Hoewel AI boordevol uitdagingen zit, zijn de kansen voor bedrijven levensgroot. SAS geeft ze de handvaten om de technologie op een zinnige, veilige en productieve manier in te zetten. “Er is nooit een betere tijd geweest om developer te zijn”, stelt SAS tijdens het eigen Innovate on Tour te Rotterdam.
Die uitspraak komt van Véronique van Vlasselaer, Analytics & AI Lead South West & East Europe bij SAS. Wellicht komt die stelling wat vreemd over, zeker nu de werkdruk op ontwikkelaars groter dan ooit is. Echter moeten de veilige, snelle tools van SAS ze uit de brand helpen. Die lossen niet alleen veel voorkomende problemen op, maar werken ook preventief. Tijd om dat verder uit te diepen.
Gebrek aan AI in de praktijk remt innovatie
Bob Messier, SVP Global Technology Services bij SAS, stipt Viya Copilot aan. We schreven er al over in april toen het als private preview werd gelanceerd. Het moet net als andere Copilots het werk van de gebruiker versnellen, in dit geval gebruikers van het SAS Viya-platform. Het dient ervoor te zorgen dat data analytics gedemocratiseerd wordt met deze functionaliteit. Gespecialiseerde SAS Viya Copilots werken vervolgens binnen specifieke workflows, zodat er binnen elk werkveld AI-assistentie op maat is.
Voor AI-/ML-ontwikkeling zou het SAS Viya-platform dertig keer sneller zijn dan concurrerende producten. Specifiek gaat het hierbij om alternatieven als SparkML en H2O. In sommige benchmarks is de snelheidsverbetering ten opzichte van commerciële concurrenten 49x, met complexere modellen zelfs 326x. Werken met SAS omschrijven als “snel” is dus een beetje een understatement, uitgaande van deze tests in samenwerking met The Futurum Group.
Het vinden van de juiste data, veelal een hels karwei voor AI-developers, kan ook eenvoudiger dan ooit. Dankzij de SAS Data Maker is er synthetische data te genereren, dat voor de overheid en de gezondheidszorg bijzonder geschikt is. Immers is het vaak niet toegestaan om persoonlijke data te verwerken voor AI-inzet, terwijl dit normaliter wel nodig is voor goede AI-modellen. Van Vlasselaer zegt dat het toevoegen van synthetische gegevens aan de trainingsdata een net zo goed model oplevert als met enkel authentieke gegevens.
De prestaties van AI-modellen in de praktijk zijn vaak onbekend. Dit is omdat modellen vaak niet daadwerkelijk worden ingezet, legt Messier uit. “Hierdoor leer je niet van de praktijk. Zonder die lessen krijg je niet de kans het model te verfijnen of te hertrainen.” Wie dat wel doet, kan binnen SAS Viya AI-modellen tegenover elkaar zetten. Het platform biedt zelfs een volledig “voedingslabel” voor deze modellen, inclusief scores op het gebied van bias, explainability en compliance.
Werkelijke winsten
Wie wél AI in de praktijk inzet, moet zich vooral afvragen met welk doel men dat doet. “LLM’s alleen lossen geen business-problemen op,” weet Van Vlasselaer. Het is ook nodig ze te integreren in processen, ze te orkestreren en te onderhouden. Generatieve AI kan binnen deze processen meermaals aan bod komen.
Een voorbeeld vanuit SAS is dat een LLM een klantgesprek samenvat, SAS Viya de relevante klantdata toevoegt en alvast een sjabloon voor een e-mailbericht naar de klant verzint. Voor een niet nader te noemen bank leverde deze werkwijze al aanzienlijke verbeteringen op. Het kon 20 procent meer klachten behandelen, reacties op klanten versnellen met 30 à 40 procent en de kosten voor klantbehandeling drukken met 8 à 15 procent.
Achter de schermen
Ontwikkelaars kunnen deze AI-inzet alleen realiseren met de juiste tools. SAS heeft hier de Viya Workbench voor, dat veel problemen onder ontwikkelaars aanpakt. Het opzetten van een ontwikkelomgeving is doorgaans traag en duur als het in de cloud plaatsvindt. Workbench draait eveneens in de cloud, maar moet deployment snel en goedkoop maken. Ontwikkelaars kunnen coderen in SAS, maar ook Python. Binnenkort wordt ook de taal R ondersteund. Daarnaast ondersteunt Viya Workbench de drie bekende clients in het veld, Jupyter Notebook, Visual Studio Code en SAS Enterprise Guide.
Ook biedt SAS App Factory, een React-gebaseerde interface om apps te bouwen met AI-modellen, zowel voor intern gebruik als voor externe klanten. CTO Bryan Harris gaf vorig jaar al aan dat het SAS-platform voortdurend wordt aangepast aan de behoeften van data scientists en ontwikkelaars, met het oog op meer productiviteit en snellere innovatie.
Lees verder: SAS Viya Workbench en App Factory beloven snelle ontwikkeling van AI
Struikelblokken
SAS gaat ook AI buiten SAS Viya leveren via “Models-as-a-Product”. Het gaat hierbij om modellen die voor specifieke doeleinden geschikt zijn. Casper Pedersen, Head of Data Ecosystems & Strategy EMEA van SAS, geeft aan dat Models-as-a-Product nog geen precieze lanceerdatum heeft, maar later dit jaar moet het verschijnen. Het voordeel voor klanten? “Kosten, kosten, kosten”, aldus Pedersen. Het gaat om lichtgewicht, betaalbare modellen voor bepaalde industrieën, zoals computer vision voor fabriekshallen, GenAI voor klantenservice-bots, modellen voor fraudedetectie en meer.
Pedersen noemt een toepassing waarvan hij toegeeft dat het inmiddels wel wat afgezaagd klinkt: AI-assistenten. Toch kan dit gewoon erg nuttig zijn. Denk aan hulp voor bestuurders die naar de meest geschikte locatie moeten rijden, waarbij AI dit middels een gesprek overlegt. Dit vereist zonder meer een cultuuromslag voorbij alleen de implementatie van nieuwe technologie: medewerkers zullen eraan moeten wennen. Dat gebeurt als de eindresultaten goed zijn, maar dat is dus wel een beetje een kip-en-ei verhaal. Het is aan de AI-technologie om onafwendbaar goed te zijn, waar het bijvoorbeeld nu al excelleert in verschillende fabrieken, banken en meer.
Voor dit soort implementaties zijn er nog wel wat algemene struikelblokken. Eén daarvan is ongestructureerde data: hoe zorg je ervoor dat alle gegevens inzetbaar zijn voor AI? Met behulp van SAS-modellen kunnen organisaties een berg slecht gescande PDF’s met moeilijk leesbare handschriften omzetten in nuttige tabelgegevens, waarbij alles is ingevuld dat ook maar een beetje via computer vision te ontwaren is. Geen enkel mens hoeft dit soort repetitief werk dus meer te verrichten.
Volwassen
We hebben het al eerder gezegd: SAS pakt AI op een volwassen manier aan. Op 48-jarige leeftijd is het bedrijf een doorgewinterde speler en heeft zich continu moeten heruitvinden. In het AI-tijdperk blijkt deze ervaring een voordeel. Het weet als geen ander dat nieuwe ontwikkelingen moeten passen binnen bestaande processen en werkwijzen. Het wegnemen van repetitief werk en de kans op brede adoptie in allerlei werkvelden gelden als speerpunten. Compliance en vertrouwen zijn tevens van groot belang. In tegenstelling tot menig ander IT-bedrijf hoeft het AI niet als een grote heruitvinding te presenteren, maar met geduld en oog voor detail uit te leggen.
De gedachte dat het nooit een beter moment is geweest om developer te zijn, legitimeert zich op deze manier. Er vindt een versnelling plaats in de data/AI-lifecycle, ook al maakt slechts 6 procent van de bedrijven in de Benelux nog maar gebruik van GenAI en heeft dit ook volledig geïntegreerd in de interne werkprocessen. Dat is niet verrassend, stelt Van Vlasselaer. Het inwinnen van vertrouwen heeft tijd nodig. Toch geeft ze aan dat de interesse niet te ontkennen is. “De meeste gesprekken met klanten gaan over GenAI.” Dat zal nog wel een tijdje zo blijven, waarbij SAS een steeds uitgebreider pakket naar voren kan schuiven om alle vragen met oplossingen te beantwoorden.
Lees ook: SAS brengt tool naar Microsoft Fabric: AI vertalen naar zakelijke uitkomsten