Introductie Podcast | Visie op Artificial Intelligence | Kabisa Software Talk

85Geschreven door Niek Horsmans op 28-10-2021

Kabisa bestaat uit 70 vakidioten met passie voor techniek. We zijn dag in en dag uit bezig met hetgeen ons het meest drijft: Innovatieve software oplossingen. Ons werk is onze hobby en hier vertellen we dan ook graag over. Wij introduceren “Kabisa Software Talk”. Een podcast van techneuten, voor techneuten.

Thema’s AI, Cloud & AR

We dwingen onszelf om te innoveren middels een thematische aanpak. Ieder kwartaal staat bij ons een thema binnen software development centraal. Denk hierbij bijvoorbeeld aan Artificial Intelligence, Cloud of Augmented Reality. Het afgelopen kwartaal zat onze focus volledig op het eerstgenoemde. We hebben veel geleerd over de toekomst van AI en delen deze kennis graag met onze vakgenoten.

Wat kun je verwachten

Een aantal blogposts, interviews, podcasts en webinars heb je wellicht al voorbij zien komen. Hier gaan wij de komende tijd mee door. Zoals gezegd hebben we het afgelopen tijd veel geleerd over Artificial Intelligence en zo ook onze eigen visie gevormd hieromheen. Deze visie delen wij in de eerstvolgende podcast. Kabisa developer (en parttime interviewer) Bas de Vaan heeft een aantal vragen voorbereid voor CTO Pascal Widdershoven. Ben jij benieuwd naar de visie van Kabisa op AI? Check het zeker even via onze kanalen op Spotify of YouTube.

Podcast

Video

Samenvatting interview

Gast van vandaag: Pascal Widdershoven, CTO van Kabisa en een echte technische duizendpoot.

Even voorstellen

Ik ben Pascal Widdershoven en werk nu 10 jaar bij Kabisa. Ooit ben ik begonnen als Junior Softwareontwikkelaar en de afgelopen jaren heb ik mij daarin verder ontwikkeld. Ik heb verschillende projecten gedaan en verschillende technologieën geleerd bij Kabisa, zo ben ik langzaam maar zeker deze de rol gerold.

Sinds kort ben ik CTO van Kabisa. Ik vind het altijd leuk om de status quo te challengen en om niet zomaar dingen voor waar aan te nemen. Waarom doen we dingen zoals we dat doen? Hoe kunnen we zaken beter aanpakken? Hoe kunnen we optimaal kennis met elkaar delen? Dit vind ik superleuk om te doen.

Kabisa Software Artisans

Bij Kabisa maken we maatwerk software voor onze klanten. Zowel op projectbasis als op detacheringsbasis. We zijn opgericht in 2006 dus we bestaan dit jaar 15 jaar. We hebben ruim 70 medewerkers bestaande uit voornamelijk techneuten en designers. Inmiddels hebben we ruim 350 succesvolle projecten gedaan.

In Nederland hebben we 3 kantoren. Wij zitten nu op het hoofdkantoor in Weert. Daarnaast hebben we een klein kantoor in Eindhoven en een kantoor in Amsterdam.

We richten ons op de high-tech, e-commerce en supply chain markten. Wij vinden het heel belangrijk om naast de technische kennis ook de domeinkennis te hebben van de branche waarin we werken zodat we meer waarde kunnen toevoegen voor de klant. Hierdoor kunnen we ook betere software ontwikkelen die beter aansluit bij wat de gebruikers nodig hebben.

Awards

We zijn beloond met een aantal awards. Onder andere die van de “Beste werkgever van Nederland” en de FD Gazellen Award voor “Snelst Groeiend Bedrijf”. Binnen Kabisa hebben wij een heel open cultuur die erg gericht is op persoonlijke ontwikkeling. Zo hebben wij een uitgebreid coaching traject waarbij alle medewerkers coaching krijgen aangeboden. Dat zorgt ervoor dat wij als Kabisa steeds beter worden en dat wordt dus ook beloond met die awards.

Technieken

We werken onder andere voor grote internationale namen maar ook voor bedrijven uit Nederland. Qua technologieën werken we met o.a. Java, React, Flutter en AWS. Dus naast ontwikkeling zijn we ook actief op klantgebied.

Kennis delen

Wij vinden het als Kabisa heel belangrijk en leuk om kennis te delen. Gedurende een periode willen we kennis gaan delen binnen verschillende thema’s. Het eerste thema is AI; Artificial Intelligence. Allerlei activiteiten op dit gebied gaan wij online delen met onze vakgenoten. Zoals deze podcast. Verder gaan we een webinar opnemen en komen er nog meerdere podcasts. Intern zijn er kennisevenementen geweest. We bundelen verschillende soorten evenementen en activiteiten op één thema, in dit geval AI.

Het volgende thema wordt Cloud. Daar komen ook podcasts en webinars en worden er diverse activiteiten op het gebied van Cloud georganiseerd. Zo wordt er elk kwartaal gewisseld van onderwerp.

Artificial Intelligence

Het is best lastig om AI uit te leggen. Vaak als je denkt aan AI, kunstmatige intelligentie, dan denk je aan algoritmes of films zoals Ironman of The Terminator. Dat zijn supercomputers die uiteindelijk de hele wereld overnemen, die veel slimmer zijn dan mensen en zich tegen ons gaan keren. Dat is een beeld dat mensen vaak hebben.

Maar AI is een manier om problemen op te lossen die je heel moeilijk in regeltjes kan vatten maar die je wel voor kunt doen. Traditionele software ontwikkeling is puur gebaseerd op code die door ontwikkelaars geschreven wordt. Stel: je bent een applicatie aan het maken die spam moet herkennen dan heb je een uitputtende set aan regeltjes nodig. Andere voorbeelden zijn zelfrijdende auto’s of het herkennen van een hond in een foto. Dit is heel moeilijk om in een set van regels te vatten. Hoe zou je moeten vertellen hoe een hond eruitziet? Er zijn zoveel variaties mogelijk. En juist daar is AI heel goed in. Je kunt AI allerlei foto’s geven van honden. AI kan dan zelf gaan herkennen en leren hoe een hond eruitziet.

Je kan een computer niet zomaar foto’s van een hond gaan geven, je moet de computer goede data geven en vertellen dat dit een hond is. Zo kan AI gaan leren hoe een hond eruitziet. Wat veelbelovend is aan AI is dat het in staat is om te leren omgaan met situaties die hij eerder gezien heeft. Dus van een foto die de computer nooit eerder heeft gezien kan de computer op basis van data weten: dit is een hond.

Het gebruik van AI

Het belangrijkste bij AI is dat je veel en goede data hebt. Stel je bent een financiële dienstverlener en je wil frauduleuze transacties gaan opsporen, dan heb je wel heel goede data nodig. Je moet kijken of je in je eigen data frauduleuze transacties kan herkennen, deze moeten je allemaal verzamelen en dan op zoek gaan naar de correlatie hierin. Dus: waaraan zouden we, op basis van data kunnen herkennen dat het een mogelijk frauduleuze transactie is? Dat is vaak niet zo makkelijk.

Je begint met het verzamelen van data. AI heeft veel data nodig, in tegenstelling tot mensen. Mensen kunnen met relatief weinig data gaan extrapoleren. Voor AI moet je al die data gaan leveren en aangeven wat wel en niet een frauduleuze transactie is. Vervolgens moet je gaan zoeken naar de correlatie in die data. Wanneer is iets een frauduleuze transactie?

Dus als je die data goed op orde hebt kun je AI met deze data gaan voeden. De data goed op orde hebben is vaak de uitdaging, hier hebben bedrijven vaak moeite mee.

Testen

Je hebt veel data nodig om je AI te trainen. Hoe meer data, hoe beter je algoritme wordt. Wanneer je een AI meer gaat trainen ga je je dataset opdelen in een deel trainingsdata en een deel testdata. Hierbij zeg je: ik heb een miljoen transacties, deze zijn gelabeld. Ik weet welke frauduleus waren. Hiervan geef je 700K transacties aan het algoritme en vervolgens ga je die overige 300K er doorheen halen om te kijken in hoeverre het algoritme de transacties er correct uithaalt. Je zal het écht moeten gaan doen en je zal moeten controleren hoe goed het algoritme het doet.

Alle data op orde, en dan?

Dan ga je op zoek naar een AI-algoritme dat daarbij past. Voor sommige problemen heb je tegenwoordig kant en klare algoritmes die je met je eigen data kunt trainen. Bij een complexere casus zul je zelf je algoritmes moeten gaan maken.

Het begint altijd met data, deze data geef je een algoritme. Het algoritme ga je trainen en daarna kun je het algoritme gebruiken.

Onzekerheid

Ja. Het hangt wel wat van de toepassing af. Vaak is het zo dat er een inherente onzekerheid aan zit. Dat komt vaak omdat het probleem dat je met AI wil oplossen een onzekerheid heeft. Een comment kan eruit gaan zien als spam. Dus als je een AI-functionaliteit gaat gebruiken zal je er rekening mee moeten houden dat er onzekerheid in zit. Met AI kan je niet met 100% zekerheid zeggen, dit is spam. Met een percentage van 90% of hoger zal de mens een verificatie moeten doen of dit wel of niet spam is. In functionele software waarbij alles op basis van regels is kun je met zekerheid zeggen: volgens de regels is dit spam. Met AI zit er altijd een bepaalde mate van onzekerheid in.

AI is de toekomst.

Grote Tech bedrijven zoals Amazon, Google, Facebook zijn hier verder in dan MKB-bedrijven of kleinere bedrijven. Zij hebben nog een grote stap te maken maar het begint nu wel te komen. Je ziet allerlei ontwikkelingen op het gebied van AI. Waar je een aantal jaar geleden altijd je eigen algoritme moest gaan maken komen er nu steeds meer tools beschikbaar waarbij je AI kan toepassen.

Kabisa en AI

Bij Kabisa zijn we ook erg geïnteresseerd in AI. AI gaat nieuwe mogelijkheden introduceren. Wat je vroeger niet kon automatiseren kun je met AI wel gaan automatiseren. Het geeft écht nieuwe mogelijkheden en daarom zijn we erg geïnteresseerd. Als traditionele software ontwikkelaar zou je zeggen, we gaan zelf algoritmes ontwikkelen. Een andere optie zou zijn om te blijven doen waar we goed in zijn en gaan we juist die AI-functionaliteiten implementeren in bestaande maatwerk software of projecten. Dan laten we de ontwikkeling van het algoritme over aan andere bedrijven. Zoals ik het nu zie gaan we onszelf niet bezighouden met de algoritmes, maar wel met het implementeren van AI in een softwareproduct, het uitwerken van de datapipeline en het voeden van de AI.

Kabisa verzorgt het hele plaatje

Niet elk probleem hoef je op te lossen met AI. De eerste regel van AI is dat je nooit moet beginnen met AI, maar dat je moet zorgen dat je je data op orde hebt. Dat start met simpele logica en wat statistiek. Vervolgens maak je de stap naar AI. Zo een traject zouden wij ook met klanten willen doorlopen. Dat we kijken wat er nodig is, wat de vraag is achter de vraag en dat we van daar gaan kijken of er AI nodig is, of dat we het met data en statistieken kunnen oplossen.

What’s next?

Dit was de eerste podcast over AI. Naast deze podcast doorlopen wij nog diverse andere stappen in onze verkenning van AI. Zo is er een podcast met Roy Lenders, een echte AI-guru. En een webinar met sprekers van AI.nl, ASML & AI Innovation Center genaamd: AI | Hype or Game Changer?

Dank voor jullie aandacht en graag tot de volgende keer!

Bij Kabisa staat privacy hoog in het vaandel. Wij vinden het belangrijk dat er zorgvuldig wordt omgegaan met de data die onze bezoekers achterlaten. Zo zult u op onze website geen tracking-cookies vinden van third-parties zoals Facebook, Hotjar of Hubspot. Er worden alleen cookies geplaatst van Google en Vimeo. Deze worden gebruikt voor analyses, om zo de gebruikerservaring van onze websitebezoekers te kunnen verbeteren. Tevens zorgen deze cookies ervoor dat er relevante advertenties worden getoond. Lees meer over het gebruik van cookies in ons privacy statement.