Op 14 juni stond het tweede SMA-management café van het jaar op de agenda. We waren deze bijeenkomst te gast bij ICT-dienstverlener Fujitsu Technology Solution op hun hoofdkantoor in Maarsen. Koen Meeusen van NeurOp was de spreker en het onderwerp was Big Data in combinatie met Artificial Intelligence (AI). Dit dan toegespitst op de commerciële wereld van B2B. Gezien de hoge opkomst een interessant thema voor de SMA-leden. Na een goed buffet opende SMA Directeur Eiso Bleeker de bijeenkomst door iedereen welkom te heten. Hij gaf allereerst het woord aan Bas de Reus, de managing director van onze gastheer. Hij nam ons eerst mee in de historie van zijn Japans bedrijf om te eindigen met een filmpje over de toekomst waarbij er raakvlakken waren met het onderwerp van vandaag. Dit betrof hun platform Inria, waarop men hun aanpak op dit gebied heeft gebaseerd.
Commercie, Big Data en Artificial Intelligence
Na Bas was Koen de volgende spreker. Hij gaf aan dat AI reeds gemeengoed is in de marketing van de consumentenmarkt, maar dat dit nog echt in de kinderschoenen staat in B2B. Alvorens hierop verder in te gaan ging hij eerst in op het topic, neuraal netwerk. Dit is in zijn ogen een omgeving die de menselijke manier van leren combineert
met de rekenkracht en precisie van een computer. Om dit wat meer toe te lichten ging hij in op het fenomeen leren en onthouden in het menselijk brein. Hij gebruikte hier als eerste een voorbeeld van katten en honden. Wij kunnen een kat van een hond onderscheiden. Niet omdat we de poten tellen en dan het antwoord weten, maar omdat we talloze voorbeelden hebben gezien in ons leven. Ook als we een hond zien van een ras dat we nooit eerder hebben gezien, herkennen we het als een hond. Een computer kan op dezelfde manier leren om honden en katten van elkaar te onderscheiden. Daarnaast gebruikte hij het spel “Memory”. Een lastig spel omdat hier naast het geheugen, emotie aan te pas komt. Hetgeen juist de zwakte van de mens is omdat een computer dit niet kent. Hierdoor kan een computer blijven leren en is dat voor de mens veel lastiger. Dit betekent dat bij nauwkeurigheid bij de mens dus vaak een onderbuikgevoel aanwezig is, en dat is bij AI niet het geval. Uitkomsten hiervan zijn dan ook niet herleidbaar en de nauwkeurigheid wordt vastgesteld met controledata. Hetgeen betekent dat de uitkomsten steeds nauwkeuriger gaan worden als er steeds meer data/voorbeelden voor handen zijn. Dit moeten dan echter wel recente data zijn omdat deze niet vervuild is met allerlei andere informatie of zelfs het ontbreken daarvan.
Na deze inleiding ging Koen verder in op de wijze waarop het toepasbaar is in de wereld van B2B. Zijn eerste voorbeeld was van een organisatie die AI had toegepast op de vraag of men wel/niet zou moeten inschrijven op een tender. Men was met de vraag gekomen of het mogelijk was om met kunstmatige intelligentie de inschatting kan maken hoe groot dan de slagingskans van een aanbesteding zou zijn. Koen gaf aan dat er behoorlijk veel informatie beschikbaar was van zowel de opdracht als de opdrachtgever. Hierdoor werd het mogelijk om op basis van de eerdere aanbesteding een voorspelling te doen van de toekomstige. Hierdoor wordt de binnenkomende aanvraag nu beoordeeld op de noodzakelijke criteria en deze wordt vervolgens ingevoerd in het model. Hetgeen er toe leidt dat de aanvraag in één van de drie benoemde categorieën terecht gaat komen. Hierbij geeft categorie A, een slagingskans van meer dan 70 procent. Bij categorie betreft dit 25 procent en categorie C minder dan 10 procent. De volgende stap in dit proces om eveneens een model te maken of een dergelijke opdracht wel/niet winstgevend zou gaan worden. Hier werd eveneens een drietal categorieën benoemd waardoor het voor het betreffende bedrijf nu dus mogelijk is om binnenkomende tenders te beoordelen op slagingskans en winstgevendheid. Dit heeft geleid tot een enorme focus van de salesorganisatie en voorkwam eveneens veel discussie over wel/niet aanbieden op een tender. Hier kon nu eenvoudig prioriteit worden gesteld. Koen maakte hierbij de opmerking dat dit alleen kon werken als er dus een substantiële hoeveelheid data aanwezig moet zijn. Hij noemde hierbij het aantal van minimaal 2500 voorbeelden.
Verbeteren hitratio door AI
In het volgende voorbeeld ging hij in op de wijze waarop bouwbedrijf Heembouw met AI omgaat. Deze hebben een model gebouwd waarbij het mogelijk is om twee jaar van te voren te voorspellen welke bedrijven eventueel gaan 
verhuizen naar nieuwbouw. Hierdoor is hun salesorganisatie veel gerichter bezig om de juiste bedrijven te benaderen. Hun hitratio van 1 op 40 is hierdoor enorm verbeterd naar 1 op 4. Hij sloot de voorbeelden af met die van een afvalverwerker waarbij een model is ontwikkeld waarbij de slagingskans van een prospectbezoek wordt voorspeld. Vervolgens hebben ze dit toegevoegd naast hun bestaande manier van werken bij leadgeneratie. Bij dit bedrijf is de hitratio eveneens enorm gestegen. Op basis van o.a. deze voorbeelden gaf Koen aan dat AI binnen de wereld van B2B dus zeker op de volgende vragen toegepast kan worden:
- Welke bedrijven passen beter bij ons?
- Welke offerte/tender verdient het opgevolgd te worden?
- Wanneer is een bedrijf in de markt voor ons product/dienstverlening?
- Welke klanten nemen hoogstwaarschijnlijk deze extra dienst van ons af?
Tenslotte ging Koen nog verder in op de barrières hij die momenteel ziet, waardoor dit nog geen enorme vlucht neemt. Ten eerste was dat dit een andere manier van denken gaat vergen, van analyserend naar voorspellend. Daarnaast is er wat hem betreft nog onvoldoende data in bedrijven bekend. Dit zowel in aantallen als kwaliteit. Een belangrijke barrière wat hem betreft is dat de uitkomsten moeten worden vertrouwd zonder ze te begrijpen. Dit laatste is voor de mens nagenoeg onmogelijk geworden met de inzet van AI en zeker als daar dus uitkomsten worden voortgebracht die anders zijn dan het bekende onderbuikgevoel of de intuïtie van het management. Na het beantwoorden van een paar vragen eindigde Koen zijn verhaal met een quote van Einstein, “If you do what you always did, you will get what you always got”. Na het dankwoord van Eiso Bleeker was er tijdens de netwerkborrel nog volop ruimte om hierover verder van gedachten te wisselen.
