7.3 Welk systeem?
werkgroep
Heeft uw organisatie eenmaal helder welk probleem AI moet gaan oplossen, dan kunt u op zoek naar de toepassing die daar het beste bij past. Het kan geen kwaad om hiervoor een kleine werkgroep op te zetten die in kaart gaat brengen welke systemen er zijn en daarbij de plussen en minnen op een rij zet. Als het even kan, laat dan werknemers uit verschillende disciplines in de werkgroep plaatsnemen.
Een kleine werkgroep kan sneller schakelen en dingen uitproberen, maar uiteindelijk zal de hele werkvloer mee moeten in de AI-ontwikkelingen (zie ook paragraaf 7.5). Houd daar dus als werkgroep steeds rekening mee. Kunnen we dit uitleggen? Is dit gebruiksvriendelijk genoeg?
7.3.1 Slim inzetten
zelf doen
toevoegen
Bij de zoektocht naar de juiste AI-toepassing maakt het zoals gezegd nogal wat uit hoe omvangrijk het probleem is dat AI moet gaan oplossen. Een nuttige eerste stap is kijken hoeveel uw organisatie echt zelf moet doen. Mogelijk werkt uw organisatie al met een systeem voor customer relationship management (CRM) voor het beheren van klantrelaties, of een boekhoudsysteem. Misschien heeft de leverancier van uw CRM- of boekhoudsysteem al een AI-toepassing die uw organisatie zo kan toevoegen aan haar pakket. Kijk dus eerst wat er al voorhanden is.
Probleem
versnellen
Houd hierbij in het achterhoofd dat AI in het algemeen alleen relevant is als het een goede tool is om een bepaald probleem binnen uw organisatie béter of slimmer op te lossen. De toepassing is lang niet altijd iets compleet nieuws; AI kan juist goed helpen om bestaande processen te versnellen of te verbeteren. Anderzijds: AI kan veel, maar kan het ook waar u naar op zoek bent?
Een uitkomst kán ook zijn dat u nu te weinig voordeel kunt behalen met een toepassing (door technologische ontwikkelingen kan dat op termijn anders zijn), of dat de invoering op dit moment te veel van uw organisatie vergt.
7.3.2 Overzicht van toepassingen
categorie
De menukaart voor mogelijke AI-toepassingen binnen uw organisatie is al enorm uitgebreid, en wordt nog elke dag langer. Om enigszins richting te geven bij de keuze, in deze paragraaf een beknopt overzicht van categorieën veelgebruikte AI-toepassingen. Meer uitleg over de verschillende technieken die AI onder de motorkap gebruikt, vindt u in hoofdstuk 2.
Generatieve AI
tekst of beeld
doelgroep
Modellen die getraind zijn op basis van een gigantische dataset en daarmee zelf tekst of beeld kunnen maken, hebben een enorme vlucht genomen. Bekende voorbeelden zijn ChatGPT voor tekst en Midjourney voor beeld (zie ook hoofdstuk 3). Dergelijke software wordt voor allerlei toepassingen gebruikt, en de makers bieden ook een keur aan slimme koppelingen (plug-ins of zogeheten API’s) aan voor de eigen systemen voor uw organisatie. Zo kunt u een afgeschermd model trainen op basis van uw eigen teksten of kernwaarden, zodat het systeem teksten maakt die beter bij uw organisatie passen. Op die manier hoeft u ChatGPT bijvoorbeeld niet telkens opnieuw te vertellen wat uw doelgroep is. Wel blijft het opletten met het gebruik van gevoelige informatie van uw organisatie bij dit soort programma’s (zie ook hoofdstuk 8).
De AI-taalmodellen worden niet alleen gebruikt voor het maken van teksten, ze kunnen ook computercodes schrijven. Zo kunnen programmeurs veel tijd besparen.
Slimme hulpmiddelen
hulpjes
start-ups
Het barst online van de toepassingen die AI gebruiken om dagelijkse werkzaamheden efficiënter te maken. Zo zijn er programmaatjes die dagelijks in de gaten houden hoe de prijzen van de concurrentie zich ontwikkelen of die op basis van prompts rekencodes maken voor Excel. Een startpunt voor het vinden van zulke slimme hulpjes is de database There’s An AI For That (theresanaiforthat.com). Wel kan het behoorlijk wat tijd kosten om het kaf van het koren te scheiden, want lang niet alle toepassingen werken even goed. Daarnaast is een belangrijke vraag of uw organisatie voor langere tijd kan bouwen op de gekozen tool. Onder de ontwikkelaars zijn namelijk een hoop start-ups, die waarschijnlijk niet allemaal overleven.
Datamodellen
analyse
kostbaar
AI is bij uitstek geschikt om verbanden te vinden in grote hoeveelheden gegevens. Generatieve AI is hier heel geschikt voor, want taalmodellen zijn gespecialiseerd in het analyseren en begrijpen van ongestructureerde data. Zo’n analyse kan inzichten opleveren die voor een mens onmogelijk te achterhalen zijn, simpelweg omdat de werknemer dan veel te veel tijd kwijt zou zijn om alle data door te spitten. Denk aan een analyse van verkopen in de webshop over meerdere jaren om te zien hoe loyaal klanten zijn. De resultaten van zulke analyses kunnen erg nuttig zijn voor het wijzigen van de strategie. Wel kan dit kostbaar zijn, als er voor zo’n analyse extern reken- en serverkracht moet worden ingehuurd.
Is de data beschikbaar?
vraagstuk
Bij het selecteren van een systeem voor grootschaligere AI-toepassingen is ook van belang dat de toepassing genoeg data heeft om mee te werken. Zeker naarmate uw AI-vraagstuk specifieker is voor uw eigen organisatie en u het dus met eigen data moet ‘voeden’, is het des te belangrijker dat uw organisatie de data op orde heeft.
Loyaliteit
databron
Stel dat uw organisatie een systeem wil opzetten om de loyaliteit van klanten te voorspellen. Vaak zijn er dan meerdere factoren die daarbij een rol kunnen spelen, zoals leeftijd, opleiding en hoe vaak de klant al iets gekocht heeft. Deze databronnen moeten dan wel binnen uw organisatie beschikbaar zijn en op een uniforme manier in het AI-model in kunnen lopen. Nog belangrijker om tot goede voorspellingen te komen is de vraag wat uw definities zijn van ‘loyaal’. Is dat het geval als de klant drie keer is teruggekeerd, of pas bij vijf keer?
7.3.3 Selectie van de toepassing
keuze
volume
gebruiksvriendelijk
maatwerkproduct
Vervolgens komt het aan op het selecteren van de juiste AI-toepassing voor uw organisatie. Eén allesomvattend antwoord op de vraag wat de beste keuze is, valt moeilijk te geven, omdat dit sterk kan verschillen per organisatie. In elk geval zijn dit punten om bij de keuze te betrekken:
- Wat zijn de kosten? Zijn dit kosten per licentie, per jaar, of is het een abonnement? Zijn er nog kosten die bijvoorbeeld bij een bepaald volume in gebruik om de hoek komen kijken?
- Valt de toepassing goed toe te passen in de bestaande systemen of in de organisatie? Is er voldoende technische ondersteuning intern en extern?
- Is de toepassing voldoende gebruiksvriendelijk, kan iedereen binnen de organisatie ermee uit de voeten?
- Hoe gaat de toepassing om met technische ontwikkelingen in de toekomst?
- Voldoet de toepassing aantoonbaar aan regelgeving (zie ook hoofdstuk 8), nu en in de toekomst?
- Kan de leverancier een maatwerkproduct leveren dat op de organisatie is toegesneden? Valt er voor langere tijd te bouwen op deze leverancier?
slimmer
In z’n algemeenheid valt nog wel te zeggen dat een keuze om allemaal losse AI-tools aan te schaffen in de praktijk niet goed werkt. Want werknemers zitten er in het algemeen niet op te wachten om met nóg een nieuwe tool te gaan werken. De kracht van de toepassing zit er vaak juist in om de systemen intact te houden en die slimmer te maken met AI. Het gaat niet om het hebben van de nieuwste technologie, maar om het slim inzetten van AI in bestaande processen én dat het echt een oplossing is voor een bedrijfsmatig probleem.
Droom groot, maar begin klein
Een beproefde strategie in AI-land is om een stip op de horizon te zetten, maar klein te beginnen. Neem een concreet probleem bij een werkproces of een taak en probeer daarvoor een efficiënte AI-oplossing te vinden. Probeer oplossingen uit, schrap mogelijkheden en blijft doortesten. Zo doet uw organisatie meteen ervaring op met het implementeren van AI op kleine schaal. Bijkomend voordeel is dat u – als het goed is – vrij snel succes kunt boeken. Dat is goed voor de motivatie van degenen die bezig zijn met de AI-implementatie én het helpt waarschijnlijk om het draagvlak voor AI in de organisatie te vergroten. Ook houdt het de kosten in eerste instantie laag.