AI voorspelt het werk dat je nog moet doen - met het werk dat je al gedaan hebt

Bijna iedereen op de werkvloer heeft zich wel eens overwerkt of onderbezet gevoeld. Wat zou het je aan tijd opleveren als we hulp kregen bij het reageren nop alledaagse taken zoals het reageren op emails, bestanden organiseren of het vinden van relevante data? Met G Suite proberen we precies dat te doen door ondersteunende features uit te brengen. Zodat jij zo productief mogelijk bent. Google Drive heeft bijvoorbeeld een feature, Prioriteit, die gedreven wordt door Machine Learning (ML) om zo relevante documenten te vinden. Dit artikel gaat dieper in op hoe ML werkt in Drive.

Een stap terug: wat is Prioriteit in Drive?
Wat houdt Prioriteit eigenlijk in? In Drive bevind zich een tabblad, genaamd ‘Prioriteit’, aan de linker kant van de homepage. Hiermee kun je eenvoudig je bestanden opzoeken. De Prioriteitspagina is een plek in Drive waar verschillende ML technieken gebruikt worden om relevante documenten te vinden. De Prioriteitspagina ziet erals volgt uit.

Wanneer je door de Prioriteitspagia klikt, zul je zien dat het uit twee delen bestaat:

Prioriteitskaarten, die je kunt vinden in de bovenste helft van de pagina. Deze kaarten laten altijd relevante content zien door middels voorspellende ML modellen. Met signalen, zoals afspraken in je agenda of mensen waar je vaak mee samenwerkt, kan Drive suggesties doen van relevante documenten, spreadsheets, presentaties en meer. Het kan ook suggesties doen voor bijbehorende acties die genomen moeten worden. We zullen later in dit artikel verder op deze twee onderwerpen in gaan.
Werkruimten, die je kunt vinden in de onderste helft van de pagina. Dit is waar Drive groepen aan bestanden voor een project voorstelt die mogelijk aandacht vereisen. Signalen waarmee voorspellingen gedaan worden, zijn overeenkomende onderwerpen (bijvoorbeeld codenamen) of teamleden. Naarmate de tijd vordert zal Drive nieuwe suggesties doen voor werkruimten en/of bestanden markeren die je mogelijk aan een bestaande werkplek toe wilt voegen, zodat je ze up-to-date kunt houden.

Allereerst, hoe weet Drive welke bestanden interessant voor jou zijn
Prioriteit gebruikt meerdere ML modellen, met elk een eigen doel, om te bepalen welke kaarten relevant voor jou zijn. Laten we ze opsplitsen in de informatie die ze verzamelen.

Signalen uit andere G Suite apps die je gebruikt. ‘Veelgebruikte Bestanden’ is een deep learning model dat we gebruiken in Drive. Dit model wordt voortdurend geupdated en hertrained. Signalen uit G Suite worden verzameld voor dit model om te voorspellen welke bestanden je binnenkort zult openen. Bestanden in bijlagen van Gmail of een aankomende meeting in Agenda zijn voorbeelden van signalen die ‘Veelgebruikte Bestanden’-voorspellingen verbeteren. Natuurlijk zijn veelvoudig bewerkte Documenten, Spreadsheets en Presentaties dat ook. Lees dit onderzoek dat het ‘Veelgebruikte Bestanden’-model in meer detail bespreekt en de multi-layer feed-forward neural network architectuur beschrijft.
Leren van samenwerkingspatronen. Om in Drive’s ‘Gedeeld met mij’ tabblad bestanden voor te stellen hebben we een nieuw model gelanceerd dat suggesties voorspelt gebaseerd op met wie je regelmatig samenwerkt. Dit model informeert ook de Prioriteitspagina door gebruik te maken van data over met wie je je bestanden deelt, met wie je werkt in Documenten, Spreadsheets en Presentaties, wie je afspreekt in Agenda en met wie je praat in Gmail en Hangouts Chat. In tegenstelling tot de bestandssuggesties van ‘Veelgebruikte Bestanden’ is het samenwerkingsmodel robuuster, omdat het geinformeerd word door de meest frequente interacties. Dat betekent dat Prioriteit bij het beslissen van welke opmerking moet worden weergegeven, voorkeur gegeven wordt aan de nummer 1 persoon waarmee je samen werkt in plaats van de nummer 2.
Belangrijke opmerkingen registreren om relevante bestanden te identificeren. In G Suite kun je opmerkingen plaatsen in Documenten, Spreadsheets en Presentaties en zelfs Microsoft Office bestanden, PDFs en afbeeldingen. De regelmaat waarmee je opmerkingen plaatst kan een belangrlijke indicator zijn voor relevante bestanden. We hebben een opmerkingenmodel gebouwd bovenop de bovenstaande ML modellen om opmerkingen van de personen waarmee je het meest samenwerkt hoger te rangeren. Dit model informeert ook onze voorgestelde acties die we later gaan bespreken.
Je werkset definiëren om te voorspellen welke bestanden binnenkort belangrijk zijn. We hebben een deep learning model gebouwd dat de mogelijkheid kan voorspellen dat een bestand zal verschijnen in jouw werkset - de set aan bestanden die je nodig zult hebben voor je werk van die week. Dit model is handig voor werkruimten. Het werkt vergelijkbaar met het ‘Veelgebruikte Bestanden’-model, maar het filtert bestanden uit die je niet recentelijk hebt bewerkt. Het wordt ook getrained door data verzameld van een week in plaats van een enkel bezoek aan Drive.

Met deze ML modellen verspreid over prioriteitskaarten en werkruimten kan de Prioriteitspagina zich optimaliseren voor zowel precision en recall om bestanden exact voor te stellen wanneer je ze nodig hebt.

Vervolgens, hoe weet Drive welke acties voor te stellen?
We weten dat jouw werk uit meer bestaat dan alleen het openen van bestanden dat je nodig hebt. Daarom is Drive slim genoeg om niet alleen relevante bestanden op te sporen, maar ook acties voor te stellen. Het kan bijvoorbeeld een link voorstellen om te reageren op opmerkingen op de Prioriteitspagina (zonder naar het document te hoeven gaan) of zelfs bestanden voorstellen die je mogelijk moet reviewen voor een aankomende meeting. Dit wordt allemaal mogelijk gemaakt door het opmerkingen ML model dat we hierboven hebben beschreven.

Met zo veel opmerkingsthreads in documenten zou je verwachten dat het moeilijk wordt voor ML modellen om jouw gedrag bij te houden. Niet is minder waar. Het voordeel van in de Cloud zijn is dat we signalen effectief kunnen opsporen om zo bruikbare voorspellingen te doen. Dit is iets wat niet mogelijk is met on-premises of hybride content management systemen. En de voordelen zijn duidelijk: uit onze interne analyse blijkt dat Drive gbruikers 10 tot 15 minuten sneller reageren via Prioriteit dan via andere meethodes, door de hulp van ML.

Als laatste, hoe organiseert Drive effectief werkruimten?
Drive’s ML modellen, die hierboven zijn beschreven, helpen jou om sneller toegang te krijgen tot bestanden die op dat moment belangrijk zijn. In essentie zijn dat suggesties geebaseerd op signalen uit je eigen documenten.

Laten we als voorbeeld nemen dat je net klaar bent met een werksessie met een andere collega. Tijdens deze sessie hebben jullie meerdere bestanden met elkaar gedeeld en hebben jullie in real-time samengewerkt met Documenten, Spreadsheets en Presentaties. Drive groepeert deze bestanden samen door middel van jullie content en het werkset ML model om een collectie van vijf bestanden voor te stellen. Dit ziet er als volgt uit:

Om te beginnen met werken in de werkruimte, klik je slechts op “Save.” Wanneer je een voorgestelde werkruimte accepteert, krijg je volledige controle over de naam en andere bestanden die je erin toevoegt.

Maar zoals iedereen weet ontwikkelen en veranderen projecten snel, en zo ook hun bestanden. Als toevoeging op intelligent groeperen van bestanden om een werkruimte uit te creëren, geeft Drive suggesties van extra bestanden die toegevoegd kunnen worden aan de werkruimte om het up-to-date te houden.

Tijd spenderen aan waardevol werk
Samenvattend helpt machine learning om gebruikers relevante bestanden 50 procent sneller te vinden in Drive, wat betekent dat ze meer tijd kunnen besteden aan waardevol werk. IT administrators hoeven ook minder tijd verspillen aan identificeren, organiseren of categoriseren van content aan de backend. Al die kleine voordelen tellen in grote organisaties op tot serieuze aantallen.

Meer lezen?
U heeft goed nagedacht over de groei, richting en strategie van uw organisatie. Het is nu mogelijk om te berekenen hoe u met G Suite uw doelstellingen kunt behalen. Binnen 3 minuten kunt u een gepersonaliseerd rapport van ons, in samenwerking met Forrester Consulting, ontvangen waarin we concreet benoemen hoe G Suite uw teams helpt om veiliger, meer agile en succesvoller te worden. Klik hier om de berekening voor uw organisatie te maken.