Ons 21e jaar van de Triple-E community: uitwisselen van kennis en ideeën tussen mensen uit sectoren die normaliter niet zo gauw met elkaar in contact staan, leidt vaker tot nieuwe inzichten.
Deze keer is het onderwerp ‘Data Science en AI’.
In een poging de wereld om ons heen te begrijpen en enigszins onder controle te krijgen hebben we de neiging om onze omgeving te modelleren. Standaard procedures, Best Practices, draaiboeken, standaardisatie, kosten reductie, etc. zijn de termen die we daarbij bezigen. Deze modellen zijn bruikbaar zolang de ontwikkelingen zich voltrekken langs lineaire paden.
Maar wordt het complexer dan zijn deze simpele causale modellen niet voldoende om vat te krijgen op de werkelijkheid. Data Science is de tak in de wetenschap die waarnemingen van de werkelijkheid gebruikt om inzicht te krijgen in de actuele situatie. Iedereen in het systeem kan instantaan een besluit nemen over de beste richting op basis van de ontvangen informatie. Deze overgang van denken in causaliteit naar denken in correlaties is structureel anders.
Een voorbeeld. Het treinverkeer in Nederland is georganiseerd in een spoorboekje. Iedere dag opnieuw wordt het scenario afgedraaid om een maximum aan goederen en reizigers over het spoor te vervoeren. De Best Practices van jaren zijn hierin verwerkt.
Totdat het sneeuwt, de stroom uitvalt, of een andere catastrofe zich aandient. De weerbaarheid van het systeem op onverwachte gebeurtenissen is beperkt. En als het uit de hand loopt moet het worden stilgelegd en de volgende morgen opnieuw worden opgestart.
Het wegverkeer is anders ingericht. We kunnen geen planning maken van hoe iedereen morgen moet gaan rijden. Iedere automobilist is autonoom en vrij in zijn beslissingen. Iedereen heeft de meest actuele informatie van de verkeerssituatie op de weg via Google. Als we dat systeem verder uitbreiden met zelf-bestuurbare auto’s dan bepaalt het auto-algoritme zelfstandig wat de beste weg is. We hebben dan een maximaal adaptief systeem met een maximale capaciteit.
Niet-lineair organiseren met behulp van Data Science en AI houdt in dat iedereen op ieder moment de juiste keuze kan maken op basis van de informatie die hij/zij heeft. Het vraagt om maximale samenwerking en interactie. Niet gebonden zijn aan het doorlopen van uitgedacht paden en vaste processen waarvan onduidelijk is of die iets opleveren. Maximaal adaptief vermogen.
Maar wat is de keerzijde van deze wereld van Big Data en algoritmes. Welke keuzes betekent dit voor jouw organisatie? Hoe ga je om met data privacy? Van wie is die data? Hoe ga je om met security? Hoe kan je die data vertrouwen? Gaan de algoritmes alles automatiseren?
Kortom is het Gain or Pain?
Welkom in de digitale wereld van Data Science en AI. Met drie inleiders en zes parallelle tafeldebatten zijn we aan de slag gegaan. Een verslag volgt verder in de ChangeVision groep.