Crowdsourcing en kunstmatige intelligentie: data, media en bedrijven

De combinatie van crowdsourcing en kunstmatige intelligentie Het verandert fundamenteel de manier waarop we onderzoek doen, innoveren, communiceren en producten ontwerpen. In een context waarin AI diep is geïntegreerd in journalistiek, communicatie, het bedrijfsleven en zelfs de openbare veiligheid, is het benutten van de collectieve intelligentie van duizenden verbonden individuen een cruciale factor geworden bij het trainen van modellen, het verminderen van vooroordelen en het versnellen van innovatie.

Tegelijkertijd brengt deze grootschalige samenwerking de volgende zaken met zich mee: ethische uitdagingenmethodologische en organisatorischeHoe kunnen we de kwaliteit van de door de massa aangeleverde data waarborgen? Hoe zit het met de privacy en arbeidsrechten van de deelnemers? Hoe kunnen we crowdsourcing integreren in nieuwsredacties, innovatieafdelingen of wetshandhavingsinstanties? We zullen dit onderwerp rustig en gedetailleerd onderzoeken, gebruikmakend van wetenschappelijk onderzoek, praktijkvoorbeelden en markttrends.

Wat is crowdsourcing en waarom past het zo goed bij AI?

Crowdsourcing is een samenwerkingsmodel In dit model delegeert een organisatie (bedrijf, mediabedrijf, publieke instelling, universiteit, ngo, enz.) taken, projecten of problemen aan een groot aantal mensen die voornamelijk via internet deelnemen. De term werd in 2006 populair gemaakt door Jeff Howe, die de woorden 'crowd' en 'outsourcing' combineerde om te beschrijven hoe bedrijven hun processen begonnen open te stellen voor externe samenwerkingspartners.

De essentie van crowdsourcing is het benutten van de collectieve intelligentie en de diversiteit aan vaardigheden Het levert creatievere, snellere en vaak goedkopere oplossingen op dan met een gesloten intern team. Het wordt gebruikt in technologie, wetenschap, ontwerp, marktonderzoek, softwareontwikkeling, journalistiek, bedrijfscommunicatie en, met name relevant in het afgelopen decennium, bij het trainen van algoritmen voor kunstmatige intelligentie.

In dit model kunnen bijdragen zijn vrijwillig of betaaldDe motivatie hiervoor varieert van financiële prikkels tot prestige, nieuwsgierigheid, leren of vroege toegang tot producten. Het is geen marginaal fenomeen: het heeft geleid tot giganten op het gebied van samenwerking op het web, baanbrekende wetenschappelijke projecten en wereldwijde platforms voor gedistribueerd werken.

Wat crowdsourcing en AI zo goed bij elkaar laat passen, is dat machine learning-modellen afhankelijk zijn van... grote hoeveelheden gelabelde data en continue testen in uiteenlopende contexten. Crowds zijn ideaal voor het genereren, beoordelen en verrijken van deze data, mits de kwaliteit goed wordt beheerd en mogelijke vooroordelen worden gecontroleerd.

In tegenstelling tot traditionele outsourcing – het inhuren van een specifiek bedrijf om een ​​taak uit te voeren – richt crowdsourcing zich op een open, gedistribueerde en schaalbare participatieDeze openheid biedt toegang tot profielen die een organisatie op traditionele wijze nooit zou kunnen werven, maar impliceert ook minder directe controle, een grotere behoefte aan procesontwerp en constante aandacht voor ethische aspecten.

Crowdsourcing in AI: data, vooroordelen en verantwoordelijkheid

Bij de ontwikkeling van robuuste en ethische AI-modellen is het cruciaal om te beschikken over... uitgebreide, diverse en hoogwaardige trainingsgegevensZoals initiatieven en bedrijven die gespecialiseerd zijn in data voor AI benadrukken, zijn systemen slechts zo goed als de datasets waarop ze getraind worden. Als de informatie onvolledig, homogeen of slecht gelabeld is, kan het model vooroordelen bevatten en oneerlijke of foutieve resultaten opleveren.

Platformen die specifiek gericht zijn op het genereren van data, zoals de Aurora AI Studio-tools van Lionbridge, laten zien hoe crowdsourcing het verzamelen van data mogelijk maakt. wereldwijde teams van samenwerkende partijen Ze brengen ervaringen mee uit verschillende culturen, talen en demografische profielen. Deze diversiteit maakt het mogelijk om datasets te creëren die representatiever zijn voor de werkelijke bevolking, een essentiële voorwaarde voor het ontwerpen van AI die goed werkt voor zeer uiteenlopende groepen.

Naast diversiteit benadrukken deze initiatieven dat data voor AI zoveel mogelijk afkomstig moet zijn uit een diverse gemeenschap. gegenereerd door mensen en niet door andere AI'sOvermatig gebruik van synthetische content kan leiden tot moeilijk te detecteren vooroordelen, een kettingreactie van herhaalde fouten en een verlies van fundamentele nuances in menselijk gedrag. Menselijke bijdragen, met hun variaties, contexten en ambiguïteiten, maken het mogelijk om robuustere modellen te trainen die de complexiteit van de echte wereld kunnen begrijpen.

Crowdsourcing speelt ook een belangrijke rol bij taken van microwerk voor AIAfbeeldingen taggen, tekstclassificatie, foutcorrectie, resultaatvalidatie, genereren van positieve en negatieve voorbeelden, enzovoort. Platforms zoals Amazon Mechanical Turk of Clickworker hebben aangetoond dat het opdelen van projecten in microtaken en het verdelen ervan over duizenden medewerkers een effectieve manier is om grote hoeveelheden geannoteerde data te produceren.

Al deze ontwikkelingen leiden echter tot hevige debatten over... rechtvaardigheid, arbeidsomstandigheden en transparantieVerantwoorde AI vereist niet alleen goede data, maar ook duidelijke toestemmingsprocedures. privacy bescherming Degenen die een bijdrage leveren, moeten een eerlijke vergoeding ontvangen voor betaald werk. Europa vaart hier een eigen koers door crowdsourcing, AI en fundamentele rechten met elkaar te verbinden.

Een Europese aanpak: vertrouwen, rechten en veiligheid (POP AI)

In de Europese context wordt de relatie tussen crowdsourcing, AI en openbare veiligheid onderzocht via projecten zoals POP AI (Een positieve-sombenadering van AI in de rechtshandhaving)Dit initiatief heeft tot doel het vertrouwen in het gebruik van kunstmatige intelligentie op het gebied van veiligheid te versterken, met behoud van de bescherming van privacy en fundamentele rechten.

POP AI streeft ernaar een duurzaam en inclusief ecosysteem dat de basis legt voor een Europees centrum voor toegepaste AI veiligheidstroepen en -instantiesIn dit ecosysteem speelt samenwerking met burgers, experts en maatschappelijke organisaties een cruciale rol, geheel in lijn met de logica van crowdsourcing, hoewel de focus hier meer ligt op bestuur, transparantie en maatschappelijke legitimiteit dan op grootschalige microtaken.

Het onderliggende idee is dat AI in de beveiliging niet alleen een technische kwestie van algoritmes en databases mag zijn, maar gebouwd moet zijn op een vertrouwensrelatie met de samenlevingDit houdt in dat wordt uitgelegd welke gegevens worden gebruikt, hoe de modellen worden getraind, wie toezicht houdt op hun beslissingen en welke mechanismen er bestaan ​​om fouten of misbruik te corrigeren.

De visie van een positieve uitkomst, zoals bepleit door POP AI, probeert het valse dilemma tussen politie-effectiviteit en individuele rechten te vermijden. Projecten zoals dit wijzen de weg naar een situatie waarin crowdsourcing niet alleen dient om data te verzamelen, maar ook om... Het betrekken van burgers bij het ontwerp, de evaluatie en de controle van AI. dat hun veiligheid en vrijheid aantast.

Crowdsourcing in bedrijven: innovatie, AI en nieuwe producten

Innovatie is niet langer het exclusieve domein van de R&D-afdelingen van een paar multinationals. Dankzij crowdsourcing kan elk bedrijf – van startups tot grote ondernemingen – innovatie omarmen. het benutten van collectieve intelligentie Om ideeën te genereren, technische uitdagingen op te lossen en producten of diensten te lanceren die door AI worden ondersteund.

Veel organisaties hebben ingezien dat het veel verstandiger is om niet maandenlang in afzondering te gaan zitten om te plannen. specifieke problemen aan een gemeenschap voorleggen Van experts, klanten, gevorderde gebruikers of gewoon mensen die gemotiveerd zijn door een uitdaging. Deze logica is in verschillende vormen vastgelegd: innovatiewedstrijden, hackathons, uitdagingen op data science-platformen, programma's voor productco-creatie, enzovoort.

Tot de belangrijkste voordelen voor bedrijven behoren de volgende: diversiteit aan ideeënDoor mensen met zeer uiteenlopende achtergronden te laten participeren, ontstaan ​​oplossingen die in een homogeen intern team waarschijnlijk niet zouden opduiken. Dit leidt doorgaans ook tot kostenbesparingen, omdat je alleen betaalt voor de geselecteerde ideeën of prototypes, en tot een snellere zoektocht naar alternatieven, omdat veel mensen parallel aan elkaar werken.

Crowdsourcing versterkt ook de klantrelatieDoor de gemeenschap te betrekken bij het ontwerpen en verbeteren van producten, worden betrokkenheid, loyaliteit en een groter gevoel van verbondenheid bevorderd. In zo'n competitieve omgeving kan deze verbondenheid een cruciaal voordeel zijn.

Op het specifieke gebied van AI gebruiken bedrijven crowdsourcing om Gegevens verzamelen en labelen. Denk bijvoorbeeld aan het testen van prototypes, het valideren van praktijkvoorbeelden of het opsporen van knelpunten in processen die vervolgens met algoritmen worden geautomatiseerd.

Crowdsourcing, open innovatie en co-creatie: wat hebben ze gemeen en wat niet?

In de praktijk worden de termen crowdsourcing, open innovatie en co-creatie soms door elkaar gebruikt, maar er zijn belangrijke nuances. Crowdsourcing Het is gericht op het lanceren van taken, uitdagingen of projecten voor een brede, over het algemeen open gemeenschap die vrijwillig of tegen betaling kan deelnemen.

La open innovatie Het is een breder begrip dat samenwerking omvat met startups, universiteiten, onderzoekscentra, technologiepartners en natuurlijk online communities. Het gaat hier niet altijd om een ​​anonieme groep: vaak zijn er strategische overeenkomsten of goed gestructureerde samenwerkingsverbanden die intellectueel eigendom, data of technologieën delen.

La co-creatie Het richt zich op directe en voortdurende samenwerking met klanten, gebruikers of partners om gezamenlijk producten of diensten te ontwerpen. Dit omvat doorgaans workshops, focusgroepen, gezamenlijke prototyping en intensieve feedbackloops in plaats van grootschalige open oproepen.

In de praktijk kan een innovatieprogramma alle drie de benaderingen combineren: het openen van een groepsbijeenkomst Aan de community voorleggen (crowdsourcing), de beste voorstellen selecteren en vervolgens een aantal daarvan samen met belangrijke klanten verder ontwikkelen (co-creatie), dit alles binnen een wereldwijde open innovatiestrategie.

Op het gebied van AI is deze combinatie bijzonder krachtig: crowdsourcing helpt bij het genereren van ideeën en data, co-creatie maakt het mogelijk om use cases af te stemmen op reële behoeften, en open innovatie vergemakkelijkt de toegang tot technologieën en gespecialiseerd talent dat een enkel bedrijf niet zou kunnen bundelen.

Crowdsourcingplatformen relevant voor AI en innovatie

Het ecosysteem van crowdsourcingplatformen is enorm en zeer gevarieerd, maar sommige spelen een bijzonder interessante rol op het snijvlak van kunstmatige intelligentie en innovatieKaggle heeft zich bijvoorbeeld gevestigd als een wereldwijde gemeenschap van datawetenschappers die met elkaar concurreren in uitdagingen op het gebied van modellering, dataopschoning en het ontwikkelen van algoritmen; veel van deze wedstrijden zijn bedoeld om voorspellende modellen, computervisie of natuurlijke taalverwerking te verbeteren.

IdeaScale is een veelgebruikte oplossing voor innovatieprocessen beheren Binnen bedrijven en organisaties. Het stelt gebruikers in staat om uitdagingen te lanceren, ideeën te verzamelen van medewerkers, klanten en partners, te stemmen over voorstellen en deze te prioriteren. Grote bedrijven zoals Unilever hebben het gebruikt om collectieve intelligentie te kanaliseren bij het ontwerpen van nieuwe consumentenproducten.

Op het gebied van crowdfunding zijn er platforms zoals Kickstarter of Indiegogo Ze hebben de financiering van op AI gebaseerde apparaten, apps en diensten mogelijk gemaakt, waarmee ze de marktvraag bevestigen. Andere platforms, zoals Crowdcube of Crowdfunder, richten zich meer op investeringen in technologische startups.

Er bestaan ​​ook micro-werk- en testplatformen, zoals: Amazon Mechanical Turk, Clickworker of TestbirdsDeze tools zijn met name nuttig voor het labelen van data, gebruiksvriendelijkheidstesten of menselijke evaluatie van AI-resultaten. Op het snijvlak van innovatie en technische uitdagingen vinden we InnoCentive, HeroX en Topcoder, die zich richten op uitdagingen in wetenschappelijke en technologische vakgebieden, waarvan vele verband houden met machine learning.

Daarnaast bestaan ​​er platforms voor freelancen (Upwork), samenwerkend ontwerpen (99designs, Crowdspring), marktonderzoek (Streetbees, Crowdtap) en data-analyse uit openbare bronnen en sociale netwerken (DataSift), die allemaal op de een of andere manier gebruikmaken van het principe van Verdeel taken of beslissingen over een verbonden groep..

Succesverhalen: van LEGO en Netflix tot de media

Er zijn bedrijven die klassieke voorbeelden zijn geworden van crowdsourcing toegepast op innovatie. LEGO-ideeën Het stelt fans in staat om nieuwe decorontwerpen voor te stellen; als een voorstel voldoende steun krijgt, produceert het bedrijf het en ontvangt de maker een percentage van de verkoop. Het is een schoolvoorbeeld van co-creatie met de community, met een directe impact op zowel het product als de bedrijfsvoering.

Netflix werd wereldberoemd in de datawetenschap dankzij zijn Wedstrijd met een prijzenpot van $1 miljoen om het aanbevelingsalgoritme te verbeteren. Duizenden teams van over de hele wereld hebben jarenlang deelgenomen, waarmee ze aantoonden dat crowdsourcing in staat is toptalent aan te trekken en aanzienlijke vooruitgang te boeken in voorspellende modellen.

Bedrijven zoals Unilever hebben zich tot ideeënplatforms gewend om Verzamel suggesties van werknemers en consumenten.Het integreren van interne en externe feedback in het ontwerp van nieuwe producten. In Latijns-Amerika hebben bedrijven zoals Mercado Libre en Rappi hackathons en open challenges georganiseerd om logistiek, gebruikerservaring en oplossingen voor de levering aan de eindklant te optimaliseren met behulp van AI.

In de mediasector heeft crowdsourcing vele verschillende vormen aangenomen. CNN promootte initiatieven zoals iRapportwaardoor elke burger informatieve content kon uploaden; projecten zoals "La Silla Vacía" in Colombia hebben lokale gemeenschappen betrokken bij gezamenlijke berichtgeving over maatschappelijke leiders en conflicten op het platteland.

De laatste tijd zijn er op het snijvlak van journalistiek en AI academische en professionele projecten ontwikkeld die onderzoeken hoe kunstmatige intelligentie en collectieve intelligentie samenwerken om Verbeter de documentatie, het schrijven en de verificatie.Voorbeelden zoals het BeSoccer-platform, geanalyseerd door Segarra-Saavedra, Cristòfol en Martínez-Sala, laten zien hoe AI helpt bij het automatiseren van sportcontent op basis van grote hoeveelheden data, met behoud van menselijk toezicht.

Crowdsourcing, AI en journalistiek: nieuwsredacties in transformatie

De laatste jaren heeft een aanzienlijk deel van de literatuur over journalistiek zich gericht op hoe Kunstmatige intelligentie verandert de dagelijkse routines in het bedrijfsleven. en de structuur van redacties. Onderzoekers zoals Diakopoulos hebben de automatisering van nieuws en de herschrijving van de media-industrie door middel van algoritmes die content selecteren, prioriteren en schrijven, geanalyseerd.

Andere academische werken, zoals die van Calvo-Rubio en Ufarte-Ruiz, Gómez-Diago, Manfredi, Túñez, Tejedor of Flores Vivar, hebben de perceptie van docenten, studenten, innovators en journalisten over het gebruik van AI in de journalistiek, de rol van bots in de strijd tegen desinformatie en de ethische en professionele uitdagingen die daaruit voortvloeien.

In deze context manifesteert crowdsourcing zich op twee niveaus. Enerzijds, als vorm van burgerparticipatie In de contentproductie: burgerjournalistiek, gezamenlijke verificatie, het verzamelen van getuigenissen of gegevens uit het veld, enz. Aan de andere kant, als hulpmiddel om journalistieke AI-tools te trainen en te verbeteren: nieuwslabeling, beoordeling van de kwaliteit van koppen, classificatie van desinformatie of analyse van vooringenomenheid in de berichtgeving.

Een illustratief voorbeeld is het academische project beschreven door Wilmar Daniel Gómez Monsalve, waarbij studenten Sociale Communicatie samenwerkten met AI-tools zoals ChatGPT, DALL·E, Moodle en Adobe InDesign Het doel was om een ​​e-book te maken over hulpmiddelen voor kunstmatige intelligentie die nuttig zijn voor journalisten. De oefening, opgezet als een project in de klas, doorliep een pre-productie-, productie- en post-productiefase en vertegenwoordigde een expliciete vorm van academische crowdsourcing gekoppeld aan AI, waarbij de "crowd" bestond uit de studenten zelf.

Parallel daaraan beschrijven studies, zoals die gepubliceerd in gespecialiseerde tijdschriften (Icono 14, Revista Latina de Comunicación Social, Doxa, enz.), de technologische convergentie in de media en de geleidelijke integratie van AI in taken zoals documentatie, geautomatiseerd schrijven, data-analyse of contentpersonalisatie, terwijl de ethiek van geautomatiseerde journalistiek en de ontologische grenzen ervan worden bediscussieerd.

Ideeëngeneratie, dataverzameling en financiering via crowdsourcing in AI-projecten

Als we de details nader bekijken, kunnen we verschillende soorten crowdsourcing onderscheiden die met name relevant zijn voor kunstmatige intelligentie. ideationele crowdsourcing Het is gericht op het genereren van voorstellen, concepten en creatieve oplossingen; het is het typische format van ideeënwedstrijden, open innovatie-uitdagingen of platforms waar suggesties voor nieuwe producten of functionaliteiten worden verzameld.

El data crowdsourcing Dit is waarschijnlijk de meest cruciale factor voor AI: het vereist dat duizenden mensen samenwerken om informatie te verzamelen, te labelen of te analyseren, die vervolgens wordt gebruikt om modellen te trainen en te evalueren. Burgerwetenschapsprojecten zoals Zooniverse of games zoals Foldit laten zien hoe grote groepen mensen kunnen bijdragen aan complexe wetenschappelijke taken (het classificeren van sterrenstelsels, het helpen begrijpen van eiwitvouwing) waarvan de resultaten onschatbare data vormen voor analytische algoritmen.

El crowdfunding voor financiering Crowdfunding stelt een gemeenschap in staat om de ontwikkeling van producten en diensten, waaronder die gebaseerd op AI, financieel te ondersteunen. Via platforms zoals Kickstarter, Indiegogo en Crowdcube hebben veel softwareprojecten, slimme hardware en analyseoplossingen de initiële impuls gekregen die ze via traditionele methoden niet zouden hebben bereikt.

Naast deze categorieën bestaan ​​er ook mechanismen zoals microtaken (microwerk)waarbij taken worden opgedeeld in kleine blokken (een afbeelding labelen, een transcript beoordelen, een resultaat valideren) die op een gedistribueerde manier kunnen worden uitgevoerd; co-creatie, waarbij gebruikers en het bedrijf gezamenlijk specifieke functionaliteiten ontwikkelen; of "wijsheid van de massa"-systemen, die voorspellingen of meningen van veel mensen samenvoegen om beter onderbouwde beslissingen te nemen.

Al deze formaten vormen, mits effectief gecombineerd, een krachtige gereedschapskist voor het ontwikkelen, testen en verbeteren van AI-oplossingen, mits ze op verantwoorde wijze worden beheerd en er een langetermijnvisie is op de relatie met de gemeenschap.

Salesforce en crowdsourcing van de AI-roadmap

Een recent voorbeeld dat illustreert waar de B2B-markt naartoe gaat, is dat van Salesforce, dat heeft besloten om zijn routekaart voor kunstmatige intelligentie via crowdsourcing te ontwikkelen. rechtstreeks met hun zakelijke klanten. De logica is simpel: als een grote klant een terugkerend probleem heeft, is het redelijk om aan te nemen dat andere soortgelijke bedrijven met hetzelfde probleem kampen.

In plaats van productontwikkeling uitsluitend intern te definiëren, geeft Salesforce prioriteit aan AI-mogelijkheden – met name rondom autonome agents zoals Agentforce – op basis van patronen geïdentificeerd in de feedback van meerdere zakelijke klanten. Wanneer meerdere organisaties hetzelfde operationele knelpunt melden, krijgt die use case meer prioriteit op de roadmap.

In de praktijk betekent dit dat de AI-roadmap voor de komende jaren aansluit bij de overgang van louter ondersteunende AI naar agenten die in staat zijn om complete end-to-end processen uit te voeren onder sterke beveiligingsmechanismen en die de geldende normen respecteren. cognitieve autonomieWe hebben het over servicemedewerkers die zaken vrijwel volledig zelfstandig afhandelen, verkoopmedewerkers die het CRM bijwerken en taken aanmaken, of marketingmedewerkers die in realtime gepersonaliseerde klanttrajecten samenstellen.

De beweging wordt ondersteund door gegevens die een zeer sterke groei laten zien in de De toepassing van AI in bedrijfsomgevingen Deze studies wijzen op een productiviteitswinst van ongeveer 30%, met een verkorting van de oplostijd van serviceproblemen met circa 40%. De statistische onderbouwing hiervoor is dat interne bedrijfsproblemen zich vaak herhalen binnen dezelfde sector of hetzelfde segment. Luisteren naar een breed klantenbestand is daarom een ​​effectieve manier om ervoor te zorgen dat ontwikkelingsmiddelen worden ingezet voor wat er echt toe doet.

Concurrenten zoals HubSpot maken al lange tijd gebruik van adviesraden en forums voor klanten om de productrichting te bepalen, maar de sprong voorwaarts van Salesforce zit hem in de schaal en de expliciete focus op AI-agentenTegelijkertijd wint het idee van 'Agentic Enterprises' aan populariteit: organisaties die mensen, intelligente agenten, applicaties en data integreren in een uniform platform, geheel in lijn met de visie van Salesforce op de evolutie van bedrijfssoftware.

Lessen voor startups en Spaanstalige markten

Het interessante aan deze aanpak is dat deze niet beperkt is tot grote bedrijven. Ook voor een B2B- of SaaS-startup is het opzetten van een systeem van Klantenfeedback vrijwel vanaf dag één. Het kan het verschil maken tussen iets bouwen waar de markt behoefte aan heeft en maanden verspillen aan irrelevante functies.

Een concrete eerste stap is het systematisch documenteren van alle feedback: terugkerende problemen, functieverzoeken en oplossingen die klanten zelf bedenken om producttekortkomingen te compenseren. Een eenvoudige spreadsheet of tools zoals Canny of Productboard zijn voldoende om te beginnen. om die verspreide kennis te codificeren en patronen herkennen.

De sleutel is om prioriteit te geven aan wat verschillende klanten gemeen hebben, en niet alleen aan wat de best betalende of meest hardnekkige klant vraagt. Als meerdere onafhankelijke klanten hetzelfde operationele knelpunt noemen, is dat een sterk teken van een kans. Van daaruit kun je zelfs een openbare routekaart publicerenLaat gebruikers stemmen over prioriteiten en communiceer transparant over wat er wordt ontwikkeld.

Op het gebied van AI moet de aanpak nog rigoureuzer zijn: voordat er engineering wordt toegewezen aan een nieuwe use case, is het raadzaam om bij verschillende klanten te valideren of het probleem werkelijk kritiek is en of zij bereid zouden zijn de oplossing te gebruiken zodra deze beschikbaar is. Crowdsourcing, in de juiste context, betekent niet dat alles wat gevraagd wordt gebouwd wordt, maar eerder dat de crowd wordt ingezet om valideren wat de moeite waard is om te ontwikkelen.

In Latijns-Amerika en Spanje hebben veel startups een duidelijk concurrentievoordeel: nauwe klantrelaties in de beginjaren, wanneer het oprichtingsteam vaak direct betrokken is bij verkoop en ondersteuning. Het risico ontstaat bij het opschalen, als deze leerervaring niet systematisch wordt vastgelegd en de verbinding met de gebruikersbasis verloren gaat. Het overnemen van crowdsourcing-methoden uit de roadmap, zoals die door Salesforce worden toegepast, kan hierbij helpen. om die harmonie te behouden, zelfs met honderden klanten..

Algemene crowdsourcing: klassieke voorbeelden die verder gaan dan AI

Hoewel we ons hier sterk richten op AI, is het goed om een ​​paar dingen in gedachten te houden. emblematische voorbeelden van crowdsourcing die de digitale cultuur hebben gevormd. Wikipedia is bijvoorbeeld waarschijnlijk het bekendste voorbeeld: een wereldwijde encyclopedie die wordt opgebouwd, gecontroleerd en bijgewerkt dankzij duizenden vrijwilligers, met een community-beheersysteem dat verrassend effectief is gebleken.

Tools zoals reCAPTCHA Ze hebben aangetoond dat zelfs ogenschijnlijk triviale taken, zoals het schrijven van vervormde letters om te bewijzen dat je een mens bent, nuttig werk kunnen opleveren bij het digitaliseren van oude boeken of het verbeteren van tekstherkenningssystemen. Waze gebruikt op zijn beurt de locatie- en snelheidsgegevens van gebruikers om realtime verkeersinformatie te genereren.

Platformen zoals Duolingo Ze hebben modellen onderzocht waarin gebruikersoefeningen bijdragen aan de training van vertaalalgoritmen; en burgerwetenschapsprojecten zoals Zooniverse of Foldit hebben duizenden vrijwilligers aan het werk gezet om sterrenstelsels te classificeren of te zoeken naar nieuwe eiwitconfiguraties met medische toepassingen.

Op het gebied van microjobs, Amazon Mechanical Turk Het is in feite de standaard geworden voor repetitieve taken die menselijk oordeel vereisen, zoals het taggen van afbeeldingen, het beoordelen van content en het transcriberen van audio. En, zoals al eerder vermeld, ontstaan ​​er ook initiatieven in het onderwijs, waar docenten, studenten en onderzoekers samen onderzoeken hoe crowdsourcing kan worden ingezet om AI te integreren in het onderwijs van journalistiek, communicatie en andere disciplines.

Al deze voorbeelden laten zien dat crowdsourcing, hoewel het verschillende vormen aanneemt, op hetzelfde principe is gebaseerd: Goed ontworpen, gedistribueerde samenwerking kan leiden tot kennis, data en oplossingen. Dat zou geen enkel klein team in zijn eentje kunnen evenaren.

De convergentie van crowdsourcing en kunstmatige intelligentie leidt tot nieuwe manieren van werken, onderzoeken en innoveren, waarbij de massa niet alleen data genereert om modellen te trainen, maar ook invloed heeft op wat er gebouwd wordt, hoe het geëvalueerd wordt en de ethische criteria die voor de implementatie ervan gelden. Naarmate privacybescherming wordt versterkt, methoden om vooringenomenheid te voorkomen worden verfijnd en co-creatie-ervaringen toenemen in sectoren zoals journalistiek, bedrijfsleven en veiligheid, wijst alles erop dat deze combinatie de komende jaren een centrale rol zal spelen in de digitale economie en het media- en communicatie-ecosysteem.