Datalabeling is het toevoegen van betekenis aan ruwe data. Je zet er als het ware een etiket op: dit is een factuur, dit is een aanmaning, dit e-mailbericht is spam, op deze foto staat een beschadiging. Die gelabelde voorbeelden vormen samen de trainingsdata waarmee een AI-model leert het patroon zelf te herkennen.
Voor het MKB komt dit vaker voorbij dan je zou denken. Wil je facturen automatisch laten inlezen, offerteaanvragen automatisch laten sorteren of foto’s van schades laten beoordelen, dan moet zo’n systeem eerst leren van jouw voorbeelden. Hoe beter en consistenter die zijn gelabeld, hoe bruikbaarder het resultaat. Slechte labels leveren een model op dat overtuigend fout is.
Waar je op let: maak vooraf duidelijke afspraken over wat een label precies betekent, zodat twee collega’s hetzelfde document niet verschillend classificeren. Zorg voor genoeg voorbeelden van elke categorie, inclusief de lastige randgevallen. En let op privacy: labelen betekent dat mensen echte documenten inzien, dus regel wie dat mag en waar de data staat.
Wat OkayICT hierin doet: wij helpen je bepalen welke AI-toepassing echt iets oplevert en zorgen dat data en privacy daarbij goed geregeld zijn.
Meer lezen: Wat is trainingsdata? · Wat is een AI-model?
