AI en Ecosystemen

Artificial Intelligence kan een grote complexiteit van data doorgronden op een manier die voor mensen niet niet mogelijk is en kan precies daarom unieke waarde opleveren bij het gebruik van data uit (veel) verschillende bronnen. Dat vergt nieuwe vormen van samenwerking tussen partijen in ecosystemen. Een vorm waar partijen samen gestructureerd maatschappelijke opgaven te lijf gaan zonder dat deze samenwerking voelt als een knellend keurslijf. 

Het gebruik van één databron heeft vaak beperkte waarde bij data-analyse. Juist de combinatie van databronnen maakt het mogelijk om waarde te creëren. Denk bijvoorbeeld aan hoe we zorgpaden van individuele patiënten sterk kunnen verbeteren door naadloos gebruik van data uit verschillende betrokken organisaties rondom de patiënt; of het efficiënter maken van containerstromen in zeehavens, en tal van andere domeinen. De echte waarde van AI – dat data als ‘voedsel’ nodig heeft om de waarde te laten zien – zal dan ook vaak alleen tot haar recht komen in concepten waar de analyse van meerdere databronnen mogelijk is. Precies daarom biedt het samenwerken in ecosystemen groot potentieel om kosten te besparen, risico’s te reduceren, of waarde te creëren. Waar het om gaat is dat meerdere partijen samen uitdagingen adresseren, in plaats van ieder voor zich. 

Technisch is er op dit vlak veel mogelijk. Geavanceerde AI-modellen (digital twins) kunnen de benodigde inzichten genereren in een dergelijke complexe omgeving. De praktijk laat zien dat de interesse van partijen op dit punt groeit, ook omdat er steeds meer mogelijkheden zijn om op een verantwoorde manier data beschikbaar te stellen voor de benodigde analyses.

Daarbij speelt een aantal uitdagingen en randvoorwaarden een rol.

Een daarvan is schaalbaarheid. Ervaring leert dat het niet werkt om alle gegevens uit verschillende bronnen naar één punt of partij te brengen. Tegelijkertijd is veel AI wel ontwikkeld vanuit de gedachte dat alle data zich op één punt bevindt. Er is dan ook een nieuw (federatief) model nodig waarin afspraken worden gemaakt over hoe wordt samengewerkt. Daarbij is een zekere vrijheid nodig: elke deelnemer in een ecosysteem kan een component op meerdere manieren implementeren. De referentiearchitectuur van het ecosysteem voorziet in een mogelijke implementatie, maar biedt ook vrijheden zolang partijen zich aan de gedefinieerde protocollen en standaarden houden, een concept waar het internet ook mee van de grond is gekomen. 

Ten tweede is modulariteit van belang. Een bekende valkuil is dat er een geweldige businesscase is voor het inrichten van een ecosysteem, mits iedereen op hetzelfde moment de investering doet en kan instappen. In de praktijk is dat echter vaak onhaalbaar, waardoor het initiatief kan sterven in schoonheid. Een ecosysteem moet dan ook kunnen groeien als een olievlek, waarbij de beginfase al waardevol moet zijn voor de deelnemers.

Ten derde is er ook behoefte aan toezicht op de afspraken in de samenwerking. Het concept Policy as Code, kortweg PaC, biedt hier perspectief. In essentie gaat het hier om het kunnen programmeren van toezicht in software. Zo ontstaat dan een 100% controle – het zondigen tegen een regel wordt onvermijdelijk gesignaleerd en zo mogelijk voorkomen. Tot nu toe was PaC alleen mogelijk voor relatief simpele harde normen – bijvoorbeeld of bepaalde data al dan niet mag worden gebruikt door een bepaald persoon. Maar in de praktijk gaat het bij toezicht veelal om normen waar interpretatie van een complex aantal factoren voor nodig is. En dat is precies waar onderzoekers zich nu op richten. Recente ontwikkelingen op het vlak van AI maken het mogelijk om een dergelijke interpretatie in te bouwen in software.

Kortom, federatieve ecosystemen – met een zekere autonomie van deelnemers maar kraakheldere afspraken over de samenwerking – hebben waarschijnlijk een grote toekomst. Partijen moeten nu dan ook een strategische visie ontwikkelen op de plek die ze in zo’n ecosysteem willen vervullen.