De invloed van nieuwe slimme technologieën op deep learning
Bomi Kim onderzocht op welke manier nieuwe slimme technologieën (zoals kunstmatige intelligentie) de organisatie van deep learning beinvloeden. Deep learning is een geavanceerde vorm van machine learning die gebruikmaakt van neurale netwerken met meerdere lagen om automatisch complexe patronen in grote datasets te herkennen en te leren.
Kim toont in haar promotieonderzoek aan dat hoe de manier waarop deep learning is georganiseerd, invloed heeft op de ontwikkeling van slimme technologieën. Wanneer een nieuwe groep gebruikers met eigen werkmethodes bestaande beeldanalysetechnologie ging gebruiken, werd er meer nauwkeurige en relevante klinische informatie uit gehaald. Dit veranderde de betekenis en waarde van de technologie binnen de organisatie.
Ten tweede toont Kim aan dat nieuwe slimme technologieën nieuwe groepen kunnen vormen door nieuwe grenzen te trekken. Kim ontdekte in haar onderzoek dat toen radiologietechnici specifieke werkmethodes gingen gebruiken bij beeldanalyse, de meting van medische beelden werd gescheiden van de interpretatie ervan. Dit is anders dan hoe radiologen normaal gesproken zowel meten als interpreteren. Deze nieuwe scheiding leidde tot de vorming van een nieuwe beroepsgroep.
Voor managers benadrukt Kims onderzoek dat om waarde te halen uit slimme technologieën, er acties binnen en tussen organisaties nodig zijn, zoals het bedenken van manieren om de financiële waarde van AI-tools te meten.
Meer informatie over het proefschrift