De bottleneck van AI? Niet de technologie! 

Conclusion: AI on stage

De klantenservice wil klantgesprekken automatisch laten samenvatten, finance wil binnenkomende documenten laten uitlezen en controleren. Steeds meer afdelingen zien kansen voor AI. Een eerste pilot bouw je tegenwoordig snel. “Liggen de bouwstenen van een tool al klaar, dan zet je een nieuwe use case al in twee uur op”, vertelt Skip van der Meer, Managing Business & AI Consultant bij Yellowtail Conclusion, tijdens AI on Stage. Op dit evenement bracht Conclusion op 29 september organisaties uit verschillende sectoren samen om te praten over AI-strategie en verantwoord innoveren. 

Dat bouwen snel gaat, betekent nog niet dat het ook lukt. Veel organisaties slagen er vaak niet in om een nieuwe AI-toepassing onderdeel te maken van hun werkprocessen. De bottleneck zit dus niet meer in het bouwen van de tool zelf. Maar waar zitten de knelpunten dan wel? In de diverse sessies en tafelgesprekken tijdens AI on Stage werd het antwoord op die vraag steeds duidelijker: de bottleneck ligt bij de besluiten eromheen. Welke besluiten dat zijn, lees je hier.  

‘Zit de bottleneck eigenlijk wel bij IT?’ Die vraag stond centraal in de sessie over waardecreatie en strategie. Toen het bouwen van applicaties nog maanden kostte, werden veel vragen gaandeweg beantwoord. Welk probleem moet de toepassing oplossen, en is AI daar eigenlijk het juiste middel voor? Wat moet het opleveren, en voor wie? Hoe meet je dat? Wat gebeurt er bij uitzonderingen? “Het bouwen gaat steeds sneller, maar het nemen van deze besluiten kost evenveel tijd als eerder,” zegt Sophie van Klaveren, Business Consultant bij Yellowtail Conclusion. “Zorg dus dat je vooraf de juiste, scherpe vragen stelt.” 

Die vragen beantwoord je niet in je eentje. Er zijn meerdere afdelingen van de organisatie betrokken, elk met verschillende belangen. “De business wil resultaat, Risk & Compliance wil zekerheid en de uitvoerende teams willen een werkbare oplossing. IT kan hier niet alleen over beslissen,” aldus David Buschman, commercieel directeur van Conclusion Intelligence. “Een succesvolle AI-toepassing krijg je alleen in gebruik als iemand de leiding neemt. Dat gaat verder dan het uitspreken van enthousiasme of het vrijmaken van budget. Het management moet de juiste partijen bij elkaar brengen, duidelijk maken waar de toepassing aan moet bijdragen en keuzes maken die anders op tafel blijven liggen. 

Gewone software geeft bij dezelfde invoer steeds dezelfde uitkomst, maar een AI-toepassing op basis van een taalmodel doet dat niet. Antwoorden kunnen per keer verschillen en zijn niet altijd juist. ‘Het werkt’ is daardoor geen eindpunt meer. Je moet zelf bepalen hoe goed de toepassing moet werken, en dat blijkt lastiger dan het klinkt. Want wat is goed genoeg? 

Een voorbeeld uit de gezamenlijke openingssessie van het evenement maakt dat concreet. Een van de aanwezige bedrijven bouwde een chatbot binnen een interne kennisbank en liep daar tegen nieuwe vraagstukken aan. Moet hij het beter doen dan de zoekfunctie van nu? Moet hij op elke vraag antwoord geven, ook als het antwoord niet in de kennisbank staat? Of is het genoeg als hij alleen goede antwoorden geeft op vragen waarvan je weet dat het antwoord er is? 

“Leg daarom eerst vast wat ‘goed’ betekent,” legt Ernout Douqué, CTO van Conclusion Intelligence uit. “Laat mensen die het vak kennen bepalen wat het juiste antwoord is op een reeks vragen. Dat wordt de maatstaf waarmee je de toepassing test. De techniek kan dat niet voor je doen, want die kennis zit bij de mensen in je organisatie.”  

Soms vraagt dit ook om een nieuwe rol. Je hebt iemand nodig die begrijpt wat de business nodig heeft en dat kan vertalen naar iets wat je kunt meten.  

Wanneer je hebt vastgelegd wat ‘goed genoeg’ is, kun je sneller en veiliger werken. Je ziet direct of een aanpassing de toepassing verbetert of niet. En je kunt laten zien waarom een toepassing live mag, bijvoorbeeld door middel van vastgelegde testresultaten. Door dit te verankeren leg je ook de kennis van je eigen mensen vast. Omdat veel bedrijven dezelfde AI-modellen gebruiken, zal deze kennis het verschil maken tussen jouw toepassing en die van een concurrent.  

Als een toepassing goed genoeg is, kunnen we zeggen dat het werkt. Maar of het dan ook iets oplevert voor de organisatie, hangt af van wie er verantwoordelijk voor is en of mensen het daadwerkelijk gaan gebruiken.  

Begin bij de verantwoordelijkheid. Zodra een AI-toepassing in gebruik wordt genomen, zal het eigenaarschap ervan moeten worden belegd. “Vaak belandt die verantwoordelijkheid bij IT of bij het datateam. Zij kunnen een toepassing bouwen of beheren, maar gaan niet over het werkproces waar het onderdeel van uitmaakt,” zegt David. “Leg het eigenaarschap daarom liever neer bij de collega of het team dat verantwoordelijk is voor het resultaat van het werk zelf. Zij zien wat de toepassing betekent voor klanten of voor het financiële resultaat. Pas dan levert AI structureel waarde op.”  

Dan het gebruik zelf. “Veel organisaties bieden een tool aan, geven een training en gaan ervan uit dat het gebruik dan vanzelf volgt,” zegt Mirte van Drunen, Business Consultant bij Conclusion Consulting, tijdens de sessie over menselijke verandering en adoptie. “Maar medewerkers doorlopen hun eigen route. Zij moeten eerst begrijpen waarom de organisatie AI in wil zetten en wat dat voor hun werk betekent. Daarna moet de wil er zijn om met de tool te werken en pas dan heeft die e-learningmodule zin.”  

De AI-enthousiastelingen zijn vaak zelf al aan het experimenteren geslagen, of zijn zelfs AI-champions. Zij gaan direct met de toepassing aan de slag. De meer terughoudende collega moet eerder in het proces worden meegenomen. Daarom werkt één adoptie-aanpak niet voor iedereen. Verschillende collega’s hebben een ander tempo en andere vragen. Ook hoe je gebruik meet, verschilt per groep. Bij een kenniswerker kijk je naar hoe vaak hij de tool inzet, bij een callcentermedewerker of hij de uitkomsten vertrouwt en meeneemt in zijn gesprekken.  

Wachten tot iedereen de AI-tool volledig vertrouwt, heeft geen zin. Vertrouwen groeit door ervaring. Geef mensen dus de ruimte om te leren en te experimenteren binnen duidelijke kaders en laat de enthousiaste koplopers hun collega's meenemen. 

Eén succesvolle AI-use case smaakt naar meer. Maar als elk team opnieuw uitzoekt hoe het met beveiliging, juridische zaken en data moet, begint het proces bij elke toepassing weer bij nul. “Je regelt wat elke toepassing nodig heeft daarom één keer goed, bijvoorbeeld wie er toegang heeft, hoe de kwaliteit wordt gecontroleerd en wat het kost,” vertelt Ernout. “De eerste toepassing kost het meeste werk, maar elke volgende gaat sneller.” Tijdens de sessie over platform, techniek en data was dit het uitgangspunt: use case nummer tien moet sneller, veiliger en goedkoper zijn dan de eerste. 

Niet elke toepassing hoeft op dezelfde manier getoetst te worden. “Hoe groter het risico, hoe zwaarder de toets,” zegt Skip. “Een toepassing die klanten raakt, beslissingen beïnvloedt of met gevoelige gegevens werkt, krijgt een volledige beoordeling en een eigenaar die bij naam bekend is.” Voor andere toepassingen kan het eenvoudiger. Met bouwstenen uit eerdere succesvolle use cases kan een team zelf bijvoorbeeld een intern hulpmiddel in elkaar zetten. Op die manier blijft er ruimte voor collega’s die willen experimenteren. En als zo’n experiment goed blijkt te werken, kan dit weer als bouwsteen voor andere teams beschikbaar komen. “Zo groeit het fundament mee met wat teams in de praktijk ontdekken,” aldus Skip. 

De pilot van een nieuwe AI-toepassing staat er tegenwoordig snel. Marcel Antons, Director Strategy & Innovation bij myBrand Conclusion vergeleek AI tijdens AI on Stage met een confettikanon dat uit de hand is gelopen: “fantastisch, maar als je aan het eind naar de grond kijkt, is het resultaat niet altijd even mooi.”  

Structuur is nodig, zonder dat die ten koste gaat van de creativiteit. Die structuur bouw je door de besluiten rondom de technologie. Wat moet een toepassing opleveren, wanneer is hij goed genoeg, wie is eigenaar en hoe neem je collega’s mee? Dat bepaalt of een pilot slaagt of in de la blijft liggen.