Artificial Intelligence
‘Kunstmatige intelligentie gaat over technologie én over ethische afwegingen’
Kunstmatige intelligentie leent zich zeer goed voor het doorspitten en analyseren van data. Een ideale tool dus voor de financiële wereld. Maar hoe doe je dat op een verantwoorde en mensgerichte manier? AI-specialist Jim Stolze heeft daar duidelijke ideeën over. ‘Er is behoefte aan extra aandacht voor de ethische kant van AI.’
‘Vijf jaar geleden gaf ik in Amsterdam een TEDx-talk over kunstmatige intelligentie’, blikt Stolze terug. ‘Ik benadrukte toen dat mensen niet bang moeten zijn dat robots onze taken gaan overnemen, maar dat we vooral bang moeten zijn voor “de robot in onszelf”. De hele dag door doen we namelijk allemaal domme taken waar we niet blij van worden. Neem zoiets als het overtikken van cijfers in spreadsheets. Die spreadsheets zijn beter dan toen we de boekhouding nog op papier deden. Maar zoals spreadsheets ons van het papier hebben bevrijd, gaat AI ons van spreadsheets verlossen.’
Geen tijd meer voor domme taken
Het publiek reageerde weliswaar enthousiast op de voorspelling van Stolze, maar was nog niet echt overtuigd. ‘Naderhand werd ik zelfs een techno-optimist genoemd’, herinnert hij zich lachend. ‘Maar inmiddels zijn we vijf jaar verder. De manier waarop mensen naar AI kijken is toch wel aardig gewijzigd. Dat komt voor een deel ook omdat we momenteel met enorme personeelstekorten kampen. Dus hoe minder tijd mensen tijdens hun werk kwijt zijn aan domme taken, hoe beter. De businesscase voor de inzet van een AI-toepassing is daardoor nu heel makkelijk te maken.’
Extra aandacht voor de ethische kant
Stolze ziet dat de tijd van experimenteren voorbij is en dat steeds meer bedrijven serieus met AI aan de slag gaan. Hij ziet ook dat die nieuwe fase tot nieuwe vragen leidt. Eerder dit jaar besloot hij het roer om te gooien: hij verkocht Aigency, een bureau dat AI-oplossingen bouwt, en is sindsdien een groot deel van zijn tijd actief binnen de mede door hem opgerichte Keuringsdienst van Data. ‘Wij zijn, zeg maar, de “witte jassen” die bij organisaties de data checken op “bias”. Ook onderwerpen we hun algoritmen aan stresstesten waarbij we kijken hoe het zit met de uitlegbaarheid, reproduceerbaarheid en eerlijkheid. Aan die extra aandacht voor de ethische kant van AI is nu veel behoefte. Naast data engineers en een jurist, zitten er dus ook twee ethici en een filosoof in ons team.’
Socratische methode
Ook in de financiële wereld blijkt er veel behoefte te zijn aan zo’n extra check. Zo klopte de AFM, de Autoriteit voor Financiële Markten, al bij de Keuringsdienst van Data aan met de vraag om een blauwdruk te maken voor financieel dienstverleners die een AI-toepassing aan het ontwikkelen zijn. ‘We zeggen niet wat ze moeten doen, maar stellen vragen. Welke algoritmen gebruiken ze? Op welke datasets zijn die getraind? Welke data gebruiken ze wel en welke niet? Wie heeft die data aangeleverd? En welke labels zijn er gebruikt, die de data identificeren en markeren? Vraag voor vraag gaan we zo steeds meer de diepte in. De Socratische methode dus. En dat werkt goed, want op die manier komen bedrijven er snel achter wat nog aandachtspunten zijn.’
‘Als Keuringsdienst van Data zeggen we niet wat bedrijven moeten doen, maar stellen we vragen. Welke algoritmen gebruiken ze? En welke data? Zo gaan we de diepte in’ - Jim Stolze, medeoprichter Keuringsdienst van Data
Binnen een paar seconden gepiept
‘Op het vlak van kunstmatige intelligentie gebeuren er in de financiële wereld momenteel al interessante dingen’, vervolgt hij. ‘Zo is het al mogelijk om via een app op je mobiele telefoon een woonverzekering af te sluiten. Het bedrijf achter die app kan dan op basis van je locatie en de data van bijvoorbeeld de woningmarkt en de omgeving binnen razendsnel bepalen welk bedrag je moet betalen. De verzekering afsluiten is daardoor binnen een paar seconden gepiept.’
Bij dit voorbeeld gaat het om supervised learning: het algoritme weet precies welke data belangrijk zijn en hoe het daarmee moet omgaan. Bij unsupervised learning wordt het vaak nóg interessanter. In dat geval kan een algoritme op basis van verschillende parameters aangeven welke transacties op elkaar lijken en daar dus clusters van maken. Blijven er transacties over die in geen van de clusters passen en waar het algoritme eigenlijk geen raad mee weet? Dan is dat volgens Stolze het ‘bakje’ waar je juist naar moet kijken. ‘Grote kans dat je daar informatie vindt waardoor je tot nieuwe inzichten komt. Ik zie AI dan ook als een samenwerking tussen mens en machine. Kunstmatige intelligentie is niet iets magisch en ook niet iets wat zijn eigen leven gaat leiden. Ik zie het vooral als een krachtig hulpmiddel dat mensen op allerlei vlakken verder kan helpen. Wat dat betreft ben ik nog steeds een techno-optimist.’
‘Ik zie AI als een samenwerking tussen mens en machine. Het is een krachtig hulpmiddel dat mensen verder kan helpen’ - Jim Stolze, medeoprichter Keuringsdienst van Data
Voorspellen wanneer facturen worden betaald: de AI-oplossing van Payt
Algoritmen worden steeds geavanceerder. Zo ook de kwaliteit van de data. En waar het voor mensen heel lastig is om duizenden financiële transacties door te spitten en daarbij op zoek te gaan naar dingen die afwijken, zijn AI-toepassingen daar juist heel goed in. Dus besloot Payt om zelf een AI-toepassing te ontwikkelen. Maatschappelijk verantwoorde keuzes ‘Bij de bouw van onze AI-toepassing zijn we klein en simpel begonnen’, benadrukt Laura Baakman, software engineer bij Payt. ‘En dat zijn we nu stapje voor stapje aan het uitbreiden. Daarbij kijken we allereerst hoe we het algoritme kunnen leren om zo nauwkeurig mogelijk te voorspellen wanneer de debiteuren van onze klanten hun rekening zullen betalen. Daarbij spelen veel verschillende factoren een rol. Om welke branche gaat het? Gaat het om een particuliere klant of juist een zakelijke? We voegen steeds meer parameters toe. Daarbij zijn er ook zaken die een uitdaging vormen. Het toevoegen van de postcode bijvoorbeeld. Want is dat wel wenselijk, om de wijk waar iemand woont mee te laten wegen? Zelf vinden we het een twijfelgeval. Het gaat niet alleen om wat er technisch mogelijk is, maar ook hoe we dit op een maatschappelijk verantwoorde manier kunnen doen.’
De praktijk
De AI-module van Payt is sinds begin 2022 in bèta bij enkele klanten. Bij elke factuur zien medewerkers van de debiteurenadministratie wat de kans is dat een factuur te laat betaald wordt en wat de verwachte betaaldatum is. Met deze informatie kan de debiteurenadministratie hun aanpak beter bepalen. Zo kan de mededeling dat een debiteur waarschijnlijk te laat gaat betalen ervoor zorgen dat die klant net even sneller een betalingsherinnering ontvangt dan wat gebruikelijk is. Op termijn zal Payt de mogelijkheid bieden om over te gaan tot geautomatiseerde vervolgacties op basis van de betaal-kansberekening. ‘Dat doen we echter zeer zorgvuldig met aandacht voor alle kanten van AI, inclusief de ethische. Het begin is er en we kijken ernaar uit om de AI-module op korte termijn beschikbaar te stellen voor al onze klanten. Een ding is zeker, de mogelijkheden zijn enorm.’
Plan zelf een persoonlijke demo in
Heeft u vragen of benieuwd naar de voordelen van Payt voor uw organisatie? Plan hiernaast zelf uw persoonlijke online demo met Thymen in! U krijgt, geheel vrijblijvend, een interactieve demonstratie van ons platform voor geautomatiseerd debiteurenbeheer. Binnen 60 minuten weet u alle voordelen van Payt voor uw bedrijf.
In 3 stappen uw gratis demo:
- Plan zelf een online demo in wanneer het u het beste uitkomt
- Krijg vrijblijvend een interactieve demo van ons platform
- Beslis zelf
Gerelateerde artikelen
Compenseer je CO2-uitstoot met Payt: Een groene stap vooruit!
Nog nooit was de automotivebranche zo dynamisch en onvoorspelbaar
