waar ben je naar op zoek?

Generic filters
Exact matches only
Search in title
Search in content
Search in excerpt

WHAI not: Waarom uitstel van AI-gedreven werken geen optie is

WHAI | AI-gedreven werken

Veel geblaat weinig wol. Dat gevoel bekruipt je als je in de media leest over alle mogelijkheden die AI te bieden heeft, terwijl je in jouw eigen en omringende organisaties ziet dat het niet zo’n storm loopt.

De vergelijkingen met blockchain, AR en, langer geleden, Google Glass worden al snel gemaakt. Er werden gouden bergen beloofd en waar staan we dan nu? Toch is dit het moment om te starten met AI en op zoek te gaan naar succesvolle business cases. We duiken in het hoe en waarom. Of eigenlijk: waarom niet?

WHAI: Why AI?

Wat kan AI voor jouw organisatie betekenen en wanneer is het moment om in te stappen? Deze vragen houden veel organisaties bezig, terwijl zij ook nog druk bezig zijn datagedreven te worden. Het verzamelen van gegevens en het analyseren ervan helpt bij het maken van betere strategische en financiële beslissingen. Door hier AI-gedreven werken aan toe te voegen, behalen organisaties grote voordelen. AI-gedreven werken biedt namelijk een zeer waardevolle toevoeging door een laag van intelligentie en autonomie toe te voegen aan het gebruik van data. In plaats van puur te reageren op historische gegevens streeft AI-gedreven werken naar proactieve besluitvorming door patronen te ontdekken en voorspellingen te doen. AI-systemen kunnen diepgaandere analyses en complexere taken uitvoeren dan puur datagedreven systemen, maar het datahuis moet hiervoor wel op orde zijn.

Betere klantenservice en gebruikservaring

Veel bedrijven gebruiken AI-gedreven chatbots om bijvoorbeeld de klantenservice te verbeteren en klantvragen snel en efficiënt te beantwoorden. Deze chatbots maken gebruik van natuurlijke taalverwerking om menselijke taal te begrijpen en kunnen op een geautomatiseerde manier antwoorden geven op veelgestelde vragen. Daarnaast kunnen chatbots probleembeschrijvingen van klanten samenvatten en opslaan, zodat de servicedesk bij een herhaling van de klacht direct aan de slag kan gaan met vervolgstappen. Dit vermindert de wachttijd voor klanten en verhoogt de efficiëntie van de klantenservice of servicedesk. Veel bedrijven, met name in e-commerce en streamingdiensten, maken ook gebruik van AI om gepersonaliseerde aanbevelingen te doen aan gebruikers. Deze systemen analyseren het gedrag en de voorkeuren om producten, films, muziek of andere content aan te bevelen. Dit verbetert de gebruikerservaring en bevordert klantbetrokkenheid, denk maar eens aan Spotify Wrapped. Heb jij hem al bekeken?

Rubbish in, rubbish out

Net als bij Business Intelligence is het ongelofelijk belangrijk dat de brondata op orde is en dat de integratie met bronsystemen goed voor elkaar is. Met Retrieval Augmented Generation (RAG) verbeter je de nauwkeurigheid en betrouwbaarheid van generatieve AI-modellen door de data uit externe bronnen te controleren. RAG zorgt voor bronvermelding, zoals voetnoten in een whitepaper. Zo kunnen lezers uitspraken en conclusies controleren. Bovendien kan de techniek modellen helpen dubbelzinnigheid in een gebruikersquery op te helderen. Het verkleint ook de kans dat een model een verkeerde inschatting maakt, een fenomeen dat ook wel hallucinatie wordt genoemd. Hierdoor kun je AI ook inzetten voor activiteiten waar een hele hoge betrouwbaarheid voor nodig is. Denk bijvoorbeeld aan het gebruiken van bestaande offertes om nieuwe te genereren of het inzetten van AI om de zorg verder te helpen.

Maak kennis met de CAIO

AI-modellen voegen dus veel waarde toe. Maar er zijn ook uitdagingen, want hoe hou je er bijvoorbeeld controle over? Er wordt gezegd dat ChatGPT versie 4 nu een IQ van 114 heeft en daarmee hoger scoort het menselijk gemiddelde van 100. De Co-pilot, zoals Microsoft haar AI-model noemt, geeft een veilig gevoel: wij zijn nog in charge, maar als de mensheid iets creëert dat slimmer is dan de slimste mens, wat gaat er dan gebeuren? Als dergelijke modellen kunnen coderen, wat gebeurt er dan als deze zichzelf opnieuw programmeren? We hebben dus met elkaar ook de taak om de geest in de fles (proberen) te houden en AI voor ons te laten werken in plaats van andersom. Controle houden, het model op de juiste manier toepassen en zorgen voor goede educatie zijn hierbij essentieel. Een CAIO – Chief AI Officer – is daarom geen overbodige luxe. Deze is verantwoordelijk voor het ontwikkelen van een visie op AI en het uitwerken van het beleid. ‘Stop! Niet gebruiken!’, roepen veel organisaties nu tegen hun medewerkers. Maar het bloed kruipt waar het niet gaan kan, denk maar eens aan shadow-IT. AI gaat onvermijdelijk een eigen leven leiden en dus zijn beleid, educatie en richtlijnen keihard nodig.

Hamer en spijkers

‘Als je enige gereedschap een hamer is, ziet elk probleem eruit als een spijker.’ Deze bekende uitspraak wordt toegeschreven aan Abraham Maslow en maakt duidelijk dat AI niet de oplossing is voor álles. Want elk probleem is uniek en vereist vaak verschillende benaderingen. Het feit dat ik een rekenmachine op mijn bureau heb, maakt niet dat ik iedere som met de rekenmachine moet maken. Een beetje hoofdrekenen blijft ook goed. Dit geldt ook voor AI; het klinkt misschien als de uitkomst voor alles, maar het succes staat of valt met een duidelijke visie en beleid. Helemaal als je je bewust wordt van de investeringen die het ontwikkelen van zo’n model kost. Vooral nu de foundation modellen (de basis van modellen als ChatGPT) nog hard aan het leren zijn, is er een flinke investering van zowel financiële middelen als energie nodig. Sterker nog, de trainingssessie van ChatGPT versie 4 betekent zo’n 500 ton CO2-uitstoot. Dat is gelijk aan duizend auto’s die duizend kilometer rijden.

Begin klein, maar denk groot

Willen organisaties beter, sneller en efficiënter werken, dan is het tijd om data nu echt centraal te stellen in de organisatie. Sterker nog, AI verdient een plek op de agenda van de boardroom. Bij voorkeur vandaag nog. Want als jij het niet doet, doet de concurrent het wel en dan kom je als organisatie op den duur buitenspel te staan. Veel organisaties zijn nog bezig om datagedreven te worden. Toch is wachten tot dat geïmplementeerd en helemaal ‘af’ is, verre van verstandig. AI gedreven haalt datagedreven in, al blijft de voorwaarde dat het datahuis op orde is. Maar met nieuwe urgentie vanuit AI en de legio wendingen van data democratization in alle vooruitstrevende dataplatformen, is het tijd om nu echt te beginnen met het op orde krijgen van de data huishouding!

Link gekopieërd