappelijk goed onderlegd als het aankomt op ontwikkeling van AI-talent. Je ziet de ene na de andere universiteit bakken met geld ertegenaan gooien om nieuwe bachelor- en masteropleidingen te maken over science en kunstmatige intelligentie. Dat is de kopgroep en de achterhoede zijn allemaal medewerkers die nu al bij de bedrijven zitten en die ook wel aanvoelen “Er gaat iets gebeuren”, er zijn ook heel veel mensen bang voor hun baan. “De robots komen, wat gebeurt er met mijn baan? Ben ik straks overbodig?” Die mensen moeten meekrijgen “Wat is kunstmatige intelligentie, wat kan het, wat zijn de mogelijkheden?” en ook gaan meedenken over het feit dat kunstmatige intelligentie heel veel saaie taken kan automatiseren waardoor jij als professional, leider en ondernemer meer tijd over hebt voor dingen waar je goed in bent of voor creatieve zaken of strategisch overleg. Dus als je dan mensen daarin meeneemt in het enthousiasme van “Je baan gaat niet verdwijnen maar hij wordt vooral heel veel leuker”, dan kunnen ze ook heel goed pinpointen van “Dit stukje van mijn werk kost me heel veel tijd en dat is eigenlijk betrekkelijk makkelijk te automatiseren”. We hebben daar onder meer de nationale AI-cursus voor, dat is een gratis cursus en je kan boeken lezen, je kan trainingen en opleidingen volgen om de mensen op de vloer, de mensen in het bedrijf mee te krijgen in de kansen van de technologie. Daarmee denk ik dat je internationaal een hele goede concurrentiepositie creëert, want op datagebied gaan we het gewoon afleggen tegenover China en de VS. Dus we moeten een andere concurrentiepositie zien te vinden en ik denk dat dit een hele goede is.
Jeroen: Mooi! Je zit zelf op de website ai.nl met een nieuwsbrief dus volgens mij is dat ook een mooi punt om gevoed te worden met informatie. Dat is een beetje promotie voor jou.
Remy: Dankjewel! Elke week stuur ik de leukste weetjes over de kansen en uitdagingen van kunstmatige intelligentie.
Jeroen: Voordat ik jou ga bedanken, is er nog iets waarvan jij zegt “Jeroen, dat moeten we echt nog even benoemd hebben”, in zijn algemeenheid over AI of specifiek voor de financiële sector, iets waarvan je zegt “Dat had ik graag nog willen zeggen”?
Remy: Ik wil nog twee dingen bespreken. Ik wil nog één mooi voorbeeld geven zodat mensen ook nog een beetje geïnspireerd raken van “Jeetje, wat komt er op ons af?” en aan de andere kant wil ik nog even een kanttekening zetten bij de technologie want het is niet alleen maar een hosannaverhaal, er moet ook een kanttekening zijn. Allereerst, dat vind ik een fantastisch mooi voorbeeld, dat is het bedrijf Lemonade, dat is onlangs naar de beurs gegaan in Amerika, het is een verzekeraar. Ook die hebben geen geld gestoken in dure kantoren op Manhattan maar die zijn gaan investeren in algoritmes en modellen. Dat bedrijf bestaat nu ook vijf jaar, ze hebben net een miljoen klanten binnengehaald. Ze hebben het wereldrecord claim uitkeren behaald door die slimme algoritmes, ze hebben namelijk een claim van een gestolen jas ingediend, $700, best een dure jas. Het algoritme kon binnen 3 tot 6 seconden bepalen dat de claim valide was en hij heeft het geld gelijk op de rekening van de persoon in kwestie gestort. 3 tot 6 seconden om die denker aan het werk te zetten. Zij werken op een hele grappige manier, je moet je bonnetje insturen dat je echt die jas hebt gekocht, je moet een politierapport insturen dat je hem echt als gestolen hebt opgegeven. Maar mensen zijn betrekkelijk goed in tekst jokken. Als jij een corona schwalbe wil doen bij vrienden van “Jongens, ik voel me een beetje verkouden” is dat heel makkelijk om dat even op de app te zetten. Maar als je ze moet opbellen en hun dat persoonlijk moet gaan vertellen wordt het al een stuk lastiger. Dat weet Lemonade ook, dus je moet die app erbij pakken van hen en de camera gaat dan aan die naar je toekijkt en dan moet je naar eer en geweten in de camera nog één keer het verhaal vertellen hoe die jas nou gestolen is in de kroeg. Ik vind het een fantastische technologie. Ik denk het, maar weet het niet zeker, dat toch een paar verzekeraars daar een beetje met angst naar kijken dat zo’n speler van een paar jaar oud in één keer dit soort technologieën in huis heeft. Dat is echt die first mover advantage weer. Die algoritmes worden slimmer en slimmer, dus ze zullen misschien wel een paar misclaims doen, maar daar leert het algoritme weer van terwijl traditionele verzekeraars steeds opnieuw mensen moeten onboarden, wat een hels karwei is. Dat was eventjes nog om mensen te inspireren. Kanttekeningen zijn er ook, ik zal er niet te lang op ingaan. Twee dingen: een bekende is de bias, data zijn een weerspiegeling van de werkelijkheid maar het is niet de realiteit om ons heen. Houd er dus rekening mee dat de datasets die je hebt misschien niet al je klantgroepen representeren en geen enkele data is onafhankelijk. Maar als je er rekening mee houdt dat je weet “Misschien heb ik onvoldoende data over migrantengezinnen die negatief beoordeeld kunnen worden door algoritmes” dan kan je daar ook op acteren. Dat is één ding. Het tweede is ook een hele grappige, dat weten veel mensen niet, ze zijn vaak bang voor de superintelligentie; algoritmes die slimmer zijn dan de mens. Als die er zouden komen zijn we er nog lang niet. De methodes die we nu gebruiken zijn namelijk ontzettend inefficiënt. Er was een robothand die geleerd heeft om een Rubik’s Cube op te lossen en de hoeveelheid energie die ervoor nodig was om dat te bewerkstelligen, daar had je zes uur lang de kerncentrale in Borssele voor kunnen aanzetten. Wees dus niet bang voor het algoritme, de superintelligentie is er nog lang niet. Focus je vooral op de groeikansen die er nu zijn en de strategische zetten die jij daarin kan nemen.
Jeroen: Mooi, prachtig einde! Het enthousiasme dat ik in het begin bij de introductie benoemde uit je boek is precies ook wat ik hoor in dit gesprek. Heel erg veel dank! Wat ik wel leuk vind om mee te eindigen, je schrijft op het einde maar ook een paar keer in je boek
“Denk groot, begin klein”. Volgens mij is dat precies wat je in dit boek doet. Aan de ene kant zoom je helemaal uit, denk je echt groot, kijk je naar die geopolitieke en maatschappelijk mogelijke ontwrichtingen van superintelligentie tot aan helemaal van “Acteer klein, begin klein. Wat kan ik zelf doen in mijn organisatie of voor mezelf?”, hartstikke leuk; precies die combinatie die mij zo aanspreekt. Met dank aan Bloomon krijg je zo een bedankje voor je tijd die je aan ons hebt gegeven.
Remy: Dank daarvoor!
Jeroen: Heel erg bedankt voor je inspirerende verhaal! Remy: Dankjewel!
Dit was Leaders in Finance, we hopen dat je deze aflevering met veel plezier hebt beluisterd. We stellen je feedback erg op prijs. Wat houdt je bezig en over wie wil je meer horen? Laat het weten via een Apple of Google review. Dat kan ook via de social media kanalen of direct via een email. We kunnen het enorm waarderen als je dat doet. Tot slot danken we onze partners voor hun steun, dat zijn Kayak, EY, Odgers Berndtson executive search en Roland Berger. Bedankt voor het luisteren!