DI Summit 2018 - Artificiële intelligentie gedemystifieerd

Eind juni 2018 vond op de ULB campus in Brussel de 4e editie van de DI Summit plaats met dit jaar als thema ‘AI Demystified’. Alle relevante betrokken velden waren vertegenwoordigd: overheid en academia, kleine start-ups en grote multinationals, industrie en consultants. Dit maakt meteen dat de DI Summit the place to be is om mee te blijven met de belangrijkste ontwikkelingen en trends op het vlak van data innovatie, maar aan de andere kant maakt dit ook dat er vrij veel algemene talks gegeven werden en dat de echte innovaties hier niet helemaal tot hun recht komen. Er werden wel workshops georganiseerd om in de code te duiken, maar met een grote ongelijke voorkennis van de deelnemers worden de verwachtingen op praktische inzichten ook hier zelden ingelost.  

Op basis van enkele sessie die ik volgde die dag zou ik 4 grote thema’s willen identificeren die me opvielen dit jaar: institutionalisering, industrialisering,  organisatie en ethiek.  

Institutionalisering – de overheden beginnen hun structuren en programma’s op orde te krijgen, academische samenwerkingen worden opgezet.  

Industrialisering – data scientists houden van hun modellen, maar voor het operationeel in productie brengen hiervan ontbreekt soms nog de nodige DevOps ingesteldheid.

Organisatie – Het is een ding om goed model te bouwen om een bepaald probleem te benaderen, het is nog iets helemaal anders om een organisatie zo in te richten dat de uitkomsten van het model ook effectief op regelmatige basis tot doortastende beslissingen leiden. Hiervoor is een datagedreven cultuur nodig en dienen goed doordachte processen en methodieken geïplementeerd te worden.  

Ethiek – Naar mijn gevoel mocht er meer aandacht gaan naar de gevaren van AI, die wel hier en daar aan bod kwamen, maar vooral geen domper op de feestvreugde mochten betekenen. Het is niet onlogisch dat er minder aandacht voor ethiek was dit jaar, aangezien dit het thema was van de summit van vorig jaar. Het valt buiten het bestek van deze tekst om hier oplossingen aan te dragen, maar als we niet in de val willen trappen van ‘automated inequality’ - naar het boek van Virginia Eubanks, of als we willen vermijden dat onze eigen vooringenomenheid in onze modellen sluipt, is er toch meer nodig dan wat er vandaag gebeurt.  

De demystificatie waarvan sprake in de titel lijkt eerder het besef in de datascience gemeenschap dat er om impact te hebben binnen een organisatie, een zeker conformisme aan bestaande structuren in de organisaties nodig lijkt. De nadruk die in verschillende presentaties gelegd wordt op het belang van maturity assessments, storytelling, data governance, en architectuur suggeren dat het niet langer voldoende is om een mysterieus black box model te presenteren aan een CEO om serieus genomen te worden. Datascience is op weg naar volwassenheid, en daar komen lastige dingen zoals data quality, security en privacy en change management bij kijken.