Home > Nieuws > GAP-analyse voor operationalisering en grootschalige toepassing van AI
Delen met:
Share on linkedin
LinkedIn
Share on twitter
Twitter
Share on whatsapp
WhatsApp
Share on email
Email
Share on print
Print

GAP-analyse voor operationalisering en grootschalige toepassing van AI

Blauwe achtergrond met data

Artificiële Intelligentie (AI) heeft data nodig om algoritmes te trainen. Data wordt opgeslagen in databases die vaak niet in één organisatie wordt opgeslagen. Om de algoritmes te trainen en te testen, is toegang nodig tot die verschillende databronnen. Een adequate infrastructuur voor het delen van gegevens voor AI is dan ook essentieel voor het verbeteren van de positie van Nederland in het AI-domein. Om inzicht te verkrijgen in de kansen en uitdagingen voor de operationalisering en grootschalige toepassing van AI heeft de werkgroep Data Delen op basis van drie use cases een GAP-analyse uitgevoerd.

Toepassing datasoevereiniteit in drie use cases

Aangezien data als waardevol en potentieel gevoelig wordt beschouwd, hebben organisaties graag de controle over wie hun data mag gebruiken, voor welke doeleinden en onder welke voorwaarden. Dit wordt datasoevereiniteit genoemd. Datasoevereiniteit waarborgt de bron en daarmee wordt de bereidheid om data te delen groter. AI-applicaties kunnen zo van meer en betere informatie worden voorzien.

Om aan te tonen dat dit op een verantwoorde manier kan plaatsvinden, heeft de werkgroep Data Delen in 2020 drie illustratieve use cases ontwikkeld waarin de belangrijkste architectuurconcepten en technologiecomponenten aan bod zijn gekomen. Het betreft de volgende use cases:

  • (Flexibel) toestemmingsbeheer met een case uit de overheidssector. Hoe zorgen we ervoor dat de eindgebruiker met zijn/haar rechten worden gekend.
  • Gedistribueerde samenwerkingsmodellen met een case uit de gezondheidssector. Hoe zorgen we ervoor dat we data op een verantwoorde manier kunnen verzamelen of is het mogelijk het algoritme langs de data sturen zonder de data daadwerkelijk te hoeven delen.
  • Hybride omgevingen voor het delen van gegevens met een case uit de energiesector. Hoe zorgen we ervoor dat datadeel systemen die niet allemaal even ver zijn in hun ontwikkeling toch data met elkaar kunnen uitwisselen.

De toegepaste systeemarchitectuur en de drie use cases worden in deze GAP-analyse (Engels) beschreven. Deze informatie biedt inzicht aan anderen om hun kennisbasis te verbreden en om naar implementatie in de praktijk toe te werken. Hiermee worden meer en betere AI-implementaties mogelijk.

GAP-analyse

De basistechnologie voor de realisatie van systeemarchitectuur wordt steeds volwassener. De in dit verslag beschreven GAP-analyse richt zich dan ook met name op de lacunes in de werking van het systeem en in de governance, die moeten worden overbrugd om tot grootschalige invoering en toepassing te komen

Tags:

Meest recente berichten

Samen bouwen aan de digitale toekomst