Ontwikkelingen omtrent artificial intelligence (AI) volgen elkaar in rap tempo op. Zo zien we AI-ontwikkelingen op het gebied van machine learning, natural language processing, en cybersecurity. Allen bedoeld om processen sneller, slimmer, en efficiënter te maken. Hoewel deze oplossingen als zeer intelligent worden beschouwd, valt dit in de praktijk vaak tegen. De voornaamste reden? AI-gedreven tools worden niet gevoed met de juiste input, en dat is nou net datgene wat nodig is om gebruikers écht te begrijpen.
Zonder de juiste input zijn AI-oplossingen lang niet zo nuttig als ze lijken. Sterker nog: dan zijn het slechts replica’s van de oplossingen die we al jaren toepassen. Denk bijvoorbeeld aan chatbots, zoals ChatGPT, die vandaag de dag vaak door AI worden aangestuurd. Hoewel AI-gedreven chatbots steeds intelligenter zijn geworden, is de foutmarge van de antwoorden die zij geven nog altijd aanzienlijk. Of denk aan Virtual Assistants zoals Alexa, die commando’s of vragen lang niet altijd weten om te zetten in de juiste acties. Oorzaken zijn onder meer dat deze AI-tools nog niet genoeg zijn toegespitst op het individu, en vaak niet in staat zijn om informatie te verwerken gebaseerd op eerdere ervaringen.
Ten grondslag aan accurate output ligt de juiste input. Doordat de input die dit soort AI-tools tot zich nemen niet waardevol genoeg is, wordt te weinig begrip verkregen van de gebruiker en de context waarin deze zich bevindt. Het resultaat is dat generieke antwoorden worden gegeven op gestelde vragen, en gebruikers met een onbevredigend gevoel achterblijven.
Waar moet relevante input voor AI-tools aan voldoen?
Oké, het punt is duidelijk: AI-tools hebben waardevolle input nodig om echt effectief te kunnen zijn. En hebben we het over input, dan gaat het in de kern om de juiste data. De data waar we AI-tools mee voeden moet voldoen aan de volgende voorwaarden:
- De data moet relevant zijn
Relevante data is direct gelinkt aan het probleem dat opgelost moet worden. Wordt er bijvoorbeeld een AI-tool ontwikkeld om klantgedrag te voorspellen, dan moet deze worden getraind op relevante gegevens zoals klantgedrag, demografische gegevens, en klantverloop. Zonder deze input kan de tool niet de patronen en trends leren die benodigd zijn om nauwkeurige voorspellingen te doen.
- De data moet divers zijn
Worden tools gevoed met data vanuit een kleine subset, dan zal de output niet voor iedere gebruiker relevant genoeg zijn. Is een AI-tool bijvoorbeeld getraind op basis van de demografische gegevens van één geografische regio, dan is het niet mogelijk om volledig effectief te zijn voor gebruikers uit andere regio’s. Werken met diverse data is essentieel om ervoor te zorgen dat AI-tools begrip krijgen van alle gebruikers en iedere context.
- De hoeveelheid data moet optimaal zijn
Je zou denken: hoe meer data AI-tools tot zich kunnen nemen, hoe beter. Heeft een tool meer data tot zijn beschikking, dan kunnen er tenslotte meer patronen en relaties worden geanalyseerd. Er bestaat echter ook zoiets als oververzadiging: het punt waarop de extra toevoer van data de tool niet slimmer zal maken, maar diens intelligentie juist zal doen afnemen. Het bepalen van de optimale hoeveelheid data is een complex proces, dat gepaard gaat met zorgvuldige analyse en experimenten.
Menselijk begrip van de context met contextual AI
De grote uitdaging van deze tijd is personaliseren op grote schaal. Hoe kun je voor miljoenen mensen tegelijk relevant zijn, en de juiste antwoorden bieden op het juiste moment? Dit is waar contextual AI, gebaseerd op contextuele data, in beeld komt.
Binnen online advertising wordt contextual AI toegepast om menselijk begrip te krijgen van context. De meest recente contextual AI, ontwikkeld door Seedtag, richt zich in analyses niet alleen op keywords, maar kijkt ook naar zinsdelen, de paginabron, en is in staat om patronen tussen artikelen te identificeren. Aan de hand van de scrollsnelheid, het toesteltype, het tijdstip van de dag en de weersomstandigheden, wordt een inschatting gemaakt van de fase van het aankoopproces waarin de gebruiker zich bevindt. Dankzij deze input stelt contextual AI adverteerders en merken in staat om gebruikers écht te begrijpen, en alleen advertenties te tonen die real-time relevant zijn. Er worden geen aannames gedaan over wat de gebruiker wil zien, maar de tool is dusdanig gevoed met accurate input dat er volledig, menselijk begrip ontstaat.
Contextual tilt AI naar een volgend niveau
Contextual AI heeft zich de afgelopen jaren dusdanig ontwikkeld dat het vandaag de dag in staat is om op maat gemaakte content categorieën te ontwikkelen waarop merken zich kunnen richten. Er wordt niet getarget op basis van vooraf gedefinieerde categorieën of demografische gegevens, maar de AI richt zich in plaats daarvan op content die relevant is voor de gewenste doelgroep en op het open web.
Krijgt de contextual AI een opdracht vanuit een merk, dan worden miljoenen artikelen binnen het contentnetwerk geanalyseerd om zo de meest relevante inhoud te identificeren en targeten. Vervolgens is de tool in staat om de consument te targeten op het juiste moment. En dat wil zeggen: het moment dat deze het meest ontvankelijk is voor de advertentie van het merk. Binnen online advertising laat contextual AI zien hoe de juiste input kan leiden tot real-time relevante output.
Relevante output begint bij waardevolle input
Ook de komende jaren zullen we veel zien gebeuren omtrent AI-ontwikkelingen. Om alles uit deze ontwikkelingen te kunnen halen, moet het voeden van AI-gedreven tools met de juiste input prioriteit krijgen. En de juiste input is data die relevant, divers en optimaal gedoseerd is. Daarnaast moet de input dusdanig worden geoptimaliseerd dat gebruikers worden getarget op het voor hen relevante moment. De toepassing van contextual AI binnen online advertising kan hierin als voorbeeld dienen voor developers.
Gebruikers van AI-tools doen er tot die tijd verstandig aan om kritisch naar output te kijken, en niet alles te geloven wat wordt voorgeschoteld. Tools zoals ChatGPT en Alexa zijn weliswaar intelligent, maar er is nog een slag te slaan wanneer het gaat om personalisatie en accuraatheid van de gegeven output.
Plaats als eerste een reactie
Ook een reactie plaatsen? Word lid van Adformatie!