Recensie AI in de praktijk

Het boek AI in de praktijk biedt een drie-stappenplan om Artificial Intelligence in je organisatie te gaan gebruiken. Hennie Huijgens laat aan de hand van vele voorbeelden zien dat AI ondertussen al op vele plekken wordt gebruikt en zijn waarde heeft bewezen .

Het boek begint met een korte introductie AI en gaat vervolgens in detail in op het drie-stappenplan:

• Stap 1: beschrijf de implicaties van AI in een AI-verkenning
• Stap 2: maak een plan voor de toepassing van AI
• Stap 3: Maak een integraal organisatieplan voor AI.

Stap 1: Beschrijf de implicaties van AI in een AI-verkenning:

• Verken de kansen en uitdagingen van AI
  • Maak een engheidsmatrix (erg nuttig – zit niemand op te wachten, eng – absoluut ethisch verantwoord)
  • Een opstapje naar portfoliomanagement van AI-toepassingen
• Onderzoek implicaties van bestaande AI-toepassingen
  • FAST-principes: fairness, accountability, safety, transparency
  • FAIR data: findability, accessibility, interoperability, reusability
  • Protocollen en standaarden voor ethische AI
  • Een link met agile ontwikkelen
  • De levenscyclus van AI-toepassingen (modelvereisten, data verzamelen, data opschonen, data labelen, functieontwerp, modeltraining, modelevaluatie, model inzetten en model monitoren)
• Schrijf een AI-verkenning
  • De vorm van een AI-verkenning
  • De afbakening van het onderwerp van je verkenning
  • Breng de actuele stand van zaken rond je onderwerp in kaart
  • De structuur van AI-verkenning
• Verbeter je AI-verkenning aan de hand van een checklist.

Stap 2: Maak een plan voor de toepassing van AI:

• Verken hoe AI in praktijksituaties wordt toegepast
  • Een korte inleiding in een agile manier van werken
  • Epics, features, user stories
  • Wat als mijn organisatie niet agile werkt?
• Onderzoek invoeringsaspecten van bestaande AI-toepassingen
  • Op zoek naar epics: toepassingen van AI in je eigen organisatie
  • Werk epics uit in features: op zoek naar minimum viable products
• Schrijf een eerste versie van een AI-toepassingsplan voor je eigen organisatie
  • Verbeter de ethische verantwoording van AI-toepassingen
  • Verhoog de waarde van AI-toepassingen
• Verbeter je AI-toepassingsplan aan de hand van een checklist.

Stap 3: Maak een integraal organisatieplan voor AI

• Verken hoe AI een plek moet krijgen in jouw organisatie
  • De inbedding in de organisatie
  • De levenscyclus van AI: onderhoud en beheer
  • Vaardigheden en kennis van AI bij medewerkers
• Onderzoek haalbare en impactvolle toepassingen van AI
  • Beslissingen nemen: welke epic als eerste realiseren
• Werk de epics in je organisatie breed AI-portfolio uit
  • Werk user stories voor belangrijkste epics en features uit
  • User stories: SMART-principe
  • Gebruik een Scrum-tool om je AI-portfolio te organiseren
  • Maak een tijdsplanning (Gantt chart)
• Verbeter je organisatie breed AI-portfolio aan de hand van een checklist en communiceer dit
  • Inrichten Obeya-room
  • Checklist voor je organisatie breed AI-portfolio
  • Actueel houden van het AI-portfolio
  • Betrek beslissers in de AI-aanpak

Praktijkvoorbeelden

Door het hele boek heen vind je een aantal uitgewerkte praktijkvoorbeelden van AI in de praktijk, waaronder:

• De MONOcam: herkennen onjuist mobile telefoongebruik in auto’s (De Nationale Politie)
• AI inzetten voor het maken van slimme hypothesen (Elsevier)
• Adaptive radiotherapy: AI voor het verbeteren van de behandeling van kanker (NKI)
• CT-scans analyseren op corona en tuberculose (Radboudumc)
• Door AI aangedreven neurotechnologie (Het Donders AI for Neurotech Lab)
• IT Operations analytics (ING)
• AI Hiring Tool (VU)
• Online chatbot voor het melden fraude (De Nationale Politie)
• Diabetische oogscreening (Radboudumc)
• Robots in retail: vakkenvullen (Ahold Delhaize).

Naast het boek is er een website www.ai-in-de-praktijk.nl en is er een (gratis) online onderwijsprogramma AI in practice op het edX-platform (preparing for AI en Applying AI).

Conclusie

Het drie-stappenplan AI in je organisatie kan gezien worden als een stukje portfoliomanagement voor het segment AI binnen je organisatie. Vanuit een verkenning waarin de implicaties van AI worden onderzocht kom je tot een AI-toepassingsplan en uiteindelijk een AI-projectportfolio. Het boek met praktische handvatten en vele voorbeelden is een mooi startpunt om met AI binnen je eigen organisatie aan de gang te gaan. Het gebruik van de engheidsmatrix waarin het ethische aspect naar voren komt kan gebruikt worden bij de selectie en prioritering van mogelijke AI-toepasingen.

Bestellen AI in de praktijk: managementboek.nl, bol.com

Review Getting started in project data

AI and more specific AI and project management gets more and more attention. The key to this development, however, is project data. Getting started in project data is a report that helps you to get a first understanding of project data analytics.

The guide from the APM contains contributions from Alex Robertson, Andy Murray, Gareth Parkes, and Martin Paver.

qrc-project-data-ai-and-pm-220122-v1Download

Project data analytics is the use of past and current project data to enable effective decisions on project initiation, delivery, and efficient automation of project tasks.  This can be done in three ways: 

• by using algorithms to respond to data inputs to perform routine tasks faster with fewer errors than if processed manually 
• by collecting, cleaning, analysing, structuring, and presenting data in the most effective format to make better decisions
• by using it to predict future performance to make timely decisions and actions.

The report shows how you can make a tactical start and take a strategic approach with project data analytics.

The report is available at https://www.apm.org.uk/resources/what-is-project-management/what-is-project-data-analytics/

Review AI and the Project Manager

The book AI and the project manager – How the rise of artificial intelligence will change your world, by Peter Taylor, is probably one of the first where we see the link between Artificial Intelligence (AI) and project management. It gives insights into what is out there with regard to AI in project management. Gartner states that by 2030, 80% of the work of today’s project managers will be eliminated as AI takes on functions such as data collection, tracking, reporting, analytics, and predictive analysis.

AI Definitions

The book starts with some definitions:

• AI is the designing and building of intelligent agents that receives percepts from the environment and takes actions that affect that environment.
• Artificial narrow intelligence (ANI) or ‘Weak’ AI is AI that exists today (e.g., play chess, analysing data to produce reports, Siri, Google Assistant, et cetera).
• Artificial general intelligence (AGI) or ‘Strong’ AI refers to machines that exhibit human or adaptable intelligence. As such there are no real-world examples of ‘Strong’ AI.
• Besides these you get definitions of Machine Learning, applied intelligence, deep learning, responsible AI, predictive analysis, computer vision, natural language processing, intelligent automation and dark data.

AI Categories

The author distinguish four main categories of AI related to project management:

• Project management process automation (auto-scheduling, automatically tracking progress and status of tasks, exception based management)
• Project assistant style chatbots (organising meeting, progress management tracking, team reminders, …)
• Project intelligence through machine learning (supervised, unsupervised, reinforcement and rules-based learning)
• The future state of the autonomous project manager (no real life examples)

Data

Having the data is key in AI. Unfortunately projects are complex to model, but typically they have poor historical data and factors that are hard to understand (i.e. behavioural aspects of various actors). Any historical data is heavily biased, subjective, and unreliable as more often than not it did not reflect real delivery detail or accurate completion rates. 

Some AI use cases

In the book many use cases for using AI. To mention a few:

• The ultimate goal, of a supplier of AI driven PM software, with machine learning should be to automate data insights on project delivery, help project teams spot problems early, and identify where best to focus project management efforts to continually reduce the uncertainty and increase the probability of delivering project outcomes.
• Another supplier wanted to use technology and data in order to understand what made projects succeed or fail and prioritise leveraging the knowledge of the people behind them (people data) and not simply the traditional project data (when the task is complete) most people used. Or can machine learning support the ability to ‘match’ people on he projects they would be most passionate about working on.

Project are about people

Project managers, in the ‘new AI normal’ world is still about people and will:

• use all of that AI insights and predictable capability
• really have time to get to grips with complexities of people and teams
• build and lead incredible project teams into a single purpose-driven powerhouse.

The book ends with some thoughts on the future project manager (can anyone do project management, will certification be valueless, will we abandon methodology, are professional bodies irrelevant and will our skills be devalued) and AI in project management survey response details.

Conclusion. 

This book shows that AI is not the silver bullet to solve all our project related problems. The book gives many AI examples from ideas to realised AI solutions. For those who aren’t familiar yet with AI and project management you get some first insights, definitions, and AI use cases. It will help to start a discussion where you can benefit from AI. for sure, project managers can definitely benefit from AI and use their scarce time to focus on people! But I am not sure yet, if in 2030 80% of the work of today’s project managers will be eliminated.

To order AI and the project manager: managementboek.nl, bol.com

Recensie Dit is kunstmatige intelligentie

Het boek ‘Dit is kunstmatige intelligentie – Een introductie in de technologie die ons leven steeds meer bepaalt’, geschreven door Simon Koolstra, Belle de Veer en Tijmen Veltman, geeft een introductie in AI en de achterliggende technologie, concepten en algoritmen en toepassingen.

Mijn eerste ervaringen met ‘Artificial Intelligence’ dateren van eind jaren 70, de tijd van ponskaarten en teletypes, waar ik een Mens-erger-je-niet programma schreef en matrix-algebra toepaste om pen-gestuurde computertekeningen te maken. Waar we als student nog enthousiast konden zijn over de chatbot avant la lettre ‘Eliza’. Vervolgens begin jaren 90 heb ik modules aan de open Universiteit over kennissystemen gevolgd en op mijn werk werden de eerste stappen gezet met verzekeringsacceptatieprogrammatuur. En recentelijk heb ik nog de Nationale AI cursus gevolgd.

Het boek biedt een scala aan onderwerpen die het onderwerp kunstmatige intelligentie nader uitwerken. Hierbij is het boek onderverdeeld in vier onderdelen:

• AI concepten
• AI algoritmen en toepassingen
• AI technologie
• AI in samenleving en bedrijf

In het boek worden een aantal herkenbare en minder herkenbare begrippen uitgelegd. Om er een aantal te noemen:

• Machine learning: Als een algoritme geautomatiseerd leert van data
• Model: Een getalsmatige benadering van de werkelijkheid
• Verliesfunctie: Een getal dat aangeeft hoe ver de voorspellingen van het model van de werkelijke waarden afliggen
• Simpson’s paradox: een fenomeen uit de statistiek, waarin je tot tegenovergestelde conclusies komt wanneer je naar aparte datasets kijkt dan wanneer je deze datasets combineert en naar het geheel kijkt
• Confusion matrix: getallen die laten zien hoe goed een model functioneert waarbij inzicht wordt geboden in de diagnose en in hoeveel procent de diagnose juist is
• Reinforcement learning (categorie van machine learning): De computer leert door in een testomgeving handelingen te testen en te zien hoe de omgeving reageert. Zo leert de computer welke handelingen tot het beste eindresultaat leiden
• Supervised learning (categorie van machine learning): De computer leert van veel voorbeelden van data met gegeven uitkomsten. Op basis daarvan kan de computer vaststellen wat de belangrijkste eigenschappen zijn die tot die uitkomsten leiden
• CAPTCHA: Completely Automatic Public Turing test to tell Computers and Humans Apart (b.v. ‘geef aan op welke plaatjes je allemaal stoplichten ziet’ zodat de website weet dat je een persoon bent)
• Unsupervised learning (categorie van machine learning): Het doel is de computer te leren om data te groeperen op basis van de gegevens die van de datapunten bekend zijn (zonder vooraf meegegeven voorbeelden van groeperingen)
• Neurale netwerken: een type algoritme waarmee de werking van menselijke hersenen wordt nagebootst om te leren en beslissingen te nemen
• Deep learning: neurale netwerken die vele lagen diep zijn
• Beslisboom: een relatief simpele machine learning techniek. Een beslisboom verdeelt stap voor stap de dataset in kleinere groepen. Elke stap bevat een stelling waar een datapunt wel of niet aan kan voldoen.
• Big data: een hele grote dataverzameling die niet meer op traditionele databasemanagementsystemen onderhouden kan worden
• Gestructureerde data: kan je opslaan in en tabel
• Ongestructureerde data: volgt geen vast formaat
• Deepfakes: levensechte, maar computer-gegenereerde en dus neppe beelden.

Conclusie. Het boek geeft veel inzicht in concepten, algoritmen en toepassingen van AI. Het gaat je zeker helpen om een beter begrip te krijgen van AI. Vooral de vele voorbeelden spreken tot de verbeelding. Ik vind het echter te veel een aaneenschakeling van losse hoofdstukjes. Er is wel een clustering gecreëerd maar om direct met AI-concepten te beginnen maakt het boek moeilijk toegankelijk. Ik miste een rode draad door het boek. Ik zou zeggen begin met deel IV eventueel uitgebreid met hoofdstuk 1. En ga vandaaruit het begrip AI verder afpellen. Met deel III had ik meer moeite. Enerzijds zijn een paar hoofdstukken wel heel simplistisch neergezet over b.v. de computer en programmeren. Anderzijds hadden onderwerpen zoals machine learning, de vloek van dimensionaliteit en big data beter elders in het boek opgenomen kunnen worden. Ook had een hoofdstuk Overheid en AI niet misstaan, denk bijvoorbeeld aan het sociale kredietsysteem in China. 

Het boek wordt gepromoot als standaardliteratuur voor het ‘NL AIC AI for Business Certificering’. Om studenten behulpzaam te zijn zou ik een verklarende woordenlijst en een index toevoegen (Ik wil b.v. weten wat is machine learning of deep learning? De inhoudsopgave biedt echter geen houvast). Daarnaast kan het gebruik van QR-codes om bij filmpjes te komen behulpzaam zijn.

Verder jammer dat er bij het maken van het boek onvoldoende van AI, lees spellingscontrole, gebruik is gemaakt om de kwaliteit het boek te verhogen (ik kwam bijvoorbeeld tegen ‘wordt gespeelt’). Ook een check op consistentie en overlap tussen de hoofdstukken had op zijn plaats geweest (ik ben bijvoorbeeld drie keer een stukje tekst tegengekomen waarin heel summier uitgelegd wordt wat het bordspel Go is).

Bestellen ‘Dit is kunstmatige intelligentie’: managementboek.nl, bol.com

DE NATIONALE AI-CURSUS

Dit weekend DE NATIONALE AI-CURSUS gevolgd waarin kunstmatige Intelligentie (AI) op een begrijpelijke manier wordt uitgelegd. Het doel is om 1% van de Nederlandse bevolking te bereiken met deze gratis online-cursus.

8 tracks (totaal 4-6 uur):

• Een kijkje in de wereld van AI
• Wat is AI
• Is een zoekmachine ook AI
• Machine learning
• Deep learning
• AI in het dagelijkse leven
• AI en de overheid
• Het werk van de toekomst

Je krijgt stellingen, vele filmpjes (uitleg, interviews met experts), samenvattingen en daarnaast verwijzingen naar extra informatie maar ook gratis verdiepingscursussen. Soms een open deur maar ook een aantal keren getriggerd en nieuwe inzichten gekregen. Wie volgt: https://app.ai-cursus.nl/home