Performancing Metrics

Geschatte leestijd: 5 minuten
The merging of humans and machines is happening now. 3 AI techniques used in tendering

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

Kunstmatige intelligentie oftewel artificial intelligence (AI) betreft het vermogen van machines om intelligent gedrag te vertonen. AI zal de manier veranderen waarop we leven, werken en reizen. Het gaat ook impact hebben op de manier waarop we tenders beantwoorden. Op dit moment lopen veel bid- en tendermanagers nog naar buiten met mappen vol met geprinte aanbestedingsdocumenten met stickynotes en gemarkeerde teksten. Dit gaat veranderen. Mens en machine gaan steeds meer samenwerken en er zal de komende jaren een ‘digitaliseringsrevolutie’ plaatsvinden.

Hieronder leggen we uit hoe diverse vakgebieden van AI bij elkaar kunnen worden gebracht om ervoor te zorgen dat er een sterke combinatie ontstaat tussen mens en machine. We gaan in op het toepassen van de AI vakgebieden computer vision, natural language processing en machine learning bij het beantwoorden van aanbestedingen.

Computer Vision

Computer Vision-ontwikkelaars streven ernaar om computers de mogelijkheid te geven om beelden te verwerken, op vrijwel dezelfde manier als mensen doen. Computer Vision is gebaseerd op deep learning. Dit is een vorm van machine learning die gebruik maakt van de architectuur van het menselijke brein. Computer Vision streeft ernaar om een systeem zelf voorspellingen te laten doen en beslissingen te laten uitvoeren op basis van de context. Net zoals ons brein dus. Dat betekent dat de computer in staat is om objecten te identificeren en om de juiste beslissingen te nemen op basis van wat het “ziet”. 

Afbeeldingen zijn voorbeelden van ongestructureerde data, ze bestaan uit eindeloos veel pixels. Niet alleen het menselijk brein, maar ook kunstmatige systemen zijn straks in staat om van deze brei aan pixels een gestructureerde dataset te maken. Het menselijk brein doet dit automatisch, terwijl het systeem een technisch stappenplan kent waarbij modellen moeten worden getraind. In het geval van Brainial transformeren we alle aanbestedingsdocumenten naar een plaatje. Onze computer vision modellen zijn specifiek getraind op documenten en documentindelingen, inclusief alle bijbehorende kenmerken. Een computer vision model heeft bijvoorbeeld de kenmerken geleerd van objecten zoals paragrafen, tekst in bulletpoints, afbeeldingen en tabellen. Een ander computer vision model detecteert de metadata uit tekeningen. De teksten worden met OCR technologie uit de objecten gehaald en worden vervolgens met Natural Language Processing omgezet naar gestructureerd data format en verwerkt. Een gestructureerd data format is een voor een computer makkelijk begrijpelijke en consistente manier van data weergeven. In plaats van grote lappen tekst worden teksten opgedeeld en geclassificeerd, een beetje zoals een mens met een marker highlights zet in een document.

Brainial Annotated Page

Natural Language Processing

Natural Language Processing (NLP) is de technologie die wordt gebruikt om computers te helpen de natuurlijke taal van de mens te begrijpen. Met NLP maken we een brug tussen de menselijke manier van communiceren en die van de computer. Een NLP-systeem bestaat uit een pijplijn met een aantal componenten die zorgen voor de verwerking van de tekst. Elke component zorgt voor structuur in de tekst zodat de verdere verwerking gemakkelijker wordt zoals bijvoorbeeld het verwijderen van stopwoorden of het vervangen van alle taalspecifieke letters door normale (bijvoorbeeld van é naar e). De eerste componenten verschillen in taak ten opzichte van de latere componenten, die meer gericht zijn op het analyseren van concepten en relaties. Een voorbeeld hiervan zijn tekst categorisaties die stukken tekst onderverdelen in categorieën zoals juridisch, procedureel, technisch, financieel, etc.. Methoden die hiervoor gebruikt worden variëren van regelgebaseerde methoden waaronder regular expressions tot statistische en machine learning modellen. Bij Brainial gebruiken we een combinatie van op regels gebaseerde methoden en modellen voor machinaal leren. 

Brainial heeft eigen modellen ontwikkeld waarbij Natural Language Processing wordt gebruikt om de opgedeelde tekst te duiden en te classificeren. We gebruiken het ook om specifieke elementen, zoals bijvoorbeeld uitsluitingsgronden, gunningscriteria en de planning, en organisatie specifieke aandachtspunten uit aanbestedingsdocumenten te halen. Daarnaast kan er ook metadata worden gedetecteerd en geëxtraheerd uit de aanbestedingsdocumenten. Dit alles zorgt er voor dat er binnen enkele minuten een complete aanbesteding volledig is geanalyseerd, geclassificeerd en op een gebruiksvriendelijke manier kan worden gepresenteerd. Op basis van deze eerste systeem analyse kan er een eerste bid / no bid afweging worden gemaakt en direct inzicht worden gegeven in de kritieke elementen die de aanbesteding bevat zonder dat een mens ook maar 1 woord van de aanbesteding heeft gelezen. 

Een bijkomend voordeel van de samenwerking tussen mens en machine is dat er minder elementen over het hoofd worden gezien. Bijna elke bid- en tendermanager geeft toe dat hij of zij wel eens informatie over het hoofd hebben gezien. Deze kans wordt aanzienlijk kleiner wanneer er een machine met je mee leest. Dit leidt tot de betere voorstellen en een reductie van de faalkosten die toe te schrijven zijn aan de tenderfase.

Machine Learning

Automatisch leren of machine learning is een breed vakgebied binnen AI, dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren. Machine learning is een zeer gevarieerde techniek waarbij verschillende software, algoritmen en technieken worden gebruikt om specifieke modellen te bouwen die het beste passen bij de situatie. Machine learning bestaat niet uit een concrete set algoritmen die op een gestandaardiseerde manier ingezet kunnen worden.

Nadat aanbestedingsdocumenten zijn geanalyseerd door het Brainial systeem gaan mensen er mee aan de slag. Ze bepalen dat bepaalde resultaten belangrijker zijn dan andere en kennen acties of andere labels toe. Een voorbeeld is dat bij het stukje tekst “....betaaltermijn van 90 dagen...” de actie “management goedkeuring” en het label “hoog risico” wordt toegekend. De volgende keren dat de machine een soortgelijk stukje tekst vindt met daarin het voorbeeld van een betaaltermijn van 90 dagen zal automatisch de actie “management goedkeuring” en het label “hoog risico” worden toegekend. Brainial past hier speciale machine learning technieken toe die op basis van relatief weinig voorbeelden al een accurate voorspelling kunnen doen.

Machine learning Brainial

Conclusie

Mens en machine gaan steeds meer samenwerken. Dit zal ertoe leiden dat veel handmatig werk niet meer hoeft te worden uitgevoerd, informatie razendsnel kan worden geëxtraheerd, geanalyseerd en op een gebruiksvriendelijke manier worden gepresenteerd. Het zorgt ervoor dat je als mens alle ervaring en kennis kunt inzetten tijdens de creatieve processen, waarde toevoegende activiteiten en bij het bepalen van een winnende strategie. Waar een machine in een razend tempo veel data kan verwerken, kan een mens tussen de regels door lezen en inleven in de situatie van de opdrachtgever. Wij kunnen alleen maar zeggen, omarm de nieuwe ontwikkelingen, gebruik het in je voordeel en het zal je helpen bij een efficiëntere en effectievere manier van werken waardoor je meer tijd kunt besteden aan het leuke werk en hetgeen waar je als mens echt het verschil kunt maken.

Auteur: Fedor Klinkenberg is de mede-oprichter en chief executive officer van Brainial. Hij leidt de bedrijfsstrategie en de algemene en commerciële teams. Fedor heeft >11 jaar ervaring bij een van de snelst groeiende tech bedrijven van Nederland: Mendix. Fedor heeft een Master of Science diploma in Management of Innovation van de Rotterdam School of Management, Erasmus University.