De samensmelting van mens en machine gebeurt nu - 3 AI-technieken gebruikt bij aanbestedingen

Kunstmatige intelligentie (AI) verwijst naar het vermogen van machines om intelligent gedrag te vertonen. AI zal de manier waarop we leven, werken en reizen veranderen. Het zal ook invloed hebben op de manier waarop we aanbestedingen beantwoorden. Op dit moment lopen veel aanbestedings- en tendermanagers nog rond met mappen vol geprinte aanbestedingsdocumenten met plakbriefjes en gemarkeerde teksten. Dit gaat veranderen. Mensen en machines gaan steeds meer samenwerken en er zal de komende jaren een 'digitaliseringsrevolutie' plaatsvinden.

Hieronder leggen we uit hoe verschillende gebieden van AI kunnen worden samengebracht om een sterke combinatie van mens en machine te garanderen. We bespreken de toepassing van de AI-disciplines computer vision, natural language processing en machine learning bij het reageren op aanbestedingen.

Computer Vision

Computer Vision-ontwikkelaars streven ernaar om computers de mogelijkheid te geven om beelden te verwerken op ongeveer dezelfde manier als mensen dat doen. Computer Vision is gebaseerd op deep learning. Dit is een vorm van machinaal leren die gebruik maakt van de architectuur van het menselijk brein. Het doel van Computer Vision is om een systeem zijn eigen voorspellingen en beslissingen te laten maken op basis van de context. Net als ons brein. Dit betekent dat de computer in staat is om objecten te identificeren en de juiste beslissingen te nemen op basis van wat hij "ziet".

Afbeeldingen zijn voorbeelden van ongestructureerde gegevens, ze bestaan uit eindeloze pixels. Niet alleen het menselijk brein, maar ook kunstmatige systemen zullen binnenkort in staat zijn om van deze wirwar van pixels een gestructureerde dataset te maken. Het menselijk brein doet dit automatisch, terwijl het systeem een technisch stappenplan heeft waarin modellen getraind moeten worden. In het geval van Brainial zetten we alle aanbestedingsdocumenten om in een afbeelding. Onze computervisiemodellen worden specifiek getraind op documenten en documentlay-outs, inclusief al hun kenmerken. Eén computervisiemodel heeft bijvoorbeeld de kenmerken van objecten zoals alinea's, opsommingstekens, afbeeldingen en tabellen geleerd. Een ander computervisiemodel detecteert de metadata van tekeningen. De teksten worden uit de objecten gehaald met behulp van OCR-technologie en vervolgens geconverteerd naar een gestructureerd gegevensformaat en verwerkt met behulp van Natural Language Processing. Een gestructureerd gegevensformaat is een manier om gegevens weer te geven die voor een computer gemakkelijk te begrijpen en consistent is. In plaats van grote stukken tekst wordt de tekst opgedeeld en geclassificeerd, een beetje zoals een mens een markeerstift gebruikt om een document te markeren.

Natural Language Processing

Natural Language Processing (NLP) is de technologie die wordt gebruikt om computers te helpen de natuurlijke taal van mensen te begrijpen. Met NLP slaan we een brug tussen de menselijke manier van communiceren en de computer manier van communiceren. Een NLP-systeem bestaat uit een pijplijn met een aantal componenten die zorgen voor de verwerking van de tekst. Elke component brengt structuur aan in de tekst zodat verdere verwerking eenvoudiger wordt, zoals het verwijderen van stopwoorden of het vervangen van alle taalspecifieke letters door normale letters (bijvoorbeeld van é naar e). De eerste componenten verschillen in taak van de latere componenten, die meer gericht zijn op het analyseren van concepten en relaties. Een voorbeeld hiervan is tekstcategorisatie, waarbij stukken tekst worden onderverdeeld in categorieën zoals juridisch, procedureel, technisch, financieel, enz. De gebruikte methoden variëren van regelgebaseerde methoden, waaronder reguliere expressies, tot statistische en machine-learning modellen. Bij Brainial gebruiken we een combinatie van regelgebaseerde methoden en machine learning modellen.

Brainial heeft eigen modellen ontwikkeld die Natural Language Processing gebruiken om de geformatteerde tekst te interpreteren en te classificeren. We gebruiken het ook om specifieke elementen, zoals uitsluitingsgronden, gunningscriteria en planning, en organisatiespecifieke zaken uit aanbestedingsdocumenten te halen. Daarnaast kunnen metadata worden gedetecteerd en geëxtraheerd uit de aanbestedingsdocumenten. Dit alles zorgt ervoor dat binnen enkele minuten een complete aanbesteding volledig is geanalyseerd, geclassificeerd en op een gebruiksvriendelijke manier kan worden gepresenteerd. Op basis van deze eerste systeemanalyse kan een eerste afweging worden gemaakt tussen bieden en niet bieden en kan direct inzicht worden gegeven in de kritieke elementen in de aanbesteding zonder dat een mens ook maar één woord van de aanbesteding heeft gelezen.

Een bijkomend voordeel van mens-machine samenwerking is dat er minder elementen over het hoofd worden gezien. Bijna elke offerte- en tendermanager geeft toe dat hij of zij wel eens informatie over het hoofd heeft gezien. Deze kans wordt aanzienlijk verkleind wanneer een machine meeleest. Dit leidt tot betere voorstellen en minder faalkosten in de tenderfase.

Machinaal leren

Machine learning is een breed gebied van AI dat zich bezighoudt met de ontwikkeling van algoritmen en technieken waarmee computers kunnen leren. Machine learning is een zeer diverse techniek die gebruik maakt van verschillende software, algoritmen en technieken om specifieke modellen te bouwen die het best passen bij de situatie. Machine learning bestaat niet uit een concrete set algoritmen die op een gestandaardiseerde manier kunnen worden gebruikt.

Nadat aanbestedingsdocumenten door het Brainial zijn geanalyseerd, gaan mensen ermee aan de slag. Ze bepalen dat bepaalde resultaten belangrijker zijn dan andere en kennen acties of andere labels toe. Een voorbeeld is dat het stukje tekst ".... 90-daagse betalingstermijn..." de actie "goedkeuring van het management" en het label "hoog risico" krijgt. De volgende keer dat de machine een vergelijkbaar stuk tekst vindt met het voorbeeld van een betalingstermijn van 90 dagen, zal het automatisch de actie "goedkeuring door het management" en het label "hoog risico" toekennen. Brainial past speciale machine learning technieken toe die nauwkeurige voorspellingen kunnen doen op basis van relatief weinig voorbeelden.

Conclusie

Mensen en machines zullen steeds meer samenwerken. Hierdoor zal veel handmatig werk niet meer gedaan hoeven te worden, informatie kan razendsnel worden geëxtraheerd, geanalyseerd en gepresenteerd op een gebruiksvriendelijke manier. Het zal ervoor zorgen dat je als mens al je ervaring en kennis kunt gebruiken tijdens creatieve processen, waardetoevoegende activiteiten en bij het bepalen van een winnende strategie. Terwijl een machine razendsnel veel gegevens kan verwerken, kan een mens tussen de regels door lezen en de situatie van de klant begrijpen. Het enige wat we kunnen zeggen is: omarm de nieuwe ontwikkelingen, gebruik ze in je voordeel en ze zullen je helpen om efficiënter en effectiever te werken, zodat je meer tijd kunt besteden aan de leuke dingen en aan de dingen waarmee je echt een verschil kunt maken.

‍