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 gevolgen hebben voor de manier waarop we antwoorden op aanbestedingen. Momenteel lopen veel bid- en tendermanagers nog rond met mappen vol gedrukte aanbestedingsdocumenten met plakbriefjes en gemarkeerde teksten. Dit staat op het punt te veranderen. Mensen en machines gaan steeds meer samenwerken en er zal de komende jaren een 'digitaliseringsrevolutie' plaatsvinden.
Hieronder leggen wij uit hoe verschillende AI-gebieden kunnen worden samengebracht om een sterke combinatie van mens en machine te waarborgen. We bespreken de toepassing van de AI-disciplines computer vision, natural language processing en machine learning bij het reageren op aanbestedingen.
Ontwikkelaars van Computer Vison willen computers in staat stellen beelden te verwerken op vrijwel dezelfde wijze 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. Computer Vision wil een systeem in staat stellen zijn eigen voorspellingen en beslissingen te nemen op basis van de context. Net als ons brein. Dit betekent dat de computer in staat is objecten te identificeren en passende beslissingen te nemen op basis van wat het "ziet".
Afbeeldingen zijn voorbeelden van ongestructureerde data, ze bestaan uit eindeloze pixels. Niet alleen het menselijk brein, maar ook kunstmatige systemen zullen binnenkort in staat zijn deze wirwar van pixels om te zetten in een gestructureerde dataset. Het menselijk brein doet dit automatisch, terwijl het systeem een technisch stappenplan heeft waarin modellen moeten worden getraind. In het geval van Brainial zetten wij alle aanbestedingsdocumenten om in een afbeelding. Onze computervisiemodellen worden specifiek getraind op documenten en documentlay-outs, met inbegrip van al hun kenmerken. Eén computervisiemodel heeft bijvoorbeeld de kenmerken geleerd van objecten zoals paragrafen, opsommingstekens, afbeeldingen en tabellen. Een ander computervisiemodel detecteert de metadata van tekeningen. De teksten worden uit de objecten geëxtraheerd met behulp van OCR-technologie en vervolgens omgezet in 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 lappen tekst wordt de tekst opgedeeld en geclassificeerd, een beetje zoals een mens een markeerstift gebruikt om een document te markeren.
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 gemakkelijker wordt, zoals het verwijderen van stopwoorden of het vervangen van alle taalspecifieke letters door normale (bv. 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 ingedeeld in categorieën als juridisch, procedureel, technisch, financieel, enz. De gebruikte methoden variëren van op regels gebaseerde methoden, waaronder reguliere expressies, tot statistische en machineleermodellen. Bij Brainial gebruiken we een combinatie van op regels gebaseerde methoden en modellen voor machinaal leren.
Brainial heeft zijn eigen modellen ontwikkeld die Natural Language Processing gebruiken om de opgemaakte tekst te interpreteren en te classificeren. Wij gebruiken het ook om specifieke elementen, zoals uitsluitingsgronden, gunningscriteria en planning, en organisatiespecifieke kwesties uit aanbestedingsdocumenten te extraheren. Bovendien kunnen metadata uit de aanbestedingsdocumenten worden gedetecteerd en geëxtraheerd. Dit alles zorgt ervoor dat binnen enkele minuten een complete aanbesteding volledig is geanalyseerd, gerubriceerd en op een gebruikersvriendelijke manier kan worden gepresenteerd. Op basis van deze eerste systeemanalyse kan een eerste bod / geen bod afweging worden gemaakt en direct inzicht worden verschaft in de kritische elementen in de aanbesteding zonder dat een mens ook maar één woord van de aanbesteding heeft gelezen.
Een bijkomend voordeel van samenwerking tussen mens en machine is dat minder elementen over het hoofd worden gezien. Bijna iedere bid- en tendermanager geeft toe wel eens informatie over het hoofd te hebben gezien. Die kans wordt aanzienlijk kleiner als een machine meeleest. Dit leidt tot betere beantwoordingen en een reductie van faalkosten die zijn toe te schrijven aan de tenderfase.
Machine learning is een breed gebied van AI dat zich bezighoudt met de ontwikkeling van algoritmen en technieken die computers in staat stellen te leren. Machine learning is een zeer diverse techniek waarbij verschillende software, algoritmen en technieken worden gebruikt om specifieke modellen te bouwen die het best bij de situatie passen. Machine learning bestaat niet uit een concrete reeks algoritmen die op een gestandaardiseerde manier kunnen worden gebruikt.
Nadat de aanbestedingsdocumenten door Brainial zijn geanalyseerd, gaan de mensen ermee aan de slag. Zij bepalen dat bepaalde resultaten belangrijker zijn dan andere en kennen acties of andere labels toe. Een voorbeeld is dat het stukje tekst ".... 90 dagen betalingstermijn..." de actie "goedkeuring van het management" en het label "hoog risico" krijgt. De volgende keer dat de machine een soortgelijk stuk tekst vindt met het voorbeeld van een betalingstermijn van 90 dagen, zal hij automatisch de actie "goedkeuring van het management" en het label "hoog risico" toekennen. Brainial past speciale technieken voor machinaal leren toe die nauwkeurige voorspellingen kunnen doen op basis van relatief weinig voorbeelden.
Mensen en machines zullen steeds meer gaan samenwerken. Dit zal ertoe leiden dat veel handmatig werk niet meer hoeft te worden gedaan, informatie razendsnel kan worden geëxtraheerd, geanalyseerd en op een gebruiksvriendelijke manier kan worden gepresenteerd. Het zal ervoor zorgen dat je als mens al je ervaring en kennis kunt inzetten voor de creatieve processen, waardetoevoegende activiteiten en bij het bepalen van een winnende strategie. Waar een machine razendsnel veel data 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 die je echt kunt doen om het verschil te maken.
