Als Vice President en Chief Technology Officer is Stephen Iddings nauw betrokken bij het opstellen van de AI (Kunstmatige Intelligentie) strategie van LexisNexis. In dit interview deelt hij hoe LexisNexis AI en Machine Learning (ML) gebruikt voor het ontwikkelen van innovaties en het efficiënter maken van producten. Hij waarschuwt wel dat AI alleen nuttig is wanneer de kwaliteit van de data die er in gaat goed is.
Hoe gebruikt LexisNexis AI technologie momenteel?
Dat doen wij op drie manieren. Ten eerste is dat voor klant innovatie: wij bieden AI aan in onze producten. De tweede manier heeft te maken met operationele efficiëntie. Wij gebruiken AI om onze processen efficiënter te maken. En de laatste manier van het gebruik van AI is dat we steeds nieuwe mogelijkheden onderzoeken. Dit zijn innovaties die nog niet in productie zijn maar waar wij achter de schermen testen mee doen.
Kun je een paar voorbeelden noemen?
AI levert een bijdrage aan hoe onze klanten gebruik maken van onze producten. Bijvoorbeeld wanneer een gebruiker een opdracht intypt in de zoekbox dan kunnen we met de hulp van AI een voorspelling doen van wat de gebruiker zoekt en geven we suggesties. AI modellen kunnen vervolgens op basis van al deze zoekopdrachten ook bepalen waar het meest op wordt gezocht. Deze komen dan bovenaan te staan in de resultaten.
In zakelijke systemen gaat Robotic Process Automation (RPA) een rol spelen bij het automatiseren van simpele taken. Ook gebruiken wij AI om retentie modellen te bouwen zodat we kunnen identificeren of een klant wil gaan opzeggen. Hierdoor kunnen wij eerder het gesprek aangaan met deze klant en hopelijk een opzegging voorkomen.
Een mooie nieuwe ontwikkeling is ook het inzetten van chatbots die Natural Language Processing (NLP) gebruiken om steeds slimmer te worden. Zo kunnen ze een vraag van een gebruiker begrijpen, classificeren in een bepaalde categorie en onthouden wat een gebruiker in het verleden heeft gevraagd en spelen hierop dan in.
Op welke onderdelen hebben AI en Big Data het meeste effect gehad en hoe heeft dit de manier waarop je zaken aanpakt verandert of verbetert?
AI bestaat niet zonder data. Data is altijd het begin. Je hebt data nodig om te testen en om modellen te bouwen voor machine learning. We hebben veel geld besteed als bedrijf om zo veel mogelijk kwalitatief goede data en content te vergaren. Zo hebben we nu content afkomstig uit 47.000 verschillende bronnen. Veel organisaties hebben ook zelf data verzameld, bijvoorbeeld gegevens over hun klanten. Wanneer wij verrijkingen en kennisgrafieken toepassen op hun data en die van ons, dan kunnen klanten waardevolle inzichten verzamelen en die gebruiken voor onderzoek, media intelligence en compliance.
Welk advies heb je voor organisaties die ook AI willen gaan gebruiken?
Denk aan je klant, aan wie ze zijn en of ze ontvankelijk zijn voor AI functionaliteiten. Ik heb al heel veel AI initiatieven gezien en het patroon dat ik zie bij succesvolle projecten is dat het niet gaat om hoe goed ze zijn in AI. Want bijna iedereen doet het op dezelfde manier. Het gaat er uiteindelijk niet om of je het beste bent in het beantwoorden van vragen maar dat je die vragen beantwoord die een antwoord nodig hebben.
Je kunt bijna alles oplossen met de hulp van AI en de rol van een data scientist is om te beginnen met: ‘Welke vraag moet ik beantwoorden, welke content en functionaliteiten zijn nodig om een antwoord te geven en wat heeft het model nodig om de vraag te beantwoorden.’
Wat is jouw advies voor organisaties die op zoek zijn naar meer data en deze willen integreren in hun systemen?
Veel start ups investeren in het kopen van deze data via bijvoorbeeld een partij als LexisNexis. De reden dat het zo goed gaat met Nexis® Data as a Service is dat het een makkelijke manier is voor partijen om snel aan kwalitatieve goede data te komen en zo waarde toevoegen aan hun organisatie.
