Domeinexpertise: onmisbaar voor succesvolle AI-projecten

Gemiddeld levert meer dan de helft van de AI-initiatieven niet de beoogde waarde op. De oorzaak wordt vaak gezocht in de techniek: het model presteert niet goed, de data is rommelig of de infrastructuur blijkt complexer dan vooraf gedacht. 

In de praktijk ligt de oorzaak echter vaak elders: een gebrek aan domeinexpertise. Met andere woorden, er ontbreekt diepgaande kennis van het vakgebied, de operationele processen en de dagelijkse praktijk die in het AI-project wordt gemodelleerd. 

Wie écht waarde wil halen uit AI, moet interdisciplinair werken. Data scientists, engineers, product owners én domeinexperts moeten gezamenlijk optrekken om tot een succesvolle oplossing te komen. 

Waarom AI-projecten mislukken zonder domeinexpertise

Een traditioneel AI- of machine learning-model kan alleen leren van wat je het laat zien. Als de juiste context niet wordt meegenomen in het model, zal het ook minder waarde opleveren. 

Ontwikkelaars van AI-modellen komen vaak uit de IT- of data-afdeling en werken aan meerdere projecten tegelijk. Zij staan meestal verder af van de operatie en missen daardoor cruciale context. Dat leidt vaak tot dezelfde, terugkerende valkuilen: 

• Een vage probleemdefinitie 
  Veel organisaties 'willen iets met AI’, maar hebben geen scherp gedefinieerd doel. Gaat het om tijdsbesparing, kwaliteitsverbetering, kostenreductie of omzetgroei? Wat betekent een goede voorspelling in de praktijk en hoe meten we succes?
  Zonder domeinexpertise blijft de probleemdefinitie abstract en onvoldoende gekoppeld aan de realiteit. 
• Verkeerde KPI’s sturen het project de verkeerde kant op 
  Een model met 95% nauwkeurigheid klinkt indrukwekkend. Maar wat als die overige 5% precies de gevallen betreft met het hoogste risico of de grootste waarde?
  Alleen domeinexperts kunnen bepalen welke fouten acceptabel zijn, welke niet en waar de echte prioriteiten liggen. 
• Jargon wordt verschillend geïnterpreteerd 
  Wat voor een jurist, arts, logistiek planner of manager vanzelfsprekend is, hoeft dat voor een ontwikkelaar niet te zijn. Kleine misverstanden in definities kunnen leiden tot grote verschillen in interpretatie, met verkeerde conclusies tot gevolg. 
• Uitzonderingen worden onderschat (of juist overschat) 
  Elk domein kent uitzonderingen en vaak zijn juist die cruciaal. Denk aan zeldzame maar risicovolle complicaties in de zorg, of piekdagen in de logistiek.
  AI-modellen hebben baat bij generalisatie, maar domeinexperts weten wanneer dat niet kan. Omgekeerd gebeurt het ook dat ontwikkelteams beginnen bij uitzonderingen, waardoor het project verzandt in een onwerkbaar web van ‘als-dan’-logica. 

De rol van een domeinexpert in een AI-project 

Een domeinexpert is geen persoon die je ‘af en toe iets vraagt’. Het is een structureel teamlid met een duidelijke rol in elke fase van het AI-project. 

1. Probleemverkenning en -definitie 
   De domeinexpert helpt het bedrijfsprobleem scherp te formuleren. Wat gaat er mis, waarom is dat belangrijk en waar kan AI daadwerkelijk het verschil maken? Ook bepaalt deze expert hoe succes eruitziet, inclusief risico’s en randvoorwaarden. 
2. Dataverzameling en -begrip 
   Domeinexperts kennen de processen, systemen en datadefinities. Zij kunnen signaleren wanneer data onvolledig, vertekend of verkeerd geïnterpreteerd wordt. 
3. Modelontwerp en evaluatie 
   De domeinexpert levert input voor relevante features en beoordeelt de uitkomsten inhoudelijk: zijn de voorspellingen logisch? Waar gaat het mis en waarom? 
4. Implementatie en adoptie 
   Bij ingebruikname van het AI-model bepaalt de domeinexpert hoe het systeem wordt toegepast: adviserend, ondersteunend of autonoom. Daarnaast speelt deze expert een sleutelrol in de adoptie en het vertrouwen van andere medewerkers. 
   
   

Conclusie: succesvolle AI begint bij domeinexpertise 

Succesvolle AI-projecten beginnen niet bij technologie, maar bij de praktijk. Bij het probleem dat opgelost moet worden en bij de experts die het werk vandaag al doen. 

• Definieer het probleem samen met mensen uit het vakgebied 
• Laat domeinexperts meebeslissen over succescriteria en risico’s 
• Werk pas daarna toe naar de technische oplossing 

Wil je met AI starten of bestaande initiatieven opschalen? Neem dan de tijd om de juiste experts aan tafel te krijgen. Dáár ligt het verschil tussen een proefballon en een succesvol AI-project.