Kunstmatige Intelligentie (Artificial Intellicence of AI) is veel in het nieuws. Er zijn een boel spannende voorbeelden. Maar deze week verscheen het bericht dat Nederlandse investeringen in AI achterblijven. Een goed moment om jezelf af te vragen: wat kan ik als merkbouwer met AI?
Wat is AI eigenlijk?
Als je aan AI denkt, denk je aan slimme robots, auto’s die zelf rijden, computers die muziek maken of chatbots die zelfstandig een dialoog voeren. Dit maakt AI magisch en inspirerend, maar ook abstract: hoe werkt deze magie?
Vorig jaar was ik in Lissabon op de Websummit. Daar hoorde ik het verhaal van Cassie Kozyrkov, Chief Decision Scientist bij Google. Haar definitie van AI was verfrissend eenvoudig.
Zij vertelde dat het op dit moment simpelweg om patroonherkenning draait: je gooit een bak data in de computer en hoopt dat die patronen herkent. Met deze patronen probeer je een doelstelling te behalen.
Als voorbeeld: je geeft de computer een grote hoeveelheid foto’s. Deze vindt allerlei patronen in kleur en vorm. Het enige dat AI vervolgens doet, is labels geven aan deze patronen. De ene foto heeft een blauw vlak (label “lucht’), de andere een gele cirkel (label “zon”).
“Machine learning is a thing-labeler, essentially.”
Hoe herkent AI een kat?
Vervolgens geef je de computer ook een doelstelling: zoek zoveel mogelijk foto’s die qua patroon lijken op de foto’s van een 2e groep. Dit zijn foto’s van katten. Als de computer een foto vindt met een kat, is het goed. Als de computer een foto vindt die qua patroon passend lijkt, maar een vuilniszak of beer bevat, geef je een fout.
Zonder dat de computer enig benul heeft waarnaar wordt gezocht, leert deze met welke patronen katten te herkennen zijn. Daarmee lijkt de computer intelligent. Maar dat is dus niet zo, de computer snapt nog steeds niet het wezenlijke verschil tussen een vuilniszak en een kat.
Dit kun je zelf makkelijk toetsen. Zoek op Google naar “een kat die in de sneeuw speelt”, druk op afbeeldingen en je ziet de beelden die de computer zelfstandig heeft herkend. De meeste afbeeldingen kloppen verrassend goed, dit illustreert hoe ver gevorderd AI is. Maar als je wat verder scrollt, zie je ook foto’s van een hond in de sneeuw, een tijger in het water of de afbeelding van een kerstman op een douchegordijn.
Als je meer wilt weten over slimme beeldherkenning, check dan Adobe Smart Tags, Asset Bank of Google Cloud Vision API
AI is gewoon een lerende machine.
Echte Kunstmatige Intelligentie is daarmee nog een lange termijn ambitie. AI is op dit moment niets meer dan “machine learning”: computers kunnen met grote hoeveelheden data en eindeloze analyses goed leren wat de kenmerken van een kat zijn. Maar zelfs een kind van 3 ziet het verschil tussen de kerstman op een douchegordijn en een kat in de sneeuw.
AI maakt merken persoonlijker.
Een belangrijke belofte van AI is dat massamarketing persoonlijk wordt. Goede voorbeelden komen van Spotify, Amazon en Netflix. Doordat hun AI patronen herkent in de voorkeuren van klanten, kunnen ze persoonlijke aanbevelingen geven. Want Spotify is leuker als je muziek hoort die bij je past.
Modemerken maken hier ook gebruik van. Under Armour en Nike doen met AI betere productaanbevelingen. Nog interessanter is Revolve, een modemerk opgericht door data-analisten. Met AI ontdekken zij sneller nieuwe modetrends en spelen hun producten daar beter op in. Extra interessant is dat de computers van Revolve ook leren welke influencers het beste bij zo’n productintroductie kunnen worden betrokken.
Merkbouwers komen zo stapsgewijs voor een belangrijke keuze te staan: als ze hun klanten persoonlijk willen blijven benaderen, dan kunnen ze uiteindelijk moeilijk zonder AI.
AI gaat in dialoog.
Een toepassing van AI die al lang tot de verbeelding spreekt, is de pratende computer. In theorie ligt deze in lijn met het katten-voorbeeld: als je maar genoeg geluidsfragmenten invoert, lukt het computers steeds beter te analyseren welk geluid bij welk woord past. Vervolgens is de vraag: welke actie past het beste bij dit woord?
Merken pasten deze mogelijkheid vroeg toe bij hun callcenters. Eerst vraagt een stem waar de klant over belt. Als het antwoord is “Mijn creditcard is vanavond gestolen terwijl ik met mijn vriend aan het eten was” pikt de computer het woord “gestolen” eruit en wordt de klant doorverbonden met Verlies & Diefstal.
Inmiddels wordt veel telefonische dienstverlening vervangen door chatbots, bijvoorbeeld via Twitter of Whatsapp. De computer kan zo makkelijker zelf een reactie geven. Als de klant typt dat z’n creditcard is gestolen, kiest de computer de reactie die hij het meest passend vindt: “Wat vervelend… Wat is uw klantnummer…? Wilt u uw card tijdelijk of definitief blokkeren…? Wanneer bent u terug van vakantie…?”
De uitdaging is uiteraard dat een dagelijkse dialoog zoveel kanten op kan, dat deze snel te lastig wordt om te interpreteren voor een computer.
Vaak doet AI daarom het voorwerk: als de klant bij KLM een vraag stelt via de chat, geeft de computer een suggesties voor het meest passende antwoord. Dit bespaart de medewerker tijd, die hoeft hierdoor alleen te kiezen welk antwoord de klant te zien krijgt.
AI begrijpt abstracte vragen.
Hoe goed computers inmiddels zijn in het begrijpen van vragen, werd duidelijk toen de supercomputer van IBM het bekende TV-spelletje Jeopardy won. De computer beantwoorde abstracte vragen beter dan z’n menselijke uitdagers.
Inmiddels zijn computers ook vrij goed in staat om het sentiment achter een dialoog te herkennen. Is een klant blij, teleurgesteld of geïrriteerd over het verloop van de dialoog? Als een klant niet tevreden is over de antwoorden van de computer kan deze naadloos worden doorgeschoven naar een echte medewerkers.
Op deze manier kan ook een negatief sentiment op sociale media vroeg worden ontdekt, nog voordat het momentum krijgt.
Voorbeelden van dergelijke diensten komen van Lexalytics, Sysomos en Crimson Hexagon.
AI zoekt zo ook naar terroristische berichten of nep-accounts. Twitter haalde met AI al honderdduizenden terroristische accounts offline.
Slimme computers zijn ook belangrijker voor sociale media omdat deze van woord naar beeld gaat, zie Instagram of TikTok. Beeld is voor een normale computer een stuk lastiger te interpreteren dan woord. Dus zijn “deep-learning”-technieken nodig. Wat is er zichtbaar op de beelden? Welke trends zitten er achter en wat is het sentiment? Aanbieders zijn onder meer ClarifAI, Cloudsight en Indico.
AI zorgt voor nieuwe ecoystemen.
Stapsgewijs wordt praten met computers steeds normaler. Slimme assistenten als Google Home, Amazon’s Alexa en Apple’s Siri zijn voor iedereen beschikbaar. Volgens schattingen worden ze al door een derde van de Nederlanders gebruikt.
De slimme bots beantwoorden vragen niet alleen in woord, maar ook in daad. Ze kunnen op mondeling verzoek muziek afspelen, een taxi bestellen en een pak luiers kopen. Dit ecosysteem van diensten wordt steeds vollediger, waardoor je binnenkort vrijwel alles via de slimme spraakcomputer kunt regelen, zelfs je bankzaken.
Een cruciale consequentie voor merken is dat veel bekende interactiemomenten daarmee verdwijnen.
Als iemand Alexa vraagt om batterijen, heeft Duracell niet meer de kans om te verleiden met een display, mooie verpakking of aantrekkelijke beroemdheid. De kans is zelfs groot dat Duracell niet eens wordt overwogen. Immers, als Alexa zegt dat een merk batterijen voor jou de beste optie is, is het makkelijker deze te accepteren dan zelf na te denken over een alternatief.
Zoals ik in dit artikel schreef, geloof ik dat het merk voor Duracell juist belangrijker wordt. Het biedt de enige verdediging die Duracell in de geschetste situatie nog heeft. Het merk moet zo een stevig plekje in het hoofd van de klant hebben, dat die denkt: “Als ik Alexa om nieuwe batterijen vraag, zeg ik erbij dat ik Duracell wil hebben.“
AI zorgt voor slimme auto’s.
Een andere kans die AI voor merken biedt zit op het vlak van radicale productinnovatie. Een voorbeeld is de zelfrijdende auto. Deze heeft de potentie om zowel de autoindustrie als onze steden fundamenteel te veranderen. Automerken die AI effectief weten toe te passen, krijgen daarmee een grote voorsprong op de concurrentie.
Ook hier draait AI uiteindelijk om patroonherkenning: ziet de auto het patroon van een kartonnen doos? Of past dit patroon beter bij een peuter op een fietsje?
AI maakt supermarkten slimmer.
Een ander voorbeeld van innovatie gebeurt in supermarkten. Met slimme camera’s kan het aanbod in winkels worden geoptimaliseerd: welke schappen worden veel bekeken en welke minder? Welke klant komt wanneer in de winkel, hoe vaak komt deze persoon terug en wie is z’n gezelschap? Zo kan de ene supermarkt net iets anders worden ingericht dan de andere.
Winkels gebruiken deze technieken ook buiten, bijvoorbeeld om de nummerborden van langsrijdende auto’s te noteren. Door deze gegevens te combineren met andere databases weten ze welke mensen langsrijden, waar zij wonen, wat ze te besteden hebben en kunnen ze inschatten met welke lokkers ze de winkel in te trekken zijn. Voorbeelden van dit soort diensten komen van ShopperTrak, RetailNext en OpenAPLR.
AI maakt kassa’s overbodig.
De supermarkt Amazon Go werkt deze principes verder uit, hierdoor zijn er geen kassa’s meer nodig. De slimme camera’s van Amazon weten wie er in de winkel loopt en welke producten er in de tas worden gestopt.
De computer ziet zo dat “Janneke de Boer” door de winkel loopt. Hij herkent dat zij 4 pakken Campina-melk van €1,39 heeft gepakt en 1 daarvan weer heeft teruggezet. Hierdoor kan Janneke naar buiten lopen zonder langs de kassa te gaan, zelfs zonder een betalingshandeling te verrichten en zonder haar bonuskaart op te zoeken. Zodra zij naar buiten loopt, wordt er automatisch €4,17 van haar rekening geschreven en krijgt ze eventueel een passende bonuskorting.
AI kan klanten beter identificeren.
Een populaire toepassing van AI voor marketeers is het interpreteren van klantdata. Dit is bijvoorbeeld handig om de juiste banners, met de juiste triggers, bij de juiste klanten op het juiste moment te tonen. Door deze gegevens te koppelen aan andere databronnen kan een nauwkeurig klantprofiel worden samengesteld.
Een voorbeeld hiervan is Tweeling-analyse. AI kan analyseren welke andere groepen mensen overeenkomen met bestaande klanten van het merk. Bijvoorbeeld: de groep mensen die een dure winterjas koopt, kan veel overeenkomsten hebben met de groep mensen die naar een luxe-skioord gaat. Voorbeelden komen van Oracle Bluekai, Adobe Audience Manager en Google Marketing Platform.
Deze data kan van verrassende plekken komen.
Een energieleverancier kan aan de hand van het stroomgebruik van een huishouden goed inschatten welke apparaten op welk moment worden gebruikt. AI kan hier patronen in ontdekken: is het gezin milieubewust, wordt er tijdens Corona meer gegamed of slaapt het gezin de laatste weken onrustiger, omdat ‘s nachts het licht vaker aangaat?
AI voorspelt toekomstig gedrag.
Dit soort data kan een “koude start” voor merken voorkomen: als een klant nog weinig gekocht heeft, is het moeilijk een goede voorspelling van toekomstig gedrag te doen. Tweeling-analyse of externe data kan dan richting geven. Mensen die slechter slapen staan waarschijnlijk meer open voor een nieuw bed en bezoekers van een luxe ski-oord zijn waarschijnlijk meer geïnteresseerd in een dure jas.
Dit soort mogelijkheden zijn vakmatig interessant, maar zorgwekkend in privé-sfeer. Lerende machines werken alleen goed als grote hoeveelheden data beschikbaar zijn. Maar dataverzameling wordt door overheden en partijen als Apple, Firefox en zelfs Google terecht aan banden gelegd. Het is immers niet zo’n prettig idee als computers elke stap die je doet nauwkeurig analyseren.
Het lastige is dat er hierbij een wapenwedloop aan de gang is. Aan de ene kant wordt het moeilijker gemaakt om mensen online te volgen. Aan de andere kant wordt AI beter om met schijnbaar triviale, geanonimiseerde data mensen toch te identificeren.
AI maakt reclame slimmer.
Een ander bekende toepassing voor marketeers is Programmatic-advertising. Slimme computers kunnen zelf beslissen of het zinvol is om extra budget in een lopende digitale campagne te investeren. Denk aan Adobe Advertising Cloud, Criteo of Kenshoo.
Interessant is dat AI geavanceerde A/B-testen kan doen.
Doordat computers taal beter weten te interpreteren, kunnen ze continu nieuwe varianten van een communicatieboodschap testen. Ze leren zo autonoom welke communicatiestrategie het beste werkt voor welk type klant.
Een merkcampagne is daardoor niet meer vastomlijnd, maar krijgt op organische wijze vorm, op basis van duizenden testen. Toyota experimenteerde hiermee en Cambridge Analytica baarde opzien door te suggereren dat het op deze manier Trump hielp president te worden. Andere toepassingen komen van Persado, IPSoft en Automated Insights.
AI maakt content flexibel.
Deze organische benadering kan worden toegepast op online content. AI kan content aanpassen terwijl de bezoeker deze bekijkt. Een bezoeker kan een lagere prijs voorgeschoteld krijgen, wanneer de computer inschat dat deze de webshop gaat verlaten.
Voorbeelden hiervan zijn NeoWize en Bloomreach. Einstein van Salesforce geeft marketeers een seintje als belangrijke ontwikkelingen op stapel staan, bijvoorbeeld als de kans groot is dat een klant een contract niet verlengt. Andere voorbeelden komen van IBM en Marketo.
AI heeft ook serieuze beperkingen.
Maar hoeveel hype en potentie er ook is rond AI, de beperkingen blijken hardnekkiger dan gedacht. Dit is goed zichtbaar bij de zelfrijdende auto.
Zoals The Economist recentelijk schreef: Driverless cars show the limits of today’s AI.
“Chris Urmson, then the boss of Waymo, a Google subsidiary widely seen as the market leader, said in 2015 that he hoped his son, then 11 years old, would never need a driving licence. But progress has lagged.”
Het grote obstakel is de beperkte beschikbaarheid van data. Het is niet zo moeilijk om een computer miljoenen foto’s van katten te voeren. Maar je kunt een peuter niet 100 keer op een fietsje langs een drukke weg laten rijden om de auto te trainen dit patroon te herkennen. En hoe train je een zelfrijdende auto een ontsnapt paard op de snelweg te herkennen, een zweefvliegtuigje dat een noodlanding maakt of een man die rondloopt in een kippenpak?
Amazon liet daarom eerst haar eigen personeel winkelen in Amazon Go om zoveel mogelijk afwijkende patronen te verzamelen. Wat moet een computer bijvoorbeeld doen als een kind een pak melk pakt, er een tijdje mee door de winkel sjouwt, waarna de ouder het kind met melk en al in de kinderwagen legt?
AI herkent verkeerde patronen.
Een ander probleem is dat er ook verkeerde patronen herkend kunnen worden. Zelfrijdende auto’s blijken een stopbord, waarop een paar stickers zijn geplakt, makkelijk te verwarren met een snelheidsbord. Ze zien een motorrijder soms aan voor een parachute en dan weer voor een bobslee. Het blijkt veel lastiger te zijn om dit soort rariteiten op te lossen dan gedacht.
“A lot of people thought that filling in the last 10% would be harder than the first 90% (…) But not that it would be ten thousand times harder.“
Slimme computers kunnen ook “valsspelen”. Onderzoekers probeerden een computer te trainen op het herkennen van een longontsteking in röntgenfoto’s. Maar de AI ontdekte een ander patroon: röntgenfoto’s van elk ziekenhuis hadden net wat andere details.
Van 1 ziekenhuis was bekend dat het een bovengemiddeld aantal patiënten met longontstekingen had. De computer ontdekte dit ook en kwalificeerde foto’s van dit ziekenhuis daarom sneller positief, puur omdat het begreep dat de foto’s van dat ziekenhuis kwamen. De computer kreeg zo een vooroordeel.
AI kan racistisch worden.
Actuele voorbeelden van dit soort fouten zijn computers die met racistische resultaten komen. Bijvoorbeeld omdat ze beter getraind zijn in het herkennen van blanke gezichten.
Tijdens de Corona-crisis bleken de computers van Google een thermometer in de hand van een blank persoon te zien als een “elektronisch apparaat”, in de handen van een zwart persoon werd dit een “pistool”.
Kortom.
AI duikt zo op allerlei plekken op en is daarmee steeds relevanter voor merken. De samenwerking tussen marketing en ICT wordt hiermee nog belangrijker: kan AI voor een betere service zorgen of is het vooral een grappige gimmick?
Houd daarbij de kritische kanttekeningen goed in gedachten. AI werkt het beste in situaties waarin veel data beschikbaar is en terugkerende patronen makkelijk zijn te herkennen.
Maar veel menselijk gedrag is niet consistent. Hetzelfde woord kan in een andere context een totaal andere betekenis hebben. En er is altijd de mogelijkheid van ontsnapte paarden op de snelweg, motorrijders die op bobsleeën lijken of mannen die in kippenpakken rondlopen.
Wil je AI zelf ervaren?
Als je op een leuke wijze het effect van AI wilt ervaren, speel dan Pictionary met Google’s AI. Ook interessant zijn deze foto’s waarmee AI oude personages tot leven heeft gebracht. Ben je nerdy? Check dan dit YouTube-kanaal, daar zie je hoe AI geprogrammeerd wordt.