AI op consumentenniveau: machine learning naar de massa brengen

• Auteur:
• auteursnaam

  Quantumrun-prognose
• 27 januari 2023

Meer toegankelijke low-code en no-code aanbiedingen van Amazon Web Services (AWS), Azure en Google Cloud stellen gewone mensen in staat om hun eigen AI-applicaties te maken net zo snel als ze een website kunnen implementeren. De zeer technische AI-toepassingen van wetenschappers kunnen plaatsmaken voor lichtgewicht consumentenapps die veel gebruiksvriendelijker zijn.

AI-context op consumentenniveau

De "consumentisering van IT" is in de jaren 2010 een doorlopend thema geweest in technische kringen, maar vanaf 2022 blijven de meeste aanbiedingen voor bedrijfssoftware onhandig, inflexibel en zeer technisch. Dit paradigma is deels te wijten aan te veel verouderde technologie en systemen die nog steeds actief zijn bij de meeste overheidsinstanties en Fortune 1000-bedrijven. Het creëren van gebruiksvriendelijke AI is geen gemakkelijke taak en wordt vaak aan de kant geschoven ten gunste van andere prioriteiten, zoals kosten en levertijd. 

Bovendien missen veel kleinere bedrijven de interne datawetenschapsteams die AI-oplossingen kunnen aanpassen, dus vertrouwen ze vaak op leveranciers die in plaats daarvan applicaties aanbieden met ingebouwde AI-engines. Deze leveranciersoplossingen zijn echter mogelijk niet zo nauwkeurig of op maat gemaakt als modellen die zijn gemaakt door interne experts. De oplossing bestaat uit geautomatiseerde machine learning (ML)-platforms waarmee werknemers met weinig ervaring voorspellende modellen kunnen bouwen en implementeren. Zo stelt het in de VS gevestigde bedrijf DimensionalMechanics klanten in staat om sinds 2020 eenvoudig en efficiënt gedetailleerde AI-modellen te maken. De ingebouwde AI, ook wel "de Oracle" genoemd, biedt ondersteuning aan gebruikers tijdens het modelbouwproces. Het bedrijf hoopt dat mensen verschillende AI-toepassingen gaan gebruiken als onderdeel van hun dagelijkse werkroutines, vergelijkbaar met Microsoft Office of Google Docs.

Disruptieve impact

Cloudserviceproviders hebben steeds vaker add-ons geïmplementeerd die het voor mensen gemakkelijker zouden maken om AI-applicaties te bouwen. In 2022 kondigde AWS de CodeWhisperer aan, een ML-aangedreven service die de productiviteit van ontwikkelaars helpt verbeteren door code-aanbevelingen te doen. Ontwikkelaars kunnen een opmerking schrijven die een specifieke taak schetst in gewoon Engels, zoals "upload een bestand naar S3", en CodeWhisperer bepaalt automatisch welke cloudservices en openbare bibliotheken het meest geschikt zijn voor de gespecificeerde taak. De add-on bouwt ook de specifieke code on-the-fly en beveelt gegenereerde codefragmenten aan.

Ondertussen bood Microsoft's Azure in 2022 een reeks geautomatiseerde AI/ML-services aan die geen of weinig code bevatten. Een voorbeeld is hun AI-programma voor burgers, ontworpen om iedereen te helpen bij het maken en valideren van AI-toepassingen in een echte wereld. Azure Machine Learning is een grafische gebruikersinterface (GUI) met geautomatiseerde ML en implementatie naar batch- of real-time eindpunten. Microsoft Power Platform biedt de toolkits om snel een aangepaste applicatie en workflow te bouwen die ML-algoritmen implementeert. Eindzakelijke gebruikers kunnen nu ML-applicaties van productiekwaliteit bouwen om verouderde bedrijfsprocessen te transformeren.

Deze initiatieven blijven gericht op personen met minimale tot geen codeerervaring die AI-toepassingen willen testen of nieuwe technologieën en procesoplossingen willen verkennen. Bedrijven kunnen geld besparen op het inhuren van fulltime datawetenschappers en ingenieurs en kunnen in plaats daarvan hun IT-medewerkers bijscholen. Cloudserviceproviders profiteren ook door meer nieuwe abonnees te verdienen door hun interfaces gebruiksvriendelijker te maken. 

Implicaties van AI van consumentenkwaliteit

Bredere implicaties van AI op consumentenniveau kunnen zijn: 

• Een groeiende markt voor bedrijven die zich richten op het ontwikkelen van no- of low-code AI-platforms waarmee klanten zelf applicaties kunnen maken en testen.
• Een macrotoename van het tempo van digitalisering van publieke en private operaties. 
• Coderen kan een minder technische vaardigheid worden en kan in toenemende mate worden geautomatiseerd, waardoor een breder scala aan werknemers kan deelnemen aan het maken van softwaretoepassingen.
• Cloudserviceproviders maken meer add-ons die de softwareontwikkeling automatiseren, waaronder het scannen op cyberbeveiligingsproblemen.
• Meer mensen kiezen ervoor om zelf te leren coderen door geautomatiseerde AI-platforms te gebruiken.
• Onderwijsprogramma's voor coderen worden steeds vaker overgenomen (of opnieuw geïntroduceerd) in curricula van middelbare en middelbare scholen, uit angst voor deze no- en low-code-toepassingen.

Vragen om op te reageren

• Als u AI-toepassingen van consumentenkwaliteit hebt gebruikt, hoe gemakkelijk waren deze dan te gebruiken?
• Hoe denk je dat AI-apps van consumentenkwaliteit onderzoek en ontwikkeling zullen versnellen?