i-spark en AI/ML

20 juni 2024 | 3 minuten leestijd

ML and AI ideas

Machine Learning (ML) en Artificial Intelligence (AI) zijn tegenwoordig cruciale hulpmiddelen voor bedrijven. In de loop der jaren hebben we dit bij i-spark steeds verder geïntegreerd in onze workflow. We gebruiken nu platforms die gebruikmaken van AI, zoals Databricks, en maken ook onze eigen aangepaste oplossingen in Python of R. Om ML en AI effectief te gebruiken, is echter niet alleen technische expertise nodig, maar ook een duidelijk begrip van realistische bedrijfsdoelen en privacyregels.

i-spark and Machine Learning (ML) 

Leden van ons team werken al sinds 2003 aan en met ML. In die tijd stond dit simpelweg bekend als predictive modelling. We richtten ons op responsmodellen voor commerciële mailings en clustermodellen voor segmentatie, waarbij we tools als SPSS en SAS gebruikten. Tegenwoordig vallen deze processen onder de paraplu van ML. We maken nu gebruik van geavanceerde tools zoals Databricks en Dataiku, of we ontwikkelen aangepaste oplossingen in Python of R. Cloud computing heeft onze mogelijkheden aanzienlijk uitgebreid. Het definiëren van de juiste business cases en het managen van verwachtingen blijft echter een uitdaging. Hoewel ML zeer waardevol is, is het geen magische oplossing.

i-spark and Artificial intelligence (AI)

We maken gebruik van op AI gebaseerde tools om onze werkprocessen te stroomlijnen. Enkele voorbeelden zijn UseMotion voor intelligent agendabeheer en ChatGPT als klankbord voor het verfijnen van ideeën. Deze tools zijn onmisbaar voor ons geworden en we kunnen ons niet voorstellen om zonder te werken. Wij geloven dat elk bedrijf dergelijke tools zou moeten gebruiken om hun efficiëntie en productiviteit te verhogen.

Bij het gebruik van AI (tools) spelen verschillende belangrijke overwegingen een rol:

Code generation

We gebruiken AI voor het schrijven van code, maar voornamelijk voor eenvoudige syntaxis-taken. Wanneer we bijvoorbeeld te maken hebben met meerdere SQL-varianten (Snowflake, GBQ, Redshift, T-SQL, enz.), kunnen we een beetje in de war raken over datumnotaties en gebruiken we AI voor de juiste datumsyntaxis. Dit is praktisch en efficiënt; de sleutel is weten wat je wilt bereiken. Voor complexere gegevenstransformaties vertrouwen we nog steeds op onze expertise, omdat ChatGPT en soortgelijke tools nog niet het vereiste vaardigheidsniveau hebben bereikt.

Data analysis

We zorgen ervoor dat klantgegevens veilig blijven en niet worden gebruikt voor het trainen van modellen. Daarom verstrekken we geen klantgegevens aan willekeurige AI-tools. We gebruiken echter wel tools met ingebouwde AI-mogelijkheden, zoals PowerMetrics of GoodData, als deze deel uitmaken van de architectuur van onze klant. Als alternatief creëren we omstandigheden die veilig AI-gebruik mogelijk maken.

Creating Environments and Analytics Stacks

We zetten gecontroleerde omgevingen op waarin klanten gebruik kunnen maken van de LLM API’s van de GPT powered OpenAI API, Gemini van Google, DBRX van Databricks of Arctic van Snowflake. Hierdoor kunnen klanten de beste optie voor hun behoeften kiezen en wordt een veilige en efficiënte workflow gegarandeerd.

Conclusion

De grens tussen ML en AI kan vaag zijn. (Zie ‘AI, meer dan een modewoord?‘ voor een verdere uitsplitsing van AI versus ML). Hoewel we het er in het algemeen over eens zijn dat de huidige term AI niet volledig weergeeft wat Artificial Intelligence zou moeten zijn, zullen we ons voor praktische doeleinden aansluiten bij de algemeen gebruikte terminologie.

Als we naar de toekomst kijken, is de volgende cruciale stap voor bedrijven om prioriteit te geven aan gegevenskwaliteit. Hoogwaardige gegevens vormen de basis waarop effectieve AI-oplossingen worden gebouwd. Zonder schone, nauwkeurige en goed gestructureerde gegevens zullen zelfs de meest geavanceerde AI-systemen er niet in slagen om zinvolle inzichten te leveren. Het integreren van ML en AI in bedrijfsprocessen is een voortdurende inspanning, maar met de juiste aanpak en expertise zijn de potentiële voordelen aanzienlijk. Ons doel is om bedrijven te ondersteunen bij het benutten van deze technologieën voor duurzame groei en innovatie.