Succesvolle ondernemingen starten vanuit een zeer concreet probleem. Bijvoorbeeld: hoe verkorten we de routes van vrachtwagens? Hoe openen en sluiten we de ramen van onze serre beter? Bij welk type weer verkopen we het meest? Wanneer heeft een machine onderhoud nodig? Hoe kunnen we onze klanten meer informatie op maat aanbieden?

Hoe scherper de vraag en het vooropgestelde resultaat, hoe gerichter je naar de oplossing kan zoeken. Wat zou de vraag kunnen zijn waarop jouw bedrijf een antwoord zoekt? 

AI evolueert zeer snel waardoor het bijna onmogelijk is om als onderneming alle kennis rond AI in huis te hebben. Zelf AI toepassen betekent echter niet dat je per se uitgebreide AI-kennis nodig hebt in je onderneming. Meestal is het belangrijker om zeer snel een geschikte AI-partner te vinden die je business begrijpt dan dat je zelf AI begrijpt. Ga met deze partner ook in gesprek over de haalbaarheid en betaalbaarheid van je AI-toepassing.

De organisaties uit het VLAIO-netwerk staan klaar om je te helpen bij het zoeken naar de partner die jij nodig hebt voor het realiseren van je AI-traject. Naast een luisterend oor of laagdrempelig advies kunnen zij je ook informeren over mogelijke financiële steun bij het realiseren van je AI-project. 

Om het antwoord op de concrete vraag te vinden, heeft AI nood aan kwalitatieve data. Data verzamelen en structureren, staat dan ook in elk AI-project centraal. Dankzij de digitalisering is het voor steeds meer ondernemingen mogelijk om data te verzamelen die voor hen relevant is. Zo meten sensoren de werking van machines, vertellen online marketinggegevens welke campagnes aanslaan en maken foto’s kwaliteitscontrole mogelijk. Bij AI-toepassingen hoeft het echter niet enkel te gaan om data waarover je zelf beschikt, maar kan je ook gebruikmaken van (publieke) externe data.  

Het is dus belangrijk om met een expert te bekijken of je data goed is voor de beoogde AI-toepassing. Dat wil zeggen: zinvol om het probleem op te lossen, eenvormig, gestructureerd en goed gekoppeld. 

Het is sterk aangewezen om klein te beginnen zodat je stapsgewijs kan ontdekken wat de mogelijkheden, maar ook beperkingen van deze technologie zijn. In vele gevallen kan het nuttig zijn om aan de slag te gaan met je eigen data in een beperkte proof of concept om de haalbaarheid van je AI-toepassing af te toetsen. Dit maakt het mogelijk om je investeringen te beperken, continu bij te sturen na evaluatie en een strategie te ontwikkelen om het project op te schalen.