Van datagedreven naar contextbewust Als je bedenkt hoe complex de wereld om ons heen is, is het bijzonder hoe goed mensen in staat zijn om te begrijpen en problemen te vertalen naar oplossingen. Maar geldt dat ook voor onze systemen? Systemen kijken vooral naar vooraf bedachte regels. Maar met wat niet in een hokje past, hebben systemen moeite. Konden onze systemen maar denken en handelen als mensen… Wij denken dat het kan. ij mensen zijn ons heel bewust van onze omgeving. Om te kunnen begrijpen wat er om ons heen gebeurt, delen wij zonder veel nadenken de wereld op in kleinere blokjes. We gaan naar school en verzamelen gevalideerde gegevens. We leren denken in processen, waarmee we de blokjes aan elkaar kunnen knopen. Ook leren we redeneren. Dat helpt ons om uit bestaande kennis en structuren gebeurtenissen te verklaren, conclusies te trekken of voorspellingen te doen. W Omdat de hoeveelheid blokjes en data steeds groter wordt, gebruiken we computers. Door het automatiseren van het verwerken van data, kunnen we nog veel meer begrijpen. Het zou daarom handig zijn om de wereld in een model gieten, maar dat is onbegonnen werk. Om te modelleren moet je vooraf alle mogelijke situaties in acht nemen. Met ‘mogelijke situaties’ bedoelen we ‘bekende situaties’ of situaties die we kunnen voorspellen op basis van redenatie. En daar wringt de schoen, want de natuur en de mens zijn niet te voorspellen. 72 De computersystemen die we tot nu toe bedacht hebben, zijn gemaakt voor het automatiseren en optimaliseren van het werken met gegevens in deze blokjes. De aanpak, architectuur en implementatie van de vierde generatie technologie is gericht op het optimaliseren van business processen. Dat werkt prima bij eenvoudige of rechtlijnige processen, maar meestal niet bij digitale dienstverlening. Overal waar het gaat over advies aan mensen, gaat het mis. Mensen willen ook aandacht en zorg en niet alleen efficiënte geautomatiseerde processen. Daarnaast gaat het verkeerd wanneer zich onverwachte gebeurtenissen voordoen. Voorbeelden te over helaas, zoals de toeslagenaffaire. Een empathieloos computerproces heeft geleid tot een geautomatiseerd besluit dat totaal verkeerd is uitgepakt. Recent een lunchoverleg in een restaurant gehad? Tijdens zo’n lunchoverleg is het niet bepaald stil. Een kakofonie van geluiden, stemmen, eetgerei, obers die voorbij komen. Al deze signalen zijn te veel om te kunnen verwerken. Maar mensen zijn getraind om te filteren. Uit alles wat we waarnemen kunnen we focus aanbrengen en alleen datgene eruit pikken wat in de context relevant is. Wat kunnen we hiervan leren om digitale dienstverlening te verbeteren? Gericht luisteren is belangrijk. Dat vergt dat je voor ogen hebt welke doelstellingen je wil bereiken. Als je alle informatie en data tot je neemt zonder te filteren, leidt dat al snel tot een ‘information overload’. Daarom helpt filteren. En dat doen we vanuit je doelstellingen. De maquette van deze tijd Vroeger maakten we maquettes van toekomstscenario’s. Voordeel van een maquette was dat je er omheen kon lopen en iedereen er vanuit zijn perspectief iets van kon vinden. Digitale tweelingen zijn de maquettes van nu. Zij brengen niet alleen alle kennis bij elkaar van een gebied, maar zijn ook nauwkeurig en helpen om effecten te visualiseren. Het voordeel van een digital twin is dat iedereen ernaar kan kijken vanuit zijn eigen
73 Online Touch Home