Versneld digitaliseren in het mkb: in gesprek met André Gerver

André, waar houdt de EDIH zich mee bezig en hoe ben je betrokken geraakt?

“De European Digital Innovation Hub Noordwest Nederland (EDIH – Digital Hub Noordwest) helpt het mkb in Utrecht, Flevoland en Noord-Holland in hun digitale transitie. We doen dit door de ontwikkeling van prototypes, testfaciliteiten, trainingen, advies bij financiering en internationalisering om de eerste en volgende stappen te zetten.

Binnen de EDIH trekt de HvA één van de grotere werkpakketten. Ik ben betrokken geraakt vanwege mijn achtergrond in business intelligence, machine-learning en AI. De EDIH heeft verschillende partners, waaronder Techport. Hier ben ik sinds september 2022 werkzaam en houd ik me bezig met het opzetten van allerlei grote projecten op het gebied van architectuur. We voeren ook use case / Proof of Concepts uit bij bedrijven met studenten. Eén daarvan is Fieldlab Smart Energy, dat zich richt op Tiny Machine Learning (TinyML). We geven via Techport ook veel voorlichting over AI en technologie. Denk aan voorlichting aan scholieren, meeloopdagen, samenwerking met het onderwijs en aandacht voor zij-instroom.”

De HvA is verantwoordelijk voor het werkpakket Test before Invest in de EDIH. Wat houdt dit in?

“Test before invest is een learning community waarin we samen met bedrijven kennis opdoen en kennis verspreiden. Het doel is om bedrijven te helpen innoveren en om ze te helpen om sneller te digitaliseren. Hierin voeren wij use cases uit met studenten van de minor Data Science. Ook voeren wij projecten uit van 20 weken met studenten (stage en afstuderen). Het doel van dit werkpakket is dat de onderwerpen die we behandelen niet te complex zijn, waardoor het iets toevoegt aan de digitalisering van bedrijven en zij ook meer vertrouwen krijgen in digitalisering.”

Hoe gaat de ontwikkeling van AI in het buitenland en hoe verhoudt Nederland zich tot die landen?

“We lopen qua ontwikkeling achter op Amerika, maar Amerika loopt weer achter op China. Met name in China wordt enorm veel geïnvesteerd in AI, wat een overvloed aan AI-experts en -tools veroorzaakt. Wat ik wel opvallend vind, is dat Duitsland ook achterloopt, terwijl zij in eerste instantie de digitalisering-koploper waren. Zij hebben in het begin een enorme investering gedaan in het versneld ontwikkelen van AI, maar het is Duitsland niet gelukt om de ontwikkelingen bij te houden. Nederland heeft hetzelfde probleem. Er wordt wel een inhaalslag gemaakt, mede door initiatieven zoals de EDIH. Ook op het gebied van AI wordt veel geïnvesteerd. Het positieve is dat er veel kennis is (en wordt) ontwikkeld, maar deze kennis wordt nog onvoldoende in de praktijk toegepast. Daar ligt vooral ook een grote uitdaging.”

Nederland heeft dus nog een vertaalslag te maken tussen kennis en praktijk. Ook in het bedrijfsleven ziet André een niet altijd even realistische verwachting rondom AI.

“Grote bedrijven zijn al langer bezig met digitalisering en doen dit strategisch. Zo hebben zij meer kapitaal, waardoor ze meer kunnen investeren en de nodige kennis in huis kunnen halen. Kleinere bedrijven zijn hier vaak nog niet aan toe omdat ze de middelen niet hebben om volledig te kunnen investeren in AI, laat staan het mkb. Het draagvlak is er niet, en kleinere bedrijven hebben vaak niet de kennis in huis om goed te kunnen beoordelen wat werkt en wat niet werkt. En juist die kennis is nodig om te kunnen weten wat AI het bedrijfsleven kan bieden. Omdat dat laatste ontbreekt kunnen de verwachtingen te hooggespannen zijn, waardoor de resultaten ook tegenvallen.”

AI kan het bedrijfsleven veel bieden. Maar zoals met alle nieuwe ontwikkelingen kleven er ook risico’s aan. Welke risico’s zijn voor bedrijven het grootst?

“Voor bedrijven is privacy – of beter gezegd een gebrek aan privacy - een zorg waar het laatste woord nog niet over gezegd is. Het lekken van data bij bijvoorbeeld Cloud services, waar bedrijven doorgaans veel gebruik van maken, vinden veel mkb-bedrijven een risico. Met TinyML wordt dat risico overigens wel verkleind, omdat de data via die technologie bij het bedrijf wordt gehouden en niet extern in de Cloud wordt opgeslagen. TinyML is een technologie die het mogelijk maakt om machine-learning modellen in kleine apparaten te plaatsen, zoals sensoren en controllers. Maar ook TinyML heeft veiligheidsrisico’s.”

Ondanks risico’s en uitdagingen, ontwikkelt digitalisering zich nog steeds ontzettend snel. Welke technieken ziet André over vijf jaar een grote stempel op het bedrijfsleven drukken?

“Digitalisering is zo breed, je kunt het op allerlei verschillende manieren inzetten. Maar over het algemeen zie ik een techniek als TinyML op dit moment nog niet zoveel impact maken. De potentie is wel heel groot. De toepassingsmogelijkheid zijn onbegrensd en nog nauwelijks ontdekt. Dat is wat wij bijvoorbeeld ook doen met de use cases. Toepassing in veel sectoren: Gezondheidszorg, Agri, Industrie, Wildlive, Smart Home, Smart City. De impact begint nu op gang te komen. Dus als je vraagt, wat zie ik binnen vijf jaar gebeuren? Dat taalmodellen zoals Copilot, ChatGPT en Google Bard een nog grotere impact gaan hebben dan nu al het geval is. Deze modellen worden alleen maar beter en sneller, waardoor ze ook voor steeds meer doeleinden ingezet kunnen worden. Inmiddels kunnen deze LLM’s ook op microcontrol units (Tiny ML) geïmplementeerd worden, waardoor je deze modellen ‘on the edge’ op kleine apparaten kunt toepassen. Dus bijvoorbeeld ook lokaal op je telefoon zonder dat deze data verstuurd hoeft te worden naar de cloud en de bewerking op een datacentre plaatsvindt. Sneller, veiliger, energie zuiniger.