Waarom is dit belangrijk?
Zorgverleners kunnen met datagedreven AI een advies geven dat past bij wat bij veel vergelijkbare patiënten eerder hielp. In ziekenhuizen helpt het artsen bij lastige keuzes over een operatie of een vervolgonderzoek. Patiënten krijgen daardoor advies dat beter bij hen past, maar lopen ook risico op fouten of uitsluiting als de gegevens niet kloppen of hun privacy onvoldoende beschermd is.
Zo werkt het in de praktijk
Bij de Rijksdienst voor Ondernemend Nederland schat een zelflerend model het risico van WBSO-aanvragen voor belastingvoordeel in. Medewerkers pakken aanvragen met een laag risico eerder op. In een Zweedse autofabriek zoekt een model in machinelogboeken naar machines die de lijn vertragen.
Onderzoekers van Chalmers bekijken hoe fabrieken zulke AI blijven onderhouden. Zij letten op vakkennis, datawetenschap en datavoorbereiding in elke fase. Ook beschrijven zij de afwegingen als een model minder goed gaat voorspellen.
Zij bouwen voort op CRISP-DM, een bekende werkwijze voor dataprojecten. Zij voegen een fase voor gebruik en onderhoud toe en maken er een doorlopende cyclus van. Teams koppelen taken zo aan de juiste kennis.




