Virtuele assistent lost problemen rondom machine learning op voor bedrijven

By Himanshu Jana

Met de recente vooruitgang op het gebied van AI ontwikkelen steeds meer bedrijven producten op basis van deze technologie. Maar het succesvol implementeren is geen kinderspel, want het vereist de nodige kennis. Er is een merkbaar gebrek aan experts in de industrie, en dus hebben bedrijven moeite om AI ten volle te benutten.

In een poging om startende en andere kleine bedrijven te helpen deze ruimte te benutten en moeiteloos AI-oplossingen te kunnen bouwen, heeft Sapiema een online assistent gebouwd genaamd Adam. De assistent fungeert als een virtuele expert die gespecialiseerde oplossingen biedt. In deze aflevering van de serie Start-up of the day vertelt Alexandru-Mihai Glontaru ons meer over zijn assistent.

Welk probleem los je op?

“Er is een enorm gebrek aan datawetenschappers en Machine Learning (ML) specialisten op de markt. En nu mensen in de academische wereld naar de industrie trekken voor een hoger salaris, is er ook een gat in het onderwijsecosysteem.

Daarom willen wij van iedereen een specialist in machine learning maken, ongeacht hun technische vaardigheden. We transformeren ze in datawetenschappers door ze de juiste tools te geven, namelijk een assistent die taken voor ze doet.”

Hoe functioneert deze virtuele assistent?

“Het is een virtuele machine learning engineer, zoals wij het noemen, die een interface heeft en een soortgelijke ervaring biedt als de gebruiker zou hebben met een remote engineer die ergens op de wereld zit. Ze openen de chat en hebben een gesprek met deze assistent, een virtuele ingenieur. Zij beschrijven het betreffende probleem vanuit het perspectief van de bedrijfsvereisten, en dan begint de virtuele ingenieur, Adam, de gebruiker te begeleiden bij het verzamelen van relevante informatie. De gesprekken zijn zo opgezet dat ze voor iedereen toegankelijk zijn, ongeacht het kennisniveau over technische zaken. De gebruiker vertelt aan Adam welk probleem er opgelost moet worden. Tijdens een gesprek probeert Adam een oplossing te bedenken. Zo helpt hij de klant, onder meer op basis van web API.”

Hoe zit het eigenlijk met de privacy?

“De hele training en datatransformatie, evenals de inzet van de modellen, gebeurt op de infrastructuur van de klant. Wijzelf zien de gegevens dus nooit. Er is geen sprake van het delen van gegevens. Zelfs als Adam weet waar de gegevensbron is, heeft het nooit toegang tot de feitelijke gegevens.”

Hoe verschilt Adam van reeds bestaande innovaties?

“We hebben zeer grote bedrijven als concurrenten. Wat wij anders doen, is allereerst een verandering van perspectief. Als je kijkt naar de huidige oplossingen op de markt, dan zijn ze bijna allemaal gericht op het productiever maken van datawetenschappers. In werkelijkheid is het voor veel bedrijven, vooral mkb, bijna onmogelijk om ook maar één datawetenschapper in dienst te krijgen. Wat wij doen, is niet-technische mensen in staat stellen dergelijke projecten zelf te beheren. Er zijn data engineers en back-end engineers die graag aan machine learning projecten willen werken, maar ze hebben geen tijd of budget om over machine learning te leren. Met zo’n tool kunnen ze dus meteen aan de slag zonder dat ze te maken krijgen met een steile leercurve.

Er zijn ML cloud providers die zich richten op het ontwikkelen van grote modellen die goed zijn op grotere schaal. Als je bijvoorbeeld kijkt naar Google Cloud hebben ze het tekstmodel, het afbeeldingsmodel en het videomodel, maar de realiteit laat zien dat dit soort modellen niet effectief kunnen presteren omdat ze te algemeen zijn. Dus onze aanpak is om kleinere modellen te trainen op specifieke problemen, op specifieke datasets.

En het belangrijkste is dat wij de enige aanbieder op de markt zijn die gaan voor intensieve en laagdrempelige begeleiding. Geen van de andere aanbieders doet dat. Je kunt gewoon chatten zoals je met je collega doet, en daarmee los je dan problemen op.”

Wat is het grootste obstakel waarmee je tot nu toe te maken hebt gehad?

“Het opbouwen van vertrouwen bij onze klanten is ons grootste probleem geweest, omdat wat wij aanbieden een beetje Sci-Fi klinkt. En omdat we nog bezig zijn met de ontwikkeling van de eerste versie van het product, zelfs als we ze een demo laten zien waarmee ze al een model kunnen trainen en inzetten, hebben de klanten het gevoel dat het einddoel technisch onhaalbaar is. Voor mensen is het moeilijk te begrijpen hoe we van punt A naar punt B komen. Dus hun onmiddellijke reactie is om te zeggen oké, misschien kom je nooit bij punt B als je het ons niet kunt laten begrijpen. Maar we weten dat het mogelijk is.

We zijn al heel dicht bij de lancering van de eerste versie van het product. We hebben de technische problemen al opgelost. Op dit moment moeten we een betere communicatiestrategie opbouwen om onze potentiële klanten echt te laten geloven in de werking van ons product.”

Hoe ziet de toekomst eruit voor Sapiema?

“Allereerst focussen we ons op de pre-seed investeringsronde, die door de wereldwijde economische onrust erg traag verloopt. We moeten daarnaast meer specialisten gaan inzetten op allerlei verschillende gebieden. Ons belangrijkste doel voor het komende jaar is om de standaard keuze van AI-oplossingen in de fintechmarkt in Europa te worden. Hoewel we ook willen werken aan health-tech en legal tech, is fintech een goede use case voor onze technologie. De grote financiële instellingen hebben grote teams van datawetenschappers die in hoog tempo innovaties teweeg brengen, en de kleinere bedrijven moeten het innovatietempo kunnen bijhouden. Dat is waar wij de hoek om komen kijken.”

Start-up of the day Archieven – Innovation Origins

Verspreid over heel Europa hebben duizenden start-ups de meest innovatieve ideeën. Innovation Origins zet ze elke dag in de kijker.