Hoe kom je tot een maatschappelijk relevant idee voor AI? En hoe vind je de juiste mensen om je idee waar te maken? De afgelopen weken organiseerde amai! op verschillende plaatsen in Vlaanderen cocreatiesessies waar de vele ideeën van burgers voor AI verder op scherp werden gesteld. Bedrijven, middenveldsorganisaties en kennisinstellingen gingen rond tafel zitten en zochten samen naar hoe AI het verschil kan maken.
Elke sessie vertrok van de clusters van ideeën die burgers deelden voor AI. Eerst diepte een groepje van de aanwezigen het probleem of de nood verder uit en zetten ze de uitdaging op scherp. Vervolgens bekeken ze of en hoe AI het verschil kan maken voor deze uitdaging.
Ben je benieuwd naar de resultaten van deze sessies? Hieronder geven we kort mee welke AI-ideeën de deelnemers verkenden op de verschillende plaatsen.
Een eerste groep onderzocht de mogelijkheden die Ai kan bieden bij taalonderwijs voor anderstalige nieuwkomers. Kan een aanbod van gepersonaliseerde leerinhoud het leren van Nederlands motiverender maar ook leuker maken? Die personalisatie zou op verschillende manier kunnen gebeuren. Is het zinvol dit te doen op basis van categorieën als leeftijd en gender? Of werken we beter vanuit interesses en activiteiten van de leerling?
Een tweede groep werkte een concept uit door inspiratie te putten uit twee clusters: ‘Matching’ en ‘Mentale & fysieke gezondheid op het werk’. Zij vroegen zich af of ergonomisch advies kan worden gegeven aan werknemers en -gevers die risico lopen op fysieke klachten. Kan een AI-systeem hiervoor vertrekken van inzichten uit ergonomische studies en verslagen, en op basis hiervan advies bieden? De input voor dit advies kan bestaan uit vragenlijsten, maar bijvoorbeeld ook uit wearables. Op deze manier kunnen werknemers langer kwaliteitsvol blijven werken.
De eerste groep inspireerde zich door de cluster ‘Weer- en klimaatverandering’ vroeg zich af op welke manier we aan tuiniers advies over planten kunnen geven: hoe kunnen zij spaarzaam omgaan met (regen)water? Kan AI op basis van gegevens over het bodemtype, de verwachte neerslag en de nodige waterhoeveelheid van verschillende plantensoorten een omvattend en duurzaam advies rond bewatering formuleren?
Groep 2 richtte zich op initiatieven en oplossingen rond de cluster ‘Duurzaam leven’. De groep keek hoe ze onder andere lokale duurzaamheidsinitiatieven kunnen opschalen. Om dit te doen worden voorzieningen en noden in een wijk of buurt in kaart gebracht door het analyseren van publieke-, sociale- en persoonlijke gegevens. Ook bestaande kennis en tips verzamelen en delen kan het maken van duurzame keuzes vergemakkelijken. Een manier om deze kennisverzameling en -overdracht in te richten kan bijvoorbeeld ontwikkelen van een app of browser plug-in die duurzame tips en eco-advertenties geeft aan gebruikers op basis van hun surfgedrag.
Groep 1 keek hoe gepersonaliseerd advies mensen met reuma kan motiveren om te (blijven) bewegen, zodat hun sociaal leven niet lijdt onder hun meer beperkte mobiliteit. Kunnen zij advies krijgen op basis van een vergelijking van de huidige toestand met eerder gemeten prestaties, de weersomstandigheden en beschikbare sportmogelijkheden. Kunnen er op basis van locatie meet-ups doorgaan die hen aanmoedigen in groep te bewegen?
Groep 2 vertrok van de cluster ‘Mentale Gezondheid’: kunnen we signalen van mentaal (on)welzijn capteren om werknemers en -gevers bewust te maken van energiegevers en –vreters? Allerlei aspecten van energiegevers en –nemers werden bekeken. Wat is de invloed van de werkomgeving? Kunnen we die analyseren, om vervolgens aanbevelingen voor positieve aanpassingen te doen? Ondersteuning kunnen werknemers krijgen na bv. een gesprek met een triage-chatbot of door een gepersonaliseerde vragenlijst in te vullen, waarna ze gericht worden doorverwezen.
Groep 3 werkte op de cluster ‘Diagnose’ een koek hoe een bundeling van verschillende soorten data een early warning-systeem kan creëren. Dit systeem combineert eerdere gezondheidsproblemen met de huidige gegevens over de patiënt om nieuwe problemen sneller te detecteren. Het systeem kan huisartsen bijstaan bij de diagnose maar hen ook ondersteunen bij de communicatie naar de patiënt toe, door uitleg in tekst en beeld op maat van de patiënt, aan te bieden.
Groep 1 werkte verder op de clusters ‘vervoersmiddelen’ en ‘verkeersveiligheid’. Enerzijds keek deze groep hoe multimodale planning verfijnder kan gebeuren. Een AI-oplossing zou hier kunnen zijn dat de verkeersalternatieven op meer criteria worden uitgewerkt dan nu het geval is (bv. Door gewonnen werktijd of ecologie mee in rekening te brengen). Ook was er aandacht voor een betere detectie en preventie van gevaarlijke situaties in verkeer. Een AI-oplossing zou hier onder meer kunnen bekijken hoe de drempelwaarden van AEB-systemen van wagens dynamisch kunnen worden gemaakt en aangepast kunnen worden aan specifieke verkeerssituaties.
Groep 2 verkende de clusters ‘Ontspanning & toerisme’ en ‘Optimalisatie & infrastructuur’. Ze werkten rond een idee om wandelaars en fietsers te motiveren om alternatieve routes te nemen. De bedoeling is gebruikers enerzijds te verrassen met inspirerende routes en anderzijds deze routes in kaart te brengen en te registreren als ‘trage weg’.
De eerst groep liet zich inspireren door de cluster ‘Behandeling en zorg’. Ze identificeerden een noodzaak om de diverse medische platformen te defragmenteren en transparanter te maken waardoor zowel zorgverlener als patiënt een duidelijk beeld hebben op het al doorlopen zorgtraject en de lopende behandeling. Een AI-oplossing kan een zorgpad mogelijk aanpassen in functie van metingen door zowel de smart wearables van de patiënt als de zelfgerapporteerde zorg- en levensstijldata. Een AI-oplossing zou hier ook een slimme signaalfunctie kunnen zijn waardoor het inplannen van interventies, zoals een vervroegde afspraak met een specialist of het geven van levensstijladvies, automatisch kan verlopen.
De tweede groep selecteerde de cluster ‘Gezond leven’. Hun focus lag op het bevorderen van gezondheidsvaardigheden door middel van kennisdeling om de gezondheidszorg van genezen naar voorkomen te leiden. Een mogelijke AI-oplossing die ze identificeerden was een ‘medische interventie-chatbot' die aanhoudende klachten van patiënten kan analyseren. Daarnaast zagen ze ook een rol weggelegd voor AI bij het centraliseren van datastromen om communities samen te brengen en te motiveren door middel van levensstijladvies, voorbeelden en de impact op de gemeenschap weer te geven. Deze centralisatie zou ook bijdragen aan het informeren van de zorgverstrekkers over de impact van preventieve gezondheidsacties.
