Hoofdstuk 3 IT en de economie van de 21ste eeuw

3.1 Een IT-gedreven economie

3.1.1 Vooravond van de 21ste eeuw

  • Op het einde van de 20ste eeuw komen een aantal trends samen die de veranderingen in de huidige eeuw hebben mogelijk gemaakt:
    • Het ontstaan van een wijdverspreid digitaal platform.
      • Internet
      • Personal Computer
      • World Wide Web
    • Goedkope infrastructuur voor dit digitaal platform.
      • Onder invloed van overinvestering in glasvezelkabel ten gevolge van de dot-com hype eind jaren 90.
    • Wegvallen van geopolitieke en economische muren in de wereld.
      • Dit nieuwe platform kan gaan opereren op wereldschaal.

3.1.2 Cultuur van delen en samenwerken

  • Op het internet en het WWW heerste reeds vanaf het begin een cultuur van delen en samenwerken.
    • Internet en Web ontstond in academische middens, waar deelcultuur een basisprincipe is. Het basisidee in de academische wereld is dat onderzoekers hun resultaten vrij ter beschikking stellen zodat andere onderzoekers hier mee verder op kunnen bouwen.
  • Voorbeeld: Apache Webserver.
    • Brian Behlendorf was een student aan Berkeley University en kwam daar in contact met het internetfenomeen.
    • In 1992 richtte hij zijn eigen mailinglist SFRaves waarmee informatie, ideeën en events werden gedeeld omtrent raves in de San Francisco omgeving.
    • Hij volgde ook diverse discussiefora op het internet waar Tim Berners-Lee en Marc Andreessen actief communiceerde over het WWW en de MOSAIC browser. Hij geraakte hierdoor steeds meer gefascineerd door het nieuwe digitale platform.
    • Hij ging werken voor HotWired, de in 1994 opgerichte website voor het maandblad Wired.
      • Wired was een tijdschrift dat als voornaamste onderwerp technologie en de impact van technologie heeft.
      • Het blad werd opgericht in 1993.
    • Hotwired had nood om gedeeltes van de website met paswoorden te beveiligen, maar de NCSA webserver die zij gebruikte kon dit niet aan.
      • Een webserver is de software die websites ‘host’ op het internet. Wanneer iemand het adres van een webpagina in zijn webbrowser ingeeft, dan stuurt deze browser een verzoek naar de juiste webserver die vervolgens een digitale kopie van de webpagina terugstuurt naar de browser. Deze communicatie tussen browser en webserver gebeurt over het internet.
      • In zekere zin kan je webservers als de ‘kopieerapparaten’ op het internet beschouwen.
    • Omdat de broncode van de NCSA webserver vrij beschikbaar was, besloot Behlendorf een ‘patch’ te maken voor de NCSA server.
      • Een ‘patch’ is een stukje code dat aangeeft hoe de broncode van software moet gewijzigd worden om een fout in de software te verwijderen of een nieuwe functionaliteit toe te voegen. Het bevat dus enkel de instructies wat er precies gewijzigd moet worden en is niet een volledige nieuwe herschreven versie van de software.
      • Het vrij beschikbaar stellen van de broncode is een eerste indicatie van de deelcultuur.
    • Andere webmasters maakten ook patches aan voor de NCSA webserver. Net als Behlendorf besloten deze webmasters om hun patches niet enkel voor zichzelf te houden, maar terug te sturen naar NCSA zodat deze laatste hun eigen software kon verbeteren.
      • Dit is wederom een symptoom van de deelcultuur.
    • Omdat NCSA de toevloed van patches niet meer kon volgen en evenmin kon verwerken in hun software, besloten Behlendorf en andere webmasters een nieuwe webserver te maken vertrekkende van de NCSA broncode en de beschikbare patches.
    • In 1999 was de NCSA webserver volledig herschreven en ging de werd deze nieuwe versie Apache gedoopt.
    • Opmerkelijk was dat de onderneming die deze Apache webserver had ontwikkeld volledig virtueel en bottom-up was zonder eigenaar en CEO.
    • Uiteindelijk werd de Apache Software Foundation opgericht in 1999, een Amerikaanse non-profit organisatie ter ondersteuning van de Apache webserver.
      • De ASF ontwikkelde een specifieke licentie waardoor broncode van hun software vrij beschikbaar zou zijn. Deze open-source licenties zijn de economisch-juridische resultante van de deelcultuur op het internet.

3.1.3 Web 2.0 en Sociale Media

  • Web 2.0
    • Web 2.0 verwijst naar een nieuw tijdperk op het web dat omstreeks 2001 van start ging.
    • Web 2.0 verwijst naar diverse webtechnologieën waardoor bezoekers van websites hun eigen content konden toevoegen.
  • Web 2.0 technologie legde de basis voor sociale mediasites zoals we deze nu kennen.
    • Een definitie van sociale media is dan ook “Websites op basis van web2.0 technologie die een ruimte voorziet voor sociale interactie, om gemeenschappen te bouwen en samen te werken rond gemeenschappelijke projecten”.
  • Sociale mediasites komen in diverse formaten, ieder met hun eigen focus.
    • Creatie en publiceren van content.
      • Blogs, podcasts.
    • Delen van content.
      • Flickr, YouTube .
    • Sociale netwerken.
      • LinkedIn, Facebook.
    • Samenwerkingsprojecten.
      • Wikipedia, Kickstarter.
  • Web 2.0 en sociale media hebben de deelcultuur geïnstitutionaliseerd op het Web. Door gebruikers van het web om te vormen tot producenten van webcontent is het web fenomenaal snel kunnen groeien.
  • Met de evolutie naar Web 2.0 en de opkomst van sociale media is het digitale platform geworden wat het vandaag de dag is.

3.1.4 Digitaal versus fysieke producten en diensten

  • Het eerste fundamentele effect dat het digitaal platform had op de economie was de transformatie van fysiek tastbare producten en diensten naar digitale virtuele varianten.
  • De eerste producten die werden gedigitaliseerd werden vaak volledig en eenvoudig getransformeerd:
    • Muziek
    • Boeken
    • Films
  • Deze werden gevolgd door fysieke producten die werden vervangen door softwaretoepassingen.
    • Agenda app op smartphone in plaats van fysieke agenda.
    • Rekenmachine software op smartphone in plaats van fysiek rekenmachine.
    • Digitale stratenmap in plaats van papieren map.
    • Digitale krant in plaats van papieren krant.
  • Maar ook producten en diensten die we (nog) fysiek consumeren worden deels gedigitaliseerd door vaak bepaalde aspecten van de klantenervaring over te laten aan software.
    • Met de trein reizen is nog steeds een fysieke bezigheid, maar het plannen van een rit en de aankoop van het ticket is nu digitaal.
    • Het aankopen van kleding en schoenen heeft nog steeds een fysieke component, maar het aanbevelen van passende kledij wordt nu door software gedaan.
  • De voornaamste drijfveer om over te schakelen op digitale varianten van fysieke producten is gerelateerd aan de kost van het kopiëren.
    • Dankzij de industrialisatie zijn fysieke producten vaak nauwkeurig en relatief goedkoop te kopiëren.
    • Digitalisatie gaat echter nog een stap verder en laat toe digitale producten exact en quasi gratis te kopiëren.
  • Daar de kost om te kopiëren (=marginale kost) zo goed als nul is, levert het aanbieden van digitale varianten een strategisch kostenvoordeel op.
  • Het feit dat digitale producten quasi gratis te kopiëren zijn, heeft echter het grote nadeel dat dit (mede dankzij het internet en het Web) ook zal gebeuren.
    • Dit leidde tot de opkomst van illigale internetpiraterij van alles wat volledig digitaal was, wat natuurlijk het kostenvoordeel dreigt te eroderen.
    • De initiële reactie was de introductie van verschillende technologieën die het kopiëren van digitale producten aanzienlijk moeilijker maakte, maar dit had het negatieve neveneffect dat deze digitale varianten een aantal nadelen hadden ten opzichte van hun fysieke equivalenten. Zo kon men digitaal beveiligde muziek niet zomaar uitlenen aan een vriend of op verschillende toestellen afspelen.

3.1.5 Digitale diensten.

  • Omdat het gratis kopiëren onvoldoende was om een rendabel business model uit te bouwen, ontstond een trend van het uitbouwen van digitale diensten rond het (digitale) product.
    • De waarde voor de klant die gecreëerd wordt door de dienst en niet door het digitale product kan niet mee gekopieerd worden, maar wordt enkel bekomen door gebruik te maken van de dienst.
    • Merk op dat deze trend van digitale dienstencreatie zowel rond een digitaal als een fysiek product kan plaatsvinden.
    • Indien een product fysiek geconsumeerd dient te worden, dan is dit vaak zelfs de enige manier om het product te ‘digitaliseren’.
  • Mogelijke waarden die gerelateerd zijn aan de digitale dienst kunnen o.a. zijn:
    • Continue incrementale verbeteringen.
      • Wat digitaal is (data, software, …) kan eenvoudig aangepast en verbeterd worden.
      • Dankzij het digitale platform kan dit zelfs volledig automatisch zonder tussenkomst van de eindgebruiker.
      • Hierdoor wordt het digitaal product dat de klant aangeschaft heeft steeds beter.
      • Voorbeeld: Tesla stuurt regelmatig updates naar zijn auto’s waardoor de auto nieuwe mogelijkheden krijgt.
    • Onmiddellijke voldoening.
      • Digitaal kan via het web onmiddellijk geleverd worden.
      • Voorbeeld: Het volstaat een boek te selecteren op je Kindle en binnen enkele seconden ben je in het bezit van de digitale tekst.
    • Maatwerk.
      • Zowel de digitale dienst als het product zelf kunnen aangepast worden aan de persoonlijke context van de consument.
      • Voorbeeld: De aanbevelingen op Amazon (dienst) zijn op maat van de klant zijn aankoopgeschiedenis.
    • Gebruiksgemak.
      • Het eenvoudig kunnen gebruiken van een product en vrijgesteld worden van het onderhoud van het product.
      • Digitale producten kunnen vaak via verschillende kanalen worden geconsumeerd, wat het gebruiksgemak verhoogt.
      • Voorbeeld: Met Spotify kan je heel eenvoudig de muziek consumeren die je wenst, zonder dat je je bezig moet houden met het opslaan, organiseren en labelen van muziek. Je kan je muziek via Spotify op verschillende media beluisteren (je PC, tablet, smartphone, smartTV, …).
    • Ontdekbaar.
      • Door de steeds sterker groeiende hoeveelheid digitale producten, wordt het steeds moeilijker om geschikte en interessante producten terug te vinden. Indien je een dienst aan kan bieden die het toelaat eenvoudig en snel terug te vinden wat je nodig hebt, zal dit waarde creëren voor de klant.
      • Deze waarde is sterk gerelateerd met gebruiksgemak, onmiddellijke voldoening en maatwerk.
      • Voorbeeld: Spotify zal muzieksuggesties doen op maat van jouw persoonlijke voorkeuren zonder dat je er actief achter moet zoeken.
  • Andere mogelijkheden om waarde toe te voegen aan digitale producten waardoor klanten bereid zijn geld te betalen.
    • Fysieke ervaring.
      • Hier wordt de omgekeerde beweging gemaakt. Het oorspronkelijke product wordt gedigitaliseerd, maar er worden fysieke ervaringen aan gekoppeld waarvoor de consument wil betalen.
      • Voorbeeld: Een live-concert in het kader van een nieuw muziekalbum.
    • Patronage.
      • Patronage komt erop neer dat de consument de ontwikkelaar/artiest van het digitale product financieel wenst te ondersteunen voor verdere ontwikkeling van nieuwe producten.
      • Er zijn 4 voorwaarden waaraan voldoen moet worden opdat de klant hiervoor zal willen betalen.
        • Het betalen moet extreem eenvoudig zijn om te doen.
        • Het bedrag om te betalen moet redelijk zijn.
        • De klant moet een voordeel ontvangen.
        • De klant moet zeker zijn dat de ontwikkelaar/artiest een voordeel ontvangt.
      • Voorbeeld: Crowdfunding campagnes.
  • Tenslotte zien we ook steeds meer bedrijven die digitale diensten aanbieden en vervolgensdeze diensten (of delen ervan) aanbieden aan derden als bouwstenen voor nieuwe diensten.
    • Google Maps is een digitale dienst rond het digitale product “wegenkaart”.
    • Andere bedrijven kunnen deze dienst in hun eigen producten en diensten gebruiken (vb. Uber om aan te geven waar de taxi’s zijn).

3.2 Artificiële Intelligentie

3.2.1 Wat is artificiële intelligentie (AI)

  • Emulatie van menselijke intelligentie.
  • Intelligentie die vertoond wordt door machines waarbij de machine acties onderneemt op een intelligente wijze die zijn kans op succes maximaliseert.
  • De definitie van AI is constant in ontwikkeling. Van zodra een specifieke taak routinewerk wordt voor een computer, gaan we het niet meer als artificiële intelligentie beschouwen.
    • Het herkennen van karakters in een geschreven tekst wordt niet meer als AI beschouwd, terwijl dit enkele decennia geleden nog een zeer uitdagende taak was voor computers.
  • In het domein van AI kunnen we verschillende subdomeinen identificeren die gerelateerd zijn aan het doel van het AI algoritme. Een aantal subdomeinen zijn:
    • Problem Solving. Dit kan gaan van stappenplannen om een gestructureerd probleem op te lossen tot het simuleren van een menselijk brein om ongestructureerde problemen op te lossen in een context van onzekerheid.
    • Knowledge Representation. Om problemen in de reële wereld op te lossen, zullen computers uitgebreide kennis moeten hebben over deze wereld. Het domein van ‘Knowledge representation’ houdt zich bezig hoe computers deze kennis efficiënt en bruikbaar kunnen opslaan en aanspreken.
    • Planning. Het leren visualiseren van de toekomst en het in staat zijn om doelstellingen te definiëren en deze te bereiken.
    • Machine Learning. Dit subdomein houdt zich bezig met de ontwikkeling van computeralgoritmes die automatisch beter worden door ‘ervaring’. Deze algoritmes zijn bijvoorbeeld in staat voorspellingen te doen en naarmate ze meer data krijgen om op te ‘trainen’ zullen hun voorspellingen beter worden.
    • Natural Language Processing. Het in staat stellen van machines om menselijke taal te lezen en begrijpen.

3.2.2 Geschiedenis van Artificiële Intelligentie

  • Eerste periode van AI onderzoek.
    • AI als een domein werd opgericht in 1956 op een conferentie in Dartmouth College.
    • Midden jaren 60 voorspelden de grote namen in het AI domein dat binnen 20 jaar machines in staat zouden zijn eender welke job over te nemen van mensen.
    • Hun eerste resultaten waren voor die tijd opmerkelijk:
      • Machines die wonnen van mensen met ‘dammen’.
      • Het oplossen van woordpuzzels met algebra.
      • Opstellen van wiskundige bewijzen.
    • Het onderzoek in de VS werd grotendeels gefinancierd door DARPA.
  • De eerste AI Winter.
    • Begin jaren 70 merkte onderzoekers dat het emuleren van menselijke intelligentie complexer was dan gedacht en wetenschappelijke vooruitgang vertraagde.
    • Een kritisch rapport in 1974 zorgde ervoor dat overheden stopten met het financieren van AI onderzoek.
    • Dit leidde tot een periode waarin er bijna geen onderzoek meer naar AI gebeurde, wat ook de eerste AI Winter wordt genoemd.
  • Tweede periode van AI onderzoek.
    • In de jaren 80 vond het AI onderzoek zijn tweede adem met de opkomst van expertsystemen.
    • Dit waren commerciële softwaretoepassingen die de kennis van menselijke experts capteerde en complexe beslissingen namen waarvoor voorheen menselijke experts nodig waren. Een typisch voorbeeld was de beslissing om een lening toe te kennen of niet aan een klant.
    • Deze technologie leek veelbelovend en zorgde er voor dat er opnieuw geld in AI onderzoek werd gestoken.
  • Tweede AI Winter.
    • Eind jaren 80 bleek dat deze expertsystemen slechts bruikbaar bleken voor zeer beperkte contexten en viel het onderzoek naar AI weer stil.
    • Dit luidde de tweede AI Winter in die zou duren tot eind jaren 90.

3.2.3 Derde periode van AI onderzoek

  • Eind jaren 90 nam de interesse in AI onderzoek terug toe met de opkomst van data mining.
    • Met de opkomst van het digitale platform in de jaren 90 van de vorige eeuw en de brede verspreiding ervan in het bedrijfsleven, ontstond de interesse in data mining binnen een bedrijfscontext.
    • Data Mining is een discipline dat computeralgoritmes gebruikt om bruikbare kennis en ‘actionable insights’ te extraheren uit grote hoveelheden data en wordt voornamelijk toegepast binnen bedrijfscontexten.
    • Hiervoor gebruikt data mining verschillende technieken ontwikkeld in het domein van machine learning en statistiek. Het grote verschil met machine learning en statistiek is dat data mining specifiek gericht is op het ontdekken van inzichten die relevant zijn in een specifieke (bedrijfs)context.
  • IBM toonde in 1997 ook het potentieel van AI met de supercomputer Deep Blue die de toenmalig regerende schaakkampioen Kasparov versloeg.
    • Schaken is een ontzettend complex spel omdat het zelfs voor een computer onmogelijk is alle mogelijke zetten op voorhand door te rekenen.
    • Schakers ‘weten’ vaak dat een zet wel of niet goed is omdat de nieuwe posities op het bord juist goed of slecht ‘aanvoelen’.
    • Toch slaagde een computer de sterkste schaker van het moment te verslaan en werd dit hierna nog enkele keren herhaald tot er geen interesse meer was in mens-machine schaakwedstrijden.
  • In 2011 herhaalde IBM deze stunt met hun nieuwe supercomputer “Watson” die de twee grootste kampioenen van het spelprogramma ‘Jeopardy’ (Waagstuk) wist te verslaan.
    • Waagstuk is een tv-programma waarbij kandidaten een antwoord op een vraag krijgen voorgeschoteld en ze zelf de vraag dienen te reconstrueren.
    • Dit is een zeer moelijk probleem voor computers omdat er zeer veel subjectiviteit mee gemoeid is om het gegeven antwoord correct te interpreteren en zo de juiste vraag te herontdekken.
    • Daarnaast straft het spel de spelers af voor foute antwoorden en moet men dus ook kunnen inschatten hoe zeker men is van een antwoord.
    • Ook werkt het spel op tijd en heeft men slechts enkele seconden om tot een antwoord te komen.
  • Recent heeft Alphabet Inc. (vroeger Google Inc.) de AI ‘AlphaGo’ ontwikkeld. AlphaGo is het eerste computer Go programa dat een professionele (menselijke) Go speler heeft kunnen verslaan (oktober 2015).
    • Go zou als spel nog complexer zijn om ‘vooruit’ te kijken dan schaken.
  • De technologie die zowel Watson als AlphaGo gebruiken wordt ‘Deep Learning’ genoemd.

3.2.4 Komt er een derde AI Winter?

  • Het is logisch om sceptisch te zijn ten opzichte van de huidige beloftes van AI aangezien het verleden al twee keer heeft aangetoond dat de werkelijkheid toch telkens complexer is dan oorspronkelijk gedacht en AI zijn beloftes niet kon inlossen.
  • Toch zijn er een aantal recente ontwikkelingen die doen geloven dat het dit keer anders kan zijn, met name:

Vooruitgang in AI onderzoek (betere algoritmes)

  • Een van de voornaamste recente vooruitgangen op het vlak van AI is de ontwikkeling van een nieuw soort AI algoritme, deep learning genoemd.
  • Deep learning is gebaseerd op de techniek van neurale netwerken, dewelke geïnspireerd is door de werking van het menselijk brein.
    • Informatie doorloopt een netwerk van “neuronen”, dewelke telkens de data transformeren en vervolgens doorgeven, tot het netwerk een patroon in de oorspronkelijke data blootlegt of een voorspelling maakt.
  • Deep learning tekende enkele belangrijke nieuwe ontwikkelingen in het domein van neurale netwerken, waardoor de prestaties aanzienlijk verbeterden.
  • Voorbeeld: Google Translate is recent overgeschakeld naar een nieuw systeem gebaseerd op neurale netwerken dat er voor heeft gezorgd dat Google Translate tussen twee talen kan vertalen ook al is het algoritme hiervoor nooit getraind. Dit is mogelijk omdat de AI achter Google Translate een soort eigen tussentaal heeft gevormd.

Goedkope parallelle computerkracht

  • De oorspronkelijke neurale netwerk algoritmes werkten echter fundamenteel anders dan het menselijk brein.
  • Data werd van node (neuron) naar neuron doorgestuurd en als één node actief was, moesten de andere wachten.
  • Het menselijk brein werkt echter door informatie in verschillende neuronen parallel van elkaar en gelijktijdig te verwerken.
  • Klassieke processoren waren echter niet ontwikkeld om parallelle bewerkingen te doen.
  • Processoren voor grafische kaarten (GPU’s) in PC’s (ontwikkeld voor de game-industrie) hadden wel die capaciteit daar computerspellen dit vereisten.
  • De doorbraak van neurale netwerken naar deep learning kwam er dan ook toen onderzoekers erin slaagden neurale netwerkalgoritmes op GPU’s te laten werken en zo de informatie in de verschillende nodes parallel te verwerken.
  • Het feit dat deze processoren reeds ontwikkeld werden voor de game-industrie, zorgden er ook voor dat de prijzen van GPU’s goedkoop waren geworden.

Grote hoeveelheden data en lage opslagkosten

  • Een derde belangrijk verschil met de vorige periodes van AI onderzoek is de hoeveelheid data die beschikbaar is.
  • Over hoe meer data een AI algoritme kan beschikken, des te beter kan het leren uit zijn fouten en zo beter worden.
  • Dankzij de opkomst van het digitaal platform en de ontwikkeling van sociale media, genereren we nu meer digitale data dan ooit te voren in de geschiedenis van de mens.
  • Daar komt ook nog eens bij dat een bedrijf als Google continu bezig is deze data doorzoekbaar en beschikbaar te maken.
    • De vele investeringen van Goole in AI doen vermoeden dat Google AI ontwikkelt om een betere zoekmachine te maken, terwijl de werkelijkheid wel eens kan zijn dat de zoekmachine van Google ervoor zal dienen om de AI van Google beter te maken.
  • Ook het feit dat de opslagkosten voor digitale data ontzettend laag zijn, helpt deep learning algoritmes om over veel data te beschikken.

Vrij beschikbaar stellen van AI technologie

  • Bedrijven die investeren in AI ontwikkeling houden deze technologie niet voor zichzelf, maar stellen die beschikbaar aan derden.
  • IBM biedt de AI technologie achter Watson aan als een service (tegen betaling), die door derde partijen gebruikt kan woren voor de ontwikkeling van nieuwe producten en diensten.
  • Google biedt AI infrastructuur aan via Google TensorFlow.
  • Verschillende universiteiten stellen hun onderzoek beschikbaar via open-source AI frameworks zoals Caffe en Theano.
  • Voorbeeld: AI Experiments van Google.

Ontwikkeling van AI talent

  • Studenten die AI willen leren, kunnen vandaag aan de meeste universiteiten wel cursussen vinden.
  • Maar ook diverse online cursussen en MOOC’s worden aangeboden.
  • In combinatie met het vrij beschikbaar stellen van infrastructuur en software (zie vorig punt), zorgt dit voor een ideale omgeving om AI talent te ontplooien.
  • Het feit dat AI talent schaars is en duur betaald wordt, zorgt er dan weer voor dat veel jongeren zich aangetrokken voelen tot dit domein en hun kans wagen.

Ongeziene omvang van investeringen in AI

  • Daar waar in het verleden de meeste investeringen in AI onderzoek van overheidsinstellingen zoals DARPA kwamen, zien we nu grote bedrijven zwaar investeren in dit domein.
  • Enkele voorbeelden zijn: Amazon, Microsoft, Google, IBM, Salesforce, Baidu.

3.2.5 Toepassingen van AI in het bedrijfsleven

  • Example: Watson en de gezondheidsector.
  • Example: Earpiece translator.
  • Example: AI for hedgefunds (Numerai).
  • Example: AI for sales force management (people.ai).
  • Example: Any.do AI.
  • Example: Match.com uses a bot to improve number of people subscribing to their service.
  • Example: Autonomous transportation.

3.2.6 Waarom is AI een game changer?

  • Herinner de verschillende manieren waarmee men waarden kon leveren via digitale diensten:
    • Continue incrementale verbeteringen.
      • Indien je AI in een product of dienst krijgt verwerkt, zal je dit effect automatisch realiseren aangezien het basisprincipe achter AI is dat het algoritme continu leert en slimmer wordt.
      • Daarnaast kan je natuurlijk altijd updates van het algoritme doorsturen, aangezien AI volledig digitaal is (software).
    • Onmiddellijke voldoening.
      • Bedrijven kunnen AI gebruiken om te voorspellen wat hun klanten wensen en zo de levertijd voor fysieke producten drastisch inkorten door de supply chain significant te optimaliseren.
      • AI gaat op die manier deze waarde uitbreiden van digitale diensten en producten, naar fysieke producten.
    • Gebruiksgemak.
      • AI kan stappen over nemen van een klant tijdens het consumeren van een dienst die feitelijk geen waarden toevoegen. Zo zou AI voor jou automatisch de beste combinatie van vlucht en hotel kunnen selecteren in plaats dat je zelf verschillende combinaties moet vergelijken.
    • Maatwerk.
      • AI leert wat een klant wenst en kan hiermee de klantenervaring van een product of dienst personaliseren.
    • Ontdekbaar.
      • Op basis van het gedrag van een klant en de grote hoeveelheden digitale content op het net, kan AI de klant helpen te vinden wat hij/zij echt wil.
  • Daarnaast zal AI ook sterk inspelen op het kostenaspect van een product of dienst.
    • AI zal taken die nu nog door mensen worden uitgevoerd overnemen en hierdoor de schaalbaarheid van deze taken sterk vergroten en de kosten drastisch reduceren.

Bronnen