Bedrijfsregels zijn handig. Medewerkers kunnen handelingen uitvoeren die ze niet hoeven te begrijpen maar die toch tot bedrijfsresultaten leiden. Als je de uitvoering van bedrijfsregels kunt automatiseren dan kan die uitvoering soms nog sneller, nauwkeuriger en, last but not least, goedkoper. De vraag is welke bedrijfsregels nodig zijn om bedrijfsresultaten te bereiken. De geautomatiseerde uitvoering volgens bedrijfsregels stelt ook eisen aan de middelen en de omgeving waarbinnen die uitvoering moet plaatsvinden. Zowel de formulering van bedrijfsregels als hun toepassing vereisen maatwerk.
Er zijn heel veel verschillende manieren om bedrijfsregels te formuleren. Je kunt proberen ze af te leiden uit de bedrijfspraktijk. Je kunt proberen ze af te leiden uit de theorie. Nog een andere manier is de formulering van bedrijfsregels te automatiseren. Ook dat kan op veel verschillende manieren. Met name AI staat hierbij in de belangstelling.
AI heeft een lange geschiedenis en omvat een grote variëteit aan methoden en technieken. De meesten zijn een mengeling van theorie en praktijk. In essentie draait het om het zoeken naar een bepaalde aanpak waarmee resultaten kunnen worden bereikt die als intelligent worden beschouwd, bijvoorbeeld schaken. Gebleken is dat dit niet eenvoudig is. Het vereist, bijvoorbeeld in geval van schaken, niet alleen een groot arsenaal aan verschillende geavanceerde methoden en technieken, maar ook een enorme hoeveelheid gegevens en heel veel expertise, capaciteit en tijd. Dit heeft niettemin geleid tot enkele nuttige toepassingen (maar niet tot een grote doorbraak).
Een techniek die binnen de AI veel in de belangstelling staat is die van machine learning, in het bijzonder die van neurale netwerken (NN). NN is een verzameling technieken die met name sinds de tachtiger jaren van de vorige eeuw in de belangstelling staat. NN zijn bepaalde configuraties van software elementen die kunnen worden “getraind”. Dit trainen vereist enorme hoeveelheden gegevens en dito bewerkingen. Door deze training kunnen, uit deze big data en door middel van deze bewerkingen, regels (algoritmen) worden geoogst die geautomatiseerd kunnen worden uitgevoerd. Dit vereist natuurlijk wel een groot aantal keuzes (bijvoorbeeld: welke criteria, welke NN-configuratie, welke gegevens, hoeveel gegevens, hoeveel bewerkingen). Binnen de grenzen van deze keuzes kunnen voor sommige toepassingen vaak verrassend goede resultaten worden geboekt.
Door de beschikbaarheid van grote hoeveelheden gegevens (big data, internet) gecombineerd met verbeteringen in de software en de techniek is de toepassing van NN (en verwante methoden en technieken) in een stroomversnelling gekomen. In de media wordt aan deze toepassingen gerefereerd met de term “AI”. AI heeft door een aantal succesvolle toepassingen terecht veel aandacht gekregen maar de (bedrijfsmatige) bruikbaarheid is waarschijnlijk beperkter dan verwacht. De identificatie en formulering van bedrijfsregels blijft, net als AI, maat- en mensenwerk. Dat geldt ook voor de implementatie en voor de uitvoering.