You don’t need to set up a desk or chair for Joule. And there’s no need to fetch coffee or tea either. It’s your new digital assistant. Together, you’ll soar through daily tasks. Swiftly and always in the right direction. is a co-pilot that truly understands your organization.

The next step in AI

To explain how crucial Joule will be, Schleimann went back to the basics: the rise of artificial intelligence (AI). The capabilities of AI are already astonishing. He opened his inspiring story at DeFabrique in Utrecht with a video of himself. A digital speech created by AI. His mouth moved on the screen in line with the words he spoke. But this wasn’t a recorded video; it was an AI creation based on an image and a prompted input.

The video was an example of one of the possibilities that generative AI already offers. Generative AI not only predicts but also generates. It creates new things. “Generative AI puts us on a new path of productivity,” said Schleimann. “At least, if we use it correctly. Then our productivity takes off.”

Unprecedented pace

AI is evolving at an unprecedented pace. But what makes this revolution even more unique is its rapid adoption. Schleimann: “In previous technological revolutions, it took twenty to sometimes thirty years before they became commonplace. Think of the computer. The first computer was already there in the 1950s, but it wasn’t widely embraced until the 1980s. The same goes for the internet. Its foundation was laid in 1969. But it took about 25 years for adoption by businesses and individuals. Every development took its time. But not AI.”

Schleimann mentioned ChatGPT as an example. The language model from the American AI developer OpenAI reached the milestone of a hundred million active users per month within three months of its launch. ChatGPT is an example of generative AI: based on a prompt, it creates your desired text. For this, ChatGPT utilizes a self-learning network of data.

Joule assists your organization

Turning data into value. In the answers you seek. That is also the foundation of Joule. Do you want an overview of the sales figures from last month, compared to the same figures for the past twelve months? Do you want to know how efficient your logistics processes are? Or do you need insight into your staff and any deficiencies? Ask Joule, and you’ll have a clear answer in no time. Including visualizations.

Based on data and the foundation of your organization’s , Joule provides you with the answer you need. You might have found that answer yourself if you had manually sifted through, merged, and formatted all the data. But why waste hours on manual work when your new favorite colleague can serve it all to you on a silver platter in an instant?

Schleimann: “Think of Joule as the concierge in a hotel. You can turn to it for all your questions. Often, the concierge can give you the correct answer directly. And if not, it will direct you to the right person.”

Does AI take over your job?

AI is changing the way we work. Processes become smarter, faster, and better. As an organization, you must adapt to this. As an employee too. Computers and robots will not completely take over human work, emphasized Schleimann. “It’s about how we reorganize our work. What tasks do we delegate to AI, and where do we focus ourselves? You don’t have to fear losing your job to AI. But you might lose your job to a person who is better at using AI.”

So, skip that cup of coffee with your favorite colleague for just one day. Invest that time in getting to know Joule. You won’t regret it.

Ready to explore the limitless possibilities of Joule?

The post Smarter, faster and better: this is how AI will change your work appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Volgens onderzoeksbureau IDC wordt voor het voortbestaan van bedrijven. 鈥淏edrijven zullen AI omarmen. Niet omdat ze dat willen, maar omdat ze dat moeten鈥�, aldus Ritu Jyoti, Program Vice President, Artificial Intelligence bij IDC.

Volgens IDC zullen de wereldwijde uitgaven aan AI , van 50,1 miljard dollar in 2020 tot naar schatting 110 miljard dollar in 2024.

AI kan dankzij op een andere manier van waarde zijn dan traditionele automatisering. Waar laatstgenoemde vaak 鈥榤echanisch鈥� aanvoelt, kunnen B2B-bedrijven AI inzetten voor analytische, praktische of zelfs creatieve doeleinden.

B2B-organisaties beschikken over rijke databronnen met waardevolle informatie over hun producten, klanten en klantinteracties. Machine Learning-algoritmen kunnen door die databronnen te gebruiken leren van en ze leren zich aan te passen aan nieuwe situaties die ze tegenkomen. Zo kunnen ze een positieve impact op de business maken op een manier die voor mensen onmogelijk is.

Het gebruik van AI in e-commerce kan helpen om complexe zakelijke uitdagingen met meer gemak en snelheid op te lossen door bedrijven in staat te stellen om:

1. Klantervaringen te verbeteren
2. Betere zakelijke beslissingen te nemen
3. Kosten te verlagen en effici毛ntie te verhogen
4. De time-to-value te versnellen

4 use cases voor AI in B2B e-commerce

Deze vier use cases verduidelijken de waarde van AI voor B2B-bedrijven:

1. Red de sale

Nog te vaak lopen consumenten tegen een leeg digitaal schap aan wanneer ze zoeken naar hun gewenste product. Het resultaat: een gemiste verkoop en een teleurgestelde klant. Een klant die wellicht zelfs bij de concurrentie gaat shoppen.

Met behulp van , product content, interacties en gebruikerscontext kan AI de sale redden. Bijvoorbeeld door het aanbieden van alternatieve producten wanneer het origineel niet op voorraad is. Deze dynamische en continue preventie van verlies van verkoop over de gehele productlijn verbetert de gebruikservaring en stimuleert de omzet.

2. Intelligente vergelijkingen

65% van de kopers doen hun onderzoek liever zonder met verkopers te praten. De mogelijkheid om de prijs en de kenmerken van producten te vergelijken is zelfs een van de vijf belangrijkste redenen waarom klanten dan in een winkel een aankoop doen.

Dit kan een distributeur zonder de juiste technologie zelfs schaden, aangezien slechte vergelijkingsmogelijkheden een van de belangrijkste bronnen van frustratie zijn voor B2B-shoppers.

In deze situatie kan AI zijn waarde bewijzen. Het kan intelligente vergelijkingsopties bieden door gegevens uit vele bronnen te halen, zoals productgegevens en -context, interacties, gebruikerscontext en bedrijfsgegevens.

In plaats van dat de koper honderden specificaties van duizenden producten moet doornemen, kan AI eenvoudig tijdrovende vergelijkingstaken automatiseren. Dat helpt enorm met het maken van een sterke businesscase voor een aankoop.

3. Slim aanvullen

B2B-klanten verwachten dat zij hun bestellingen via self-service kunnen plaatsen. Voor herhaalaankopen maken ze steeds vaker gebruik van snelle bestelformulieren en automatische vervanging.

AI kan ook hier van waarde zijn. Ze kunnen ordervoorspellingen maken op basis van data rondom interacties, klantcontext over de verschillende klantsegmenten en bedrijfsgegevens. Dat verbetert de klantloyaliteit en vermindert de churn.

4. Category management

Category management is voor veel B2B-inkopers een uitdaging. Het is lastig steeds de juiste keuzes te maken over welke producten op de homepage uitgelicht zouden moeten worden, en vat te krijgen op hoe salescijfers en productmarges zich ontwikkelen.

Met behulp van productcontext en interactiegegevens kan AI hen hierin ondersteunen. Op die manier kunnen ze de prestaties van producten in balans brengen, en de afzet- en winstcijfers optimaliseren.

De toekomst van B2B e-commerce is AI

Deze use cases leveren een krachtig bewijs van de voordelen van AI in B2B e-commerce. Voor bedrijven die nog niet zijn begonnen met het implementeren van AI ter ondersteuning van hun B2B e-commerce strategie: het is nu de hoogste tijd.

Met de hulp van AI kunnen toonaangevende groothandels hun grenzen verleggen en de traditionele grenzen van de sector doorbreken. AI verandert hen in een proactieve, inzicht-gedreven bedrijven.

Wil jij meer weten over AI?

The post Zo verbetert AI B2B-commerce: 4 use cases appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Wat is Augmented Analytics?

Volgens de meest eenvoudige definitie is augmented analytics een vorm van analytics aangevuld (augmented) met kunstmatige intelligentie. Denk hierbij aan machine learning-algoritmes en natural language processing (NLP). automatiseert complexe analytische processen, zoals het voorbereiden van data en verzamelen van inzichten. Met NLP kunnen ongetrainde gebruikers vragen stellen over data, waarop zij via gesproken taal de antwoorden krijgen aangereikt.

Wat maakt augmented analytics zo belangrijk?

biedt in de moderne economie de grootste kansen. Dankzij data-analyse weten bedrijven onder meer wat zij produceren, wanneer zij deze producten het beste op de markt kunnen brengen en hoe hun organisatie zich in de toekomst moet ontwikkelen.

De hoeveelheid data die bedrijven vandaag de dag verzamelen is echter dusdanig groot, dat deze niet langer door uitsluitend mensen kunnen worden geanalyseerd. Ondanks de grote behoefte aan snelle antwoorden kunnen bedrijven door de omvang van datasets niet aan deze vraag voldoen. Technologie毛n als en zijn nodig voor het extraheren van betekenisvolle inzichten uit .

Meer lezen over Machine Learning in combinatie met data?

Beter samenwerken met het data science team

Het analytische proces bestaat uit handmatige, tijdrovende stappen die dusdanig gecompliceerd zijn dat zij doorgaans alleen door datawetenschappers kunnen worden uitgevoerd. Door datawetenschappers meer tijd te geven voor belangrijkere taken zoals het interpreteren van resultaten, vergroten augmented analytics de waarde die deze analisten leveren. AI- en machine learning-gebaseerde analytics helpt hen verbindingen te ontdekken die zij anders wellicht gemist hadden en diepere inzichten te verkrijgen in minder tijd.

De technologie毛n ondersteunen ook werknemers in andere analytische functies, vari毛rend van business analisten tot citizen data scientists. AI- en -gebaseerde analytics verbetert hun inzicht en laat hen werk uitvoeren dat voorheen alleen door gespecialiseerde datawetenschappers werd uitgevoerd.

Analytics toegankelijk maken voor ongetrainde gebruikers

Een belangrijk voordeel van augmented analytics is dat ongetrainde werknemers als analist kunnen functioneren. Complexe analytische processen zijn geautomatiseerd en gebruikers kunnen data opvragen door het stellen van eenvoudige vragen. Analytische kennis is dan niet nodig voor het toepassen van geavanceerde analyses. helpt deze werknemers bij het bedenken van de volgende vraag en doet daarnaast suggesties voor onderwerpen waarin zij dieper kunnen duiken.

Met zijn antwoorden op vragen beschikbaar in kant-en-klare datavisualisaties, zoals tabellen, grafieken en kaarten. Gebruikers hoeven deze niet zelf te cre毛ren. Zij kunnen deze visualisaties via eenvoudige commando’s onderzoeken, combineren tot data stories en zijn eenvoudig delen met andere teams en managers. Zonder dat dit specifieke kennis vereist.

Wat zijn de drie vormen van analytics?

Analytics en zijn in recente jaren snel ontwikkeld van geavanceerde tools voor data en analytics professionals tot machine learning-analytics die voor iedereen bruikbaar is.

We maken onderscheid tussen drie vormen van :

1. Traditionele analytics

• Gedreven door IT
• Beperkte autonomie voor gebruikers
• Geavanceerde tools voor data en analyticsprofessionals
• Gericht op grootschalige rapportages

2. Self- service analytics

• Gedreven door de business
• Biedt gebruikers meer autonomie
• Gebruiksvriendelijke interface
• Focus op gebruiker-gedreven inzichten

3. Augmented analytics

• Gedreven door AI en
• Volledige autonomie voor gebruikers
• AI-tools en begeleide processen
• Focus op snelle en diepe inzichten die voorheen verborgen waren
• Aanvulling op de traditionele analytics

Wat zijn de voordelen van Augmented Analytics?

• Data sneller voorbereiden:

Analisten zijn zo’n 80% van hun tijd kwijt aan het voorbereiden van data voor analyses. Zij exporteren grote datasets – met soms wel miljoenen gegevens – en combineren deze, schonen de gegevens op en structureren de data. Bij augmented analytics automatiseert machine learning dit proces. Daardoor houden analisten meer tijd over voor waardevollere activiteiten en neemt het aantal menselijke fouten af.

• Geautomatiseerde analyses:

Machine learning-modellen kunnen complexe analyses automatiseren waarmee datawetenschappers anders weken bezig zijn. Antwoorden en datavisualisaties zijn direct beschikbaar voor gebruikers, die hierdoor minder tijd kwijt zijn aan het doorspitten van . Zij houden hierdoor meer tijd over voor het delen van data stories met het management en het nastreven van verandering.

• Diepere inzichten:

bekijken data op een andere manier dan mensen. Zij kunnen veel grotere datasets vanuit meer perspectieven onderzoeken. Ook kunnen machines statische correlaties, relaties en patronen identificeren die voor het menselijk oog onzichtbaar zijn. Machines kunnen data snel en op grote schaal begrijpen, menselijke intelligentie verrijken met inzichten zonder vooroordelen en gebruikers vertellen waar zij hun aandacht op zouden moeten richten.

• Conversationele analytics:

Met NLP – dezelfde conversationele waarop digitale assistenten als Siri en Alexa zijn gebaseerd – kunnen gebruikers zonder kennis van query-talen of programmeercode op een conversationele manier – spraak bijvoorbeeld- vragen stellen over data. Dankzij natural language generation (NLG) kan de technologie in volledige zinnen antwoorden samenvatten of toelichten, zowel gesproken als geschreven.

• Directe business context:

Inzichten zonder business context kennen geen waarde. -algoritmes kunnen door inachtneming van de intentie en het gedrag van gebruikers inzichten met context leveren waarop acties kunnen worden gebaseerd. Doordat breder beschikbaar is kunnen managers en ervaren werknemers inzichten verrijken met hun uitgebreide kennis en begrip van business modellen en operationele processen.

Use cases

revolutioneert bedrijfsprocessen. Wat betekent dit echter in de praktijk? We zetten enkele voorbeelden van use cases voor augmented analytics voor de financi毛le afdeling, sales, marketing, logistiek, HR en debiteurenafdeling op een rij.

Financieel: Een business analist kan augmented analytics inzetten voor het voorspellen van declaraties voor verschillende afdelingen.

Sales en marketing: leveren sales- en marketingteams rijkere klantprofielen op en helpen bij het snel identificeren van cross- en up-sellkansen.

Productie: Een analist van een staalfabrikant kan augmented analytics inzetten voor het voorspellen, monitoren en controleren van de kosten in vijf verschillende Europese fabrieken.

HR: HR-managers kunnen met behulp van de technologie het personeelsverloop voorspellen, de oorzaken hiervan in kaart brengen en actie ondernemen voor het behoud van goed presterende werknemers.

Debiteurenafdeling: Medewerkers van de debiteurenafdeling kunnen met behulp van late betalingen voorspellen, de juiste strategie betalen voor het innen van achterstallige betalingen en de cashflow continu in de gaten houden.

Meer weten over augmented analytics?

The post Wat is Augmented Analytics? | Definitie en voordelen appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Kunstmatige Intelligentie, ook wel genoemd,聽 is de brede term voor toepassingen waarin machines mensachtige taken uitvoeren. Denk hierbij aan leren, redeneren en problemen oplossen. Een subgebied van AI is machine learning. leert computers om te leren van gegevens en ervaringen en verbetert continu hoe taken worden uitgevoerd. Geavanceerde algoritmen kunnen patronen herkennen in ongestructureerde gegevensrecords (afbeeldingen, teksten en spraak) en ze gebruiken om zelfstandig beslissingen te nemen.

Wat zijn de voordelen van AI?

1. Het versnelt beslissingen dankzij betere gegevens

2. Het automatiseert arbeidsintensieve manuele processen

3. Het vergroot het vermogen van het bedrijf om zich aan te passen aan marktveranderingen dankzij realtime informatie en voorspellingen die veel verder gaan dan menselijke mogelijkheden

4. Hierdoor worden ook voorraadniveaus verlaagd doordat vraag beter voorspeld kan worden

5. Het vereenvoudigt workflows

6. Het leidt tot nauwkeurigere prognoses

7. Het cre毛ert nieuwe bedrijfsmodellen op basis van gegevens

Om deze redenen , waardoor hun concurrentievermogen toeneemt.

Waar wordt Artificial Intelligence al in gebruikt?

Artificial Intelligence is te vinden in smart devices, zoals je telefoon of laptop. is een tool die menselijke spraak herkent en op basis daarvan taken uitvoert. Je kunt bijvoorbeeld ook denken aan automatische stofzuigers, de elektrische tandenborstel die het aangeeft wanneer je te hard poetst, declaratiesystemen die kunnen lezen welke bedragen er op bonnetjes staan of wanneer er producten aanbevolen worden op een website op basis van zoekgeschiedenis. Lees ook meer over Augmented Analytics.

Click the button below to load the content from YouTube.

Always allow YouTube

gaan ook een steeds belangrijkere rol spelen binnen organisaties, zowel voor interne communicatie als extern. Denk bijvoorbeeld aan een chatbot voor restaurants die reserveren kan doorvoeren, of chatbots die op websites al makkelijk te beantwoorde vragen van bezoekers kunnen afhandelen.

Waarom is data zo belangrijk bij Artificial Intelligence?

Heb je weleens een robotstofzuiger aan het werk gezien? Dit is in eerste instantie leuk om naar te kijken. Alleen, als je de stofzuiger net dat ene stukje vuil wilt laten opzuigen en keer op keer mist, wordt nog niet de hele activiteit van schoonmaken uit handen genomen.聽聽of Artificial Intelligence聽 kan hiermee overeenkomen. AI automatiseert routinematige taken en kan significante tastbare waarde opleveren. Maar als je niet uitkijkt, loop je telkens tegen dezelfde beperkingen of obstakels aan. Dit tast de waarde die je uit AI kunt halen aan. .

Zitten er ook nadelen aan kunstmatige intelligentie?

Het gebruik van intelligente technologie komt geregeld in het nieuws, omdat er naast alle voordelen ook vaak angst is. Omdat AI-technologie herhalende taken vaak sneller en preciezer uit kan voeren dan mensen, kan dit banen kosten. Nieuwe technologie zal aan de andere kant ook voor veel innovaties en daardoor nieuwe banen leiden.

Daarnaast zit er ook een . Hoe zit het met onze gegevens, en hoe kunnen we ervoor zorgen dat AI juist voor een verrijking en verbetering van het leven van mensen zorgt?

Welke soorten Artificial Intelligence zijn er?

Er zijn 3 soorten AI:

• Artificial Narrow Intelligence (ANI): hier wordt er vooral op een specifieke taak gericht. Het is daardoor niet zo intelligent of vermogend als de andere soorten.
• Artificial General Intelligence (AGI): AGI kan ook omgaan met situaties die onverwacht komen en daardoor minder repetitief zijn.
• Artificial Super Intelligence (ASI): Als AGI nog ‘slimmer’ wordt, kunnen we verwachten dat er in de toekomst een soort superintelligentie bestaat. Deze soort bestaat nu echter nog niet.

Welke software bestaat er met ge茂ntegreerde AI-technologie?

1. Til acties naar een hoger niveau met

• Cloudimplementatie
• Automatisering van handmatige processen
• Bots maken en beheren
• Ge茂ntegreerde, kant-en-klare AI-service

2. Maak ervaringen menselijk met

• Cloudimplementatie
• Bots bouwen en implementeren
• Geavanceerde Natural Language Processing
• Herbruikbare cloudservices

3. Verbind de vereiste gegevens met elkaar in de gehele organisatie met

• ongeacht de locatie of het type
• om informatiebeheer en krachtige modellen voor machine learning te automatiseren
• en AI in de hele organisatie te schalen

4. Verbeter de klantenservice met

• Verbeter de klantenservice in een omni-channel frontoffice
• Verwerkt inkomende berichten via social media, mail en andere communicatiekanalen
• De applicatie bepaalt automatisch de classificatie, routing en het gewenste antwoord.

5. Automatiseer arbeidsintensieve processen zoals het matchen van facturen met

• Zorgt dat finance professionals zich helemaal kunnen richten op strategie en een hoge kwaliteit van dienstverlening.
• De geavanceerde software maakt het mogelijk om de criteria uit de geschiedenis met machine learning te sorteren
• Betalingen worden automatisch verwerkt

The post Wat is Artificial Intelligence (AI) nu precies? | Kunstmatige Intelligentie appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Verschillende cijfers wijzen erop dat bedrijven meer tijd kwijt zijn aan beperkingen en obstakels van AI dan dat zij waarde halen uit de technologie:

• Zo maakt 84% van de klanten zich zorgen over de kwaliteit van data waar algoritmes mee werken
• Een vergelijkbare groep (86%) stelt daarnaast niet de maximale waarde uit hun data te halen
• Ruim driekwart (74%) geeft toe dat hun datalandschap dusdanig complex is dat dit hun flexibiliteit beperkt.

Levensader van AI

Bij een robotstofzuiger is voorwerk – zoals het aan de kant zetten van stoelen – de sleutel tot een goed resultaat. Bij AI is dit niet anders. De technologie maakt gebruik van complexe rekenmodellen en geavanceerde rekenkracht om resultaten te leveren. Deze berekeningen en hardware zijn afhankelijk van data, die de levensader van AI vormen. Zonder een goede grip op databeheer kan AI dan ook geen optimale resultaten opleveren.

is uitdagend. Zo is data opgeslagen op verschillende locaties, verspreid over cloud en on-premise systemen. Tegelijkertijd neemt de hoeveelheid data waarover bedrijven beschikken explosief toe. Zo verzamelen sensoren en steeds meer gegevens. Bedrijven staan dan ook voor de uitdaging data uit een groot aantal bronnen te combineren. AI moet deze gegevens verzamelen, integreren en combineren met onder meer afbeeldingen, video’s, audiobestanden en tekstbestanden.

AI beter schaalbaar maken

Het simpelweg beheren van al deze integraties en verwerken van verschillende type data (zoals audio, beeld en tekst) vereiste voorheen het gebruik van meerdere tools. Hier komt nu verandering in. Een nieuwe generatie cloud oplossingen maakt AI schaalbaar over de gehele organisatie door drie kritieke elementen te beheren:

• De data die je nodig hebt, ongeacht de locatie of het soort data
• Het ontwerp van machine learning algoritmes met de tools en raamwerken die data science-teams willen gebruiken
• De uitrol van machine learning met behulp van cloud containers, zodat IT AI snel kan uitrollen, beheren en de volledige end-to-end levenscyclus van AI kan automatiseren

AI is een teaminzet die co枚rdinatie en samenwerking vereist tussen:

• Gebruikers die de behoeften van de organisatie en diens klanten begrijpen
• Data scientists die weten waar data zijn opgeslagen en hoe deze zijn gestructureerd
• De data Science-teams die begrijpen hoe zij waarde uit data kunnen extraheren

Ieder lid van het AI-team moet samenwerken om een maximale productiviteit en snelheid te realiseren. Zij krijgen hierbij ondersteuning van software die functionaliteiten bevat voor governance, het beheer van metadata en machine learning transparantie. Deze aanpak stelt je in staat zeker te stellen dat de resultaten van hun inzet uitlegbaar, begrijpbaar en betrouwbaar zijn.

Wil je meer weten over het belang van data management en AI? Lees dan ook het blog ‘Wat is Data Management?’

The post Waarom Artificial Intelligence nergens is zonder data intelligence appeared first on 麻豆原创 Nederland Blogs & Nieuws.