Artem Pochechuev, Sigli: ‘We willen AI op de juiste manier introduceren’
Machine Learning is nog geen Machine Intelligence, stelt Artem Pochechuev, hoofd data & AI bij softwareontwikkelaar Sigli. De huidige vorm van AI - Artifical Narrow Intelligence (ANI) - kan volgens Pochechuev wel steeds meer specifieke taken beter uitvoeren. Sigli richt zich dan ook op het helpen van organisaties om deze ontwikkeling in hun voordeel te benutten door AI op een praktische en haalbare wijze te introduceren. “Als de business eenmaal overtuigd is van wat hun organisatie wel én niet kan doen met AI, dan kan het snel gaan.”
De afgelopen jaren heeft softwareontwikkelingsbedrijf Sigli de focus op de inzet van AI-technologie voor digitale transformatie verder uitgebouwd. Daarbij speelt data een onmisbare rol, want AI kan niks zonder data, stelt Pochechuev – zelf al zijn hele studie en carrière bezig op het snijvlak van data en AI. Bij Sigli vertaalt hij dit nu naar praktisch nut voor de organisaties met wie zij samenwerken.
“Ik herinner me dat in het begin van mijn carrière softwareontwikkelaars dachten in termen van ‘laat ons dit doen, dit kunnen we realiseren met onze software’. De afgelopen jaren is er een duidelijke verschuiving geweest van ‘ons ding doen’ naar in kaart brengen welke business-behoeften organisaties hebben en daar waar mogelijk een technologische oplossing voor bedenken.”
Succesvolle samenwerking
En dat is precies wat Sigli doet: concrete uitdagingen en ambities vertalen naar wat er technisch mogelijk is. Zo heeft de onderneming in samenwerking met Sensotec/Lexima hulpmiddelen voor mensen met visuele of cognitieve problemen zoals dyslexie ontwikkeld. Een goed voorbeeld is Web2Speech, een AI-gestuurde browser-extensie die onder andere webpagina’s voorleest en met markeerstiften samenvat. Daarachter zit een eigen spraak-server, woordenboek, spellingschecker en beeldwoordenboek. Pochechuev: “Dit was een dusdanig succesvolle strategische samenwerking, dat die tot op de dag van vandaag bestaat.”
Hoewel Sigli mede hierdoor veel expertise heeft opgebouwd in het onderwijsgebied, is de softwareontwikkelaar breder actief, van het verzekeringswezen tot IoT, financiën, marine, en communicatie. Zij helpen om data te migreren naar clouds, bouwen data centrische oplossingen (zoals een dataplatform) voor hen en voorzien deze van AI-functionaliteit (analytics, predicting, tutoring en nog veel meer).
Zo werkt Sigli bijvoorbeeld samen met een Nederlandse onderneming die actief is op het gebied van scheepvaart, om middels AI-toepassingen sensor- , logistieke en andere data te ontsluiten. “Daarmee kunnen zij bijvoorbeeld bepalen hoe het met hun schepen gaat en of en waar er eventueel preventief onderhoud nodig is.”
Duidelijke mindshift
Volgens Pochechuev heeft er de afgelopen jaren een duidelijke ‘mindshift’ plaats gevonden die de doorbraak van AI zoals in de voorbeelden hierboven beschreven mogelijk maakt. Was er eerst veel onzekerheid - soms zelfs angst voor AI - daarna werden de verwachtingen juist te hoog gespannen. Denk aan hoe elke organisatie opeens ‘iets’ met generative AI zoals ChatGPT of Copilot moest doen om competitief te blijven. Inmiddels is er meer balans gekomen tussen enerzijds angst en verwachtingen, anderzijds adoptie en realiteit.
“De afgelopen decennia waren er diverse van dergelijke mindshifts, waarvan de grootste die was tussen het gebruik van papier en de pc. Het duurde wel 5-7 jaar voordat de business echt grootschalig alle voordelen van computers omarmde en het niet langer zag als een digitale versie van papier. Tegen die tijd hadden de meeste gebruikers een redelijk beeld van wat ze van pc’s konden verwachten en ermee konden doen.”
Kleinere stappen volgden toen men computers in grotere netwerken ging hangen, met als eerstvolgende groot verschuiving de opkomst van internet en daarna de cloud. “De voordelen hiervan waren al makkelijker uit te leggen – zoals flexibiliteit - de adoptie van web based computing ging daarom sneller”, stelt Pochechuev . “En opnieuw: inmiddels kan niemand zich nog een wereld zonder internet of zonder cloud voorstellen.”
Derde verschuiving
De derde verschuiving, de grootschalige doorontwikkeling van AI, gaat volgens Pochechuev nóg sneller. Zelfs een paar jaar geleden was het nog vrij eenvoudig om het verschil te merken tussen een chatbot en een mens. Dat verschil wordt echter steeds kleiner en steeds lastiger om te merken.
“In eerste instantie joeg dat mensen ook angst aan, ook omdat men AI zag als een soort black box: je ziet niet hoe een AI-toepassing tot een bepaald besluit komt. Maar inmiddels begint de business steeds duidelijker de voordelen te zien van AI-toepassingen”, merkt Pochechuev. “Nu wij op dat punt van de nieuwe mind shift zitten, kunnen we makkelijker met organisaties het gesprek aan gaan over wat AI werkelijk voor hen kan betekenen.”
Juiste introductie AI
Pochechuev ziet het dan ook als de taak van partijen zoals Sigli om het nut van AI op de juiste, realistische manier te introduceren bij organisaties. Niet iets om bang voor te zijn, maar ook geen toverstokje waarmee alles mogelijk wordt. Maar door duidelijk te maken wat er nu al aan goede business cases en mogelijkheden zijn als het gaat om AI-adoptie.
“En als dat eenmaal duidelijk is, merk je dat business-mensen ook snel kunnen schakelen, snel zien wat ze met de mogelijkheden van AI kunnen doen. Logisch ook, want business-mensen die niet snel kunnen schakelen in een zeer competitieve wereld, zullen het niet lang volhouden.”
Sigli: echte AI bestaat nog niet
Echte AI bestaat nog niet, benadrukt Artem Pochechuev. Er zijn drie soorten AI te onderscheiden: Narrow AI, AGI (Artificial general Intelligence en Super AI (ook wel Artificial Super Intelligence genoemd). “We zitten al sinds de jaren ’80 in de fase van narrow AI, ook wel ANI (artificial narrow intelligence) genoemd. En daar blijven we voorlopig nog wel in zitten.”
Pochechuev ziet Machine Learning en gen AI als typische ANI-toepassingen. Machine Learning- en LLM-toepassingen zijn heel goed, vaak nog beter dan mensen, in hele specifieke taken. Weersvoorspellingen, inschatten of er sprake is van een frauduleuze transactie, spraak- of beeldherkenning.
“Maar het is nog Machine Learning, geen Machine Intelligence. Daarvan is pas sprake als we in staat zijn om Artificial General Intelligence (AGI) te ontwikkelen. Hierbij is één AI-model net zo 'intelligent' als een mens. Een AGI-systeem heeft menselijke cognitieve capaciteiten, maar kan taken veel sneller en met minder fouten uitvoeren dan mensen.”
Om eventuele verwachtingen te temperen, benadrukt Pochechuev dat AGI momenteel vooral een theoretische exercitie is. Echte AGI die de werking van het menselijke brein kan nabootsen, zelf kan nadenken, bestaat nog niet. Pochechuev vindt het echter wel belangrijk om nu al na te gaan denken over wat we eigenlijk willen en verwachten van AGI, in plaats van af te wachten wanneer de eerste AGI-toepassingen geïntroduceerd worden.
“We werden enigszins verrast door de snelheid waarmee Narrow AI zich sinds de komst van Gen AI heeft ontwikkeld, waardoor wetgeving, ethische vraagstukken etc. achter de feiten aanlopen. Denk aan de snelle verspreiding van Deep Fakes, AI-gegenereerde phishing-campagnes. Dus moeten we ervoor zorgen dat we bij AGI vooraf weten wat we er eigenlijk van verwachten, wat we ermee willen, hoe we ons tegen misbruik ervan willen beschermen. We weten natuurlijk nog niet precies hoe AGI eruit zal gaan zien en wat het kan, maar nu al een raamwerk ontwikkelen om het in te vatten, is belangrijk om er straks klaar voor te zijn.”