Door slimme historische data analyse en real-time predictive modelling toe te passen kan voorspeld worden wanneer er bijvoorbeeld een calamiteit of epidemi verwacht wordt. Tijdige slimme signalering kan de volgende calamiteit vervolgens helpen voorkomen. Kunstmatige intelligentie methodes zoals machine learning en deep learning maken het mogelijk om zulke nieuwe en levensreddende inzichten te ontdekken die voorheen niet mogelijk waren.
Aan de ene kant is het essentieel om heel bewust te zijn van de risico’s van het gebruik van persoonlijke data. Aan de andere kant, door de technologieën slimmer en persoonlijker te maken worden de big data toepassingen onmisbaar om de actuele maatschappelijke uitdagingen op te lossen zoals veilige digitale transformatie door real-time data analyse vanuit meerdere bronen te vertalen naar de optimale persoonlijke dienstverlening, voor de beste prijs, beste gebruikerservaring en beste kwaliteit.
Samenwerking zowel van verschillende disciplines, zoals data science, informatica, interactie ontwerp, ethiek, recht, als van individuele burgers met technologie ontwerpers, publieke en private organisaties is essentieel voor de transparante toepassing van slimme zelflerende algoritmes. Naast het belang van en recht op inzage in hoe de geautomatiseerde besluiten tot stand zijn gekomen, stelt de Algemene Verordening Gegevensbescherming (AVG) ook eisen aan de controleurs verantwoordelijk voor de kwaliteitsaudit van de data sets, met name op gerechtigheid, eerlijkheid en transparantie. Betrokkenheid van mensen in het geautomatiseerd besluitvorming proces blijft essentieel om de bias van algoritmes te voorkomen (artikel 22 AVG).
Tot slot, naast waardevolle inzichten bied persoonlijke feedback ook andere voordelen voor een duurzame en transparente toepassing van big data analyse. Met name, door (a) meer bewustwording creëren over hoe de AI algoritmes werken, (b) uitleggen hoe de predictive data modellen redeneren over de besluiten. Door het betrekken van gebruikers in het data analyse proces en interactieve weergave van data, kunnen de gebruikers ook feedback geven zodat de AI modellen iteratief verbeterd worden.