Voorspelmodellen Achmea naar OpenShift

Dankzij de keuze van Achmea voor OpenShift als doelarchitectuur voor datascience-modellen hebben deze modellen sneller (en meer) waarde, zowel intern binnen Achmea als voor de klanten van Achmea. Hoe werkt dit precies?

Op verschillende gebieden zet financieel dienstverlener Achmea vol in op toepassingen met machinelearning. Bijvoorbeeld door het ontwikkelen van virtuele assistenten die gebruikmaken van conversational AI. Ook op het gebied van datascience gebeurt er van alles, zegt Bas Zieverink, architect data analytics bij Achmea. “Wij zetten machinelearning breed in. Denk bijvoorbeeld aan classificatiemodellen voor risicobepalingen, of modellen die ons helpen fraude op te sporen.”

Versnellen met OpenShift

Het afgelopen jaar stond voor Achmea in het teken van het operationaliseren van machinelearning-algoritmes. Hierbij komen voorspelmodellen op een veilige en gecontroleerde manier via OpenShift beschikbaar in containers. Om dit te bereiken zette Bas met zijn afdeling een klantreis op en ondersteunt hij gebruikers binnen Achmea waar nodig met raad en daad. “De bedoeling is dat onze collega’s, die binnen verschillende bedrijfsonderdelen modellen ontwikkelen, deze uiteindelijk zoveel mogelijk zelf in een gestandaardiseerde productieomgeving gaan zetten. Inclusief de koppeling naar applicaties buiten OpenShift die hiermee communiceren.”

Waarom de keuze voor OpenShift als doelarchitectuur? “Het is voor ons belangrijk dat het een schaalbaar platform is met een goede enterprise-security en life cycle management.” Achmea gebruikt OpenShift onder meer als webservice, waarbij een api de modellen aanroept. “Bijvoorbeeld als er een schadeclaim binnenkomt en je daar een risicoscore aan wilt hangen. Maar er is ook een ander scenario, waarbij je in één keer met een batch job een model gaat uitscoren voor grote hoeveelheden data. Alles hangt af van het inzetgebied. Het doel is in elk geval om met een eenvoudige inspanning een maximaal resultaat aan de klant te bieden.”

Veiligheid voorop

Het ‘veilig en gecontroleerd’ laten landen van modellen in OpenShift is zoals gezegd belangrijk voor Achmea. Maar wat moeten we hier precies onder verstaan? “Veilig in de zin dat voor alle modellen waar eventueel gevoelige data voor nodig zijn, de juiste securitymaatregelen worden genomen en deze met de juiste certificeringen worden geïmplementeerd. Je wilt bijvoorbeeld niet dat iemand van buitenaf kan inbreken in een dataflow met vertrouwelijke gegevens. En met gecontroleerd bedoelen we dat wij modellen die in een productieomgeving staan ook actief kunnen monitoren. Zowel inhoudelijk als voor wat betreft de performance. Met goede logging, zodat een uitkomst van een model altijd kan worden gereconstrueerd. Daarnaast kunnen gecontroleerd nieuwe versies van modellen worden opgeleverd, volledig geautomatiseerd volgens DevOps-principes.”

Sinds eind 2019 is OpenShift de standaard doelarchitectuur voordata science-toepassingen, inmiddels met meerdere operationele modellen en de ambitie om dit aantal de komende jaren fors uit te breiden. “Voordat wij OpenShift gebruikten, waren datascience-modellen bij ons vaak specifieke oplossingen die we op een traditionele manier implementeerden, waardoor ze niet goed schaalbaar waren. Wij gaan nu toe naar een standaard werkwijze, met generieke bouwblokken en coding-richtlijnen waardoor de modellen sneller operationeel worden en meer collega’s ze kunnen gebruiken.”

Het goed neerzetten van de klantreis, het inrichten van de technologie en het uitwerken van de verschillende scenario’s was de afgelopen maanden een uitdaging voor Bas en vijf directe collega’s in een hiervoor ingericht scrum-team. “Als je gaat zoeken naar informatie over technologie zoals Docker en Kubernetes, die wij gebruiken met OpenShift, dan is er veel over gedocumenteerd. Maar zodra je op het snijvlak komt van security en eisen die specifiek gelden voor ons bedrijf, dan is het anders. Dat vergt veel uitzoekwerk en afstemming met verschillende partijen.”

Kant-en-klare containers

In de klantreis staan de zaken beschreven waar eigenaren van een model aan moeten denken bij het operationaliseren, zoals autorisaties die zij moeten inregelen. “De bouwblokken bestaan uit base-images van containers met Python of R geïnstalleerd, en alle benodigde afhankelijkheden, plus verwijzingen naar onze interne package repositories.” Vooral het inrichten van certificaten was nog best lastig, stelt Bas. “Bijvoorbeeld mtls, daar hadden we als team nog niet mee te maken gehad vanuit datascience. Ik heb zelf een achtergrond in datascience, maar heb de afgelopen maanden ontzettend veel geleerd over infrastructuur en security. Interessant vond ik dat trouwens altijd al. Net als sommige collega’s ben ik hobbymatig graag bezig met Internet of Things, waardoor dingen als cliënt- en serverauthenticatie geen volledig onbekend terrein waren.”

In juni 2020 ging het eerste model live op OpenShift. “Daarvoor hebben wij negentig procent van het implementatiewerk gedaan. Bij modellen die nu landen, is dat misschien nog dertig procent, dankzij de werkinstructies en de helder beschreven klantreis. En ons doel is natuurlijk om dit percentage verder naar beneden te brengen. Ontwikkelaars zijn ook enthousiast dat zij het zelf kunnen doen. Dat is belangrijk, want onze ervaring is dat datascience in de praktijk te vaak bleef hangen bij het ontwikkelen van een mooi model dat lokaal misschien weleens werd gebruikt, maar te weinig werd opgenomen in operationele processen. Wij willen juist dat het onderdeel wordt van de dagelijkse werkzaamheden.”

Het doel is om het komende jaar een groot aantal kwalitatief goede datascience-toepassingen op OpenShift te laten landen, waarbij ontwikkelaars zoveel mogelijk op eigen kracht kunnen doen. Bas: “Als vervolgstappen willen wij kijken naar uiteenlopende implementaties van machinelearning, met bijvoorbeeld beeldherkenning en tooling die daar veel voor wordt gebruikt, zoals Tensorflow. Hiervoor lopen nu de eerste proeven.”

Video's van webinar

Meer weten over datascience bij Achmea? Kijk ook de video’s terug van het webinar dat Tweakers samen met Achmea over dit onderwerp organiseerde.

Bekijk hier de video's terug

• Conversational AI-Architectuuroplossing voor labels van Achema - Rene van de Ven
• Demo conversational AI bij Achmea - Simone Kennis
• OpenShift binnen Achma - Erik van Weert

Benieuwd naar vacatures voor IT’ers bij Achmea? Kijk dan hier.

Dit artikel is geen redactioneel artikel, maar een advertorial en tot stand gekomen dankzij Achmea en Tweakers Partners. Dit is de afdeling binnen Tweakers die verantwoordelijk is voor commerciële samenwerkingen, winacties en Tweakers-events zoals Meet-ups, Developers Summit, Testfest en meer. Kijk hier voor een overzicht van alle acties en events. Mocht je ideeën met ons willen delen over deze vorm van adverteren, dan horen wij dat graag. Hierover kun je met ons in gesprek via [Discussie] Reclame algemeen].

Reacties (39)

[GeeBee]

Als ik dit lees, blijf ik met 2 vragen zitten.
Wat zijn precies “classificatiemodellen voor risicobepalingen” en voor welke “klanten” worden deze ontwikkeld? Volgens mij ben ik als verzekerde in elk geval niet zo’n “klant”.

[Sandor_Clegane]

De klant in deze is de interne werknemer.

Het hele idee van je collega's als klanten zien is ook echt zo'n IT dingetje.....

Ik heb deze discussie ook wel eens gehad, klanten hebben een bepaalde afstand en je collega staat wat dichterbij in mijn optiek. Iemand waar je even wat meer voor doet omdat je allemaal hetzelfde doel voor ogen hebt, namelijk dat het bedrijf goed functioneert. Waarom zou je nog een interne IT afdeling houden als het enige dat je met hun hebt een "klant-relatie" is? Die kun je bij elke leverancier krijgen.

[bussie66]

Je collega's als klant zien is inderdaad zo'n IT-dingetje.

Erger me er ook al jaren aan en weiger derhalve ook collega's als klant te zien / te behandelen, het zijn gewoon collega's.

Klanten zitten buiten de deur, punt.

[Locke_]

Best off-topic, maar ik vraag dan toch af hoe groot het bedrijf is waar je werkt.

Mijn werkgever is bijvoorbeeld opgedeeld in werkmaatschappijen. Daarbij kun je zeggen dat we allen collega's zijn, immers iedereen werkt voor dezelfde holding, maar als werkmaatschappij moet je eigen broek ophouden en snij je in je eigen vlees (cashflow van jouw werkmaatschappij en daarmee jouw eigen "brood op de plank") op het moment dat je "collega's" van andere werkmaatschappijen vaak (en zeker als het ook nog eens langdurig is) helpt zonder ze als klant hier ook voor de factureren?

Jouw redenatie, "klanten zitten buiten de deur", is in mijn ervaring iets wat enkel past bij kleine bedrijfjes (MKB en kleiner) en niet binnen de grotere (MKB+) bedrijven.

Dit hoeft de relatie met de collega's tussen werkmaatschappijen onderling echt niet anders te maken, iedereen werkt op die manier en in mijn ervaring staat nog steeds iedereen voor elkaar klaar. Er is alleen ook een financiële afkadering.

[bussie66]

Rond de 5.000 man.

Waarom zijn het geen klanten?

Als een bedrijfsonderdeel ontevreden is kunnen ze niet naar een andere it-afdeling / bedrijf. Uiteraard gaan we dan wel in overleg en de dienstverlening verbeteren ( vind zo wie zo periodiek overleg plaats).

Een klant kan weggaan als de klant ontevreden is.

[Reactie gewijzigd door bussie66 op 23 juli 2024 04:27]

[Locke_]

Wij hebben geen verplichte interne afname alleen een dringend verzoek vanuit de holding om eerst bij de werkmaatschappijen te kijken wat er mogelijk is, alvorens extern in te kopen. Enige dat “standaard” voor elke werkmaatschappij is, is gebruik van de O365 omgeving. Verder mogen ze het zelf bepalen.

Wat jij beschrijft herken ik wel van een eerdere werkgever, daar werkte dat voornamelijk tegenwerking, frustratie en irritatie in de hand

[downtime]

Je collega's als klant zien is inderdaad zo'n IT-dingetje.

Erger me er ook al jaren aan en weiger derhalve ook collega's als klant te zien / te behandelen, het zijn gewoon collega's.

Klanten zitten buiten de deur, punt.

Je ziet de verkeerde tegenstelling. Het is niet klant vs collega maar eerder klant vs gebruiker. Eén van de eerste dingen die ik 22 jaar geleden in de IT leerde was dat je nooit van “gebruikers” spreekt.
De term klant moet benadrukken dat jij zakelijke diensten levert waar de “klant” bepaalde (kwaliteits)eisen aan mag stellen, vaak vastgelegd in een SLA, en waar ook voor betaald wordt.
Of die klant intern of extern is, maakt weinig uit, want als dat bedrijf eenmaal MKB-niveau ontgroeit dan is de relatie van een interne IT-afdeling met de “klant” vaak even zakelijk als wanneer het een externe dienstverlener is.

[Transportman]

De interne IT staat ook maar in dienst van de core business, betaald door de core business, dus in die zin is er wel sprake van een klantrelatie. Maar interne IT staat wel iets dichter bij de business dan wat een leverancier kan leveren, dus het is wel een klantrelatie+.

[supersnathan94]

Omdat het veel makkelijker te managen is. In scrum werk je met sprints en ieder klusje tussendoor wat je voor een collega doet betekent dat iets anders niet af komt. Bij sommige dingen kost het 5 minuten en dan haalt die collega even je koffie (heb je die tijd weer terug) maar andere dingen kunnen rustig net zo groot zijn als een belangrijke story. Daarom is het belangrijk dat dingen die gedaan moeten worden via een centraal punt lopen zodat er bepaalde verwachtingen afgesproken kunnen worden die ook haalbaar zijn.

Dat betekent echter niet dat je met je collega’s alleen een klantrelatie hebt. Er zijn heel veel voordelen aan het hebben van een intern IT/infra team tov externe leverancier. Kennis is daarvan de belangrijkste.

Bij bedrijven en instanties ter grootte van een Achmea zul je dit soort dingen wel moeten doen, anders heeft scrum geen zin en kun je net zo goed kanban gaan gebruiken of in je sprints tijd reserveren voor interne zaken. Als je verder geen externe klanten hebt (wat een infra team meestal niet heeft) dan gaat dat alleen ook niet werken.

[Verwijderd]

klanten hebben een bepaalde afstand en je collega staat wat dichterbij in mijn optiek.

Bedrijven als Achmea hebben allerlei interne startups en locaties over heel Nederland, of met een heleboel mensen op een grote campus. Die kennen meer eindklanten van Achmea dan dat ze collega's ooit gezien hebben buiten hun eigen gebouw/verdieping.

Volgens hun eigen site 11 locaties, waar ook nog eens bij komt dat Achmea allerlei dochters heeft (FBTO, Zilveren Kruis) dus dan snap ik wel dat je dat soort takken meer als afnemer ziet dan een collega bij het koffieapparaat.

[MrFax]

Als je een service verleent aan iemand binnen hetzelfde bedrijf is dat bedrijfsmatig ook gewoon een klant. Het is niet alleen een IT ding.

[pennywiser]

Dit is precies wat ik ook mis. Volgens mij zijn dit soort processen altijd in gewone mensen taal uit te leggen. Gemiste kans, beetje een buzzword artikel zo.

[Miglow]

Ik vraag me ook af wat een klantreis is...

[pennywiser]

Dat is er 1 voor op de de bingokaart https://en.wikipedia.org/wiki/Buzzword_bingo

[K0L3N]

Uit de text:

In de klantreis staan de zaken beschreven waar eigenaren van een model aan moeten denken bij het operationaliseren, zoals autorisaties die zij moeten inregelen.

Basically proberen ze te voorspellen welk proces de klant doorloopt, en ieder punt word dan zo goed mogelijk voorbereid om het zo makkelijk/prettig mogelijk te maken.

[Maurits van Baerle]

Ik weet niet of ze dat hier bedoelen maar bij verzekeren draait alles om risicobepaling.

• Hoe groot is de kans dat iemand van 36 met opleidingsniveau X en postcode Y binnen een jaar komt te overlijden?
• Hoe groot is de kans dat de aardappeloogst in regio X binnen vijf jaar twee keer onder de Y% komt?
• Hoe groot is de kans dat iemand van 22 met net een jaar z'n rijbewijs wonend in Gouda binnen een jaar schade aan iemands bezit aanbrengt?

Enzovoorts, enzovoorts.

Bij levensverzekeringen werken ze al decennia eigenlijk met big data, vroeger met grote tabellen op papier met overlijdensrisico's voor iedere mogelijke variant. Tegenwoordig zal dat allemaal in databases staan. Maar, met tegenwoordige technologie kun je daar meer mee dan zeg twintig jaar geleden en kun je waarschijnlijk nauwkeuriger risico's inschatten door allerlei andere data er tegenaan te hangen. Als je weet dat een winter die x% kouder is dan normaal y% meer sterfte dan normaal veroorzaakt in bevolkingsgroep Z dan kun je data met voorspellingen over koude winters gebruiken om je risicoinschattingen nauwkeuriger te maken.

Een vriend van mij is wiskundige die in Python modellen maakt voor investeerders en traders en als je daar de successrate met 0,1% kunt verhogen levert dat op jaarbasis al gauw tientallen miljoenen op.

[Reactie gewijzigd door Maurits van Baerle op 23 juli 2024 04:27]

[mr.Millenarian]

Hebben ze niet geleerd van de overheid, dat fraude laten bepalen door AI niet echt handig is?

[wifikabelhuren]

Fraude laten bepalen door mensen is ook niet echt handig. Ontzettend tijdrovend en mensen maken ook fouten of hebben hun eigen mening

[cracking cloud]

De AI heeft ook geen eigen mening, die krijgt zijn mening gevoerd (getraind) door mensen.

edit: het enige wat een AI beter zou kunnen doen is consequent zijn mening doorvoeren, ipv subjectief zoals een persoon dat zou doen.

[Reactie gewijzigd door cracking cloud op 23 juli 2024 04:27]

[wifikabelhuren]

Dat is zo, en AI kan ook een kant op gestuurd worden. Maar AI kan voorwerk doen zodat de mens het kan oppakken, en dan bijsturen als men detecteerd dat het wel de verkeerde kant op gaat.

[Sandor_Clegane]

Als je denkt dat dit niet compleet geautomatiseerd gaat worden in de komende tijd......

Als het te scherp is waardoor claims worden afgewimpeld, wat is er dan voor prikkel om het aan te passen?
Het levert toch geld op.

Ik zie wel weer een aantal rechtszaken in het verschiet.

[supersnathan94]

Het enige wat in dit soort gevallen werkt is een team wat de beperkingen van het ontwikkelde systeem kent en waar edge cases pijn kunnen doen en een team wat zaken afhandelt dat ook verantwoordelijkheid durft te nemen/mag nemen om van een beslissing van het systeem wat in die marge valt af te wijken.

[Sandor_Clegane]

Die mensen gaan weg, of worden vervangen en dan gaat de kennis van het systeem verloren, en dan met name de edge-cases, want 99% van de tijd is het goed en na een tijdje is alles wat uit het systeem komt de waarheid.

Zo werkt dat.

Edit: Als voorbeeld, ik heb ergens gelezen dat een bedrijf supercomputers wilde maken en daarvoor veel chips nodig had, na het bestellen van een paar duizend chips bleken ze allemaal fouten te hebben waardoor ze enorm veel tijd in het opvangen van de fouten moesten steken. Dus gingen ze aan de praat met de leverancier en wat bleek, de mensen die diepgaande kennis hadden van de materialen en dus ook op de hoogte waren van de "quirks" in deze materialen en de middelen die nodig waren om deze af te vangen waren allemaal weg of met pensioen. De mensen die de nieuwe chips ontwikkelden hadden geen idee van deze "quirks" en gingen dus gewoon verder op het geijkte pad zonder rekening te houden met de problemen.

Institutionele kennis/geheugen is een ding en gaat ook verloren.

[Reactie gewijzigd door Sandor_Clegane op 23 juli 2024 04:27]

[supersnathan94]

Ja ben ik het met je eens. Daarom documenteer je zaken en draag je over als je het bedrijf verlaat.

Dit zie je vaak fout gaan bij bedrijven die alle kennis in-house hebben en nooit met externen werken. Men gaat er vanuit dat iedereen alles weet en dat is geen goede basis. Bedrijven die vaak met consultants werken snappen dat al een stuk beter. Kennisoverdracht is ontzettend belangrijk en de enige manier om een goede bedrijfsvoering te doen.

[downtime]

Als het te scherp is waardoor claims worden afgewimpeld, wat is er dan voor prikkel om het aan te passen?
Het levert toch geld op.

Als het zo gemakkelijk was dan zou geen enkele verzekeraar ooit nog iets uitkeren. Maar dan zou uiteindelijk ook niemand meer de moeite nemen om zich te verzekeren. En de verzekeraars zouden zakken geld aan rechtzaken uitgeven en die zaken ook nog vaak verliezen. Wat leidt tot extra juridische kosten, toch die claims moeten uitbetalen, boze klanten (die vaak naar de concurrent overstappen), en veel negatieve reclame (ontevreden klanten vertellen vaak hun hele netwerk hoe slecht ze behandeld zijn).

Je zult begrijpen dat verzekeraars daar een balans in moeten vinden. En dat elke verzekeraar dat ook een beetje anders doet.

[Sandor_Clegane]

Het is niet zwart-wit, zie de toeslagen affaire. Een heleboel mensen kregen prima uitkeringen en een hele hoop moesten 4 jaar procederen.

Zo zal het met verzekeraars ook gaan, zie de mensen die in de clinch liggen met hun huidige verzekering om vergoedingen. Toch zijn we allemaal nog verzekerd.
Als het om een paar duizend claims gaat en je schroeft het iets strakker aan en een paar zal wel een rechtszaak aanspannen maar het gros niet dan ga je er alsnog op vooruit. Het is het grote getallen spel.

[MSalters]

Precies je laatste zin is waarom je tweede paragraaf niet klopt. Rechtzaken zijn duur en tijdrovend, en hebben ook nog eens een kans op imagoschade. En in die rechtzaak maak je niet veel indruk met "onze AI zei dat het fraude is".

Computers en AI's zijn goed in routine; mensen juist niet. Beslissingen die 99% van de tijd hetzelfde uitvallen leiden mensen snel tot generalisatie, waardoor ze de laatste 1% over het hoofd zien. Maar laat je de AI de makkelijke 9% wegfilteren, dan hoeven mensen maar over 2% te oordelen. Fraude-opsporing past precies in dat plaatje. Als mensen maar 2% van de claims hoeven beoordelen, en de helft ervan is fraude, dan sluipt er geen gewenning in.

[Sandor_Clegane]

Ah, net als bij de belastingdienst?

[downtime]

Ah, net als bij de belastingdienst?

Het probleem bij de belastingdienst was niet een foutief systeem. Het was een combinatie van onredelijk harde wetgeving (mensenwerk) die bepaalde dat “fraudeurs” elke cent van hun “onterecht” toegekende toeslag terug moesten betalen en bestuurders die, in het belang van hun eigen carriere, de andere kant opkeken. Als de straf rekening zou houden met de mate van “fraude” dan was er weinig aan de hand geweest.

[Sandor_Clegane]

Uhm ik bedoelde meer dat rechtszaken zouden afschrikken, dat doen ze dus niet.

[downtime]

Uhm ik bedoelde meer dat rechtszaken zouden afschrikken, dat doen ze dus niet.

Daar was wetgeving ook het probleem. De rechter toetst aan de wet, de wet is hard, en de rechter dus ook.

Deze hele toeslagenaffaire was geen bedrijfsongevalletje. Het was bewust beleid. Daarom heeft het zo lang gesleept en wou niemand er wat aan doen.

[Raan7]

Ik zie eerder syndicaatvorming met rechts- en wetbepaling ten behoeve, waarbij concurrenten moeten overgaan op hetzelfde proces en genoodzaakt zijn hun businessmodel aan te passen!

[supersnathan94]

Ik denk eigenlijk dat ze nog net niet van elkaar hebben geleerd.

Achmea en de belastingdienst zitten in Apeldoorn praktisch tegenover elkaar .

[DjoeC]

Toen ik dit las kreeg ik spontaan tranen in m'n ogen. En dat was niet van het lachen..... Je moet wel een bijzonder niveau hebben om zo'n verhaal te kunnen schrijven.

Herkenbaar uit de toko waar ik veel tijd doorbreng, dezelfde nietszeggende termen en poehaa. "Klantreis" steekt er met kop en schouders bovenuit!

--Rest van mijn reactie maar gepoetst--

[K0L3N]

Ik sluit me er bij aan dat dit stuk echt behoorlijk onduidelijk geschreven is, maar volgens mij is dat bewust gedaan, want ze zijn blijkbaar op zoek naar mensen die er iets van snappen en daarom bij Achmea zouden willen werken.

[durian]

Ik sluit me er bij aan dat dit stuk echt behoorlijk onduidelijk geschreven is, maar volgens mij is dat bewust gedaan, want ze zijn blijkbaar op zoek naar mensen die er iets van snappen en daarom bij Achmea zouden willen werken.

Nee, ik vind het is gewoon slecht geschreven. Het wordt me ook niet duidelijk door wie en voor wie dit geschreven is. Als ik dit lees vraag ik me af of ze bij Achmea wel weten waarmee ze bezig zijn (ik neem dus maar aan dat het slecht geschrven is).

[K0L3N]

Goed punt, het is inderdaad heel onduidelijk voor wie dit echt interessant is. Er zit ook niet echt een call to action achter (behalve kijk meer video's of kijk naar vacatures, maar dat is ook behoorlijk vaag en algemeen).

Het enige waarvan ik zeg "daar gaat het dus over" is Openshift. Dus ik neem aan dat ze mensen zoeken die daar verstand van hebben?

[Gianthuust]

Beetje verwarrend stuk door de titel. Uiteindelijk gaat het niet over voorspelmodellen en AI, maar het platform en de ontwikkelstraat waarmee je modellen naar productie kan brengen. Daarnaast leggen ze omslachtig uit hoe zo'n model dus in de rest van het IT landschap past.

En wat buzzwords over hoe het schijnbaar centrale datascience team samenwerkt met de verschillende afnemers. Dat is waar mijn zorg zou zitten. Voor goede datascience en adoptie door de 'klanten' is proceskennis onontbeerlijk. Dit is voor mij veel te veel IT. Ik zou veel liever horen over een succesvolle AI applicatie die live is gebracht met Openshift.

[DjoeC]

Misschien een beetje laat (na 9 dagen), maar Openshift en AI staan totaal los van elkaar. Openshift is een (mijn woorden, Redhat zal het daar vast niet mee eens zijn) Kubernetes met een sausje, een ding om containers mee te managen. AI is een redelijk techniek onafhankelijke applicatieve toepassing. Overigens is AI voorlopig ook nog gewoon een applicatie die data als invoer heeft, daarmee een beslisboom afloopt en een resultaat uitspuugt. Ik vraag me af of "echte" AI al wel bestaat......