AI-project in een bedrijf: 8 vragen die u zich moet stellen voor u begint
Een AI-project dat begint met de keuze van een tool, start vaak op de verkeerde manier. Voor u technische oplossingen vergelijkt, helpen acht eenvoudige vragen om na te gaan of het probleem werkelijk geschikt is voor AI, of de nodige data beschikbaar zijn en of de organisatie klaar is om de oplossing onder goede omstandigheden te testen.
Welk probleem probeert u precies op te lossen?
Een antwoord zoals "tijd besparen" of "efficiënter worden" volstaat niet. U moet de exacte taak kunnen benoemen, wie ze vandaag uitvoert en hoeveel tijd ze in beslag neemt. U moet ook begrijpen waarom de taak een probleem vormt: een groot volume, repetitief werk, moeite om informatie terug te vinden, risico op fouten of een andere zakelijke beperking. Zonder die precisie wordt het moeilijk om achteraf te bepalen of het project werkelijk geslaagd is.
Is dit probleem werkelijk geschikt voor AI?
Niet elke taak die tijd kost, heeft artificiële intelligentie nodig. Sommige problemen kunnen eenvoudiger worden opgelost met klassieke automatisering, een betere structurering van de data of een aanpassing van het bestaande proces. AI wordt vooral interessant wanneer het werk vraagt om documenten te verwerken, informatie te zoeken, inhoud te classificeren of taal te interpreteren. Voor u een technologie kiest, moet u dus eerst nagaan of AI werkelijk aansluit bij het probleem dat u wilt oplossen.
Welke data en documenten bestaan al?
Een AI-systeem heeft materiaal nodig om de regels, documenten en het specifieke vocabularium van de organisatie te begrijpen. Als relevante documenten, e-mails, dossiers of beslissingshistorieken al in een toegankelijke vorm bestaan, start het project op een stevige basis. Als ze verspreid zijn, moeilijk terug te vinden zijn of in weinig bruikbare formaten staan, moet het verzamelen en structureren ervan eerst worden voorzien, nog voor er over AI wordt gesproken.
Wie zal de resultaten valideren?
Een AI-project zonder aangeduide persoon om de resultaten te controleren, start zonder echt vangnet. Bepaal wie de voorstellen van het systeem zal nalezen, in welke situaties die validatie nodig is en hoeveel tijd ze in beslag zal nemen. Bepaal ook wat maakt dat een resultaat als correct wordt beschouwd. Menselijke validatie is bijzonder belangrijk wanneer een resultaat concrete gevolgen kan hebben voor een klant, een medewerker of een zakelijke beslissing.
Welke foutenmarge is aanvaardbaar?
Een AI-systeem dekt bij de start bijna nooit honderd procent van de gevallen. Sommige dossiers worden correct verwerkt, andere vragen controle en bepaalde gevallen blijven volledig manueel. De aanvaardbare foutenmarge hangt vooral af van de taak. Een fout bij het zoeken in documenten heeft niet dezelfde gevolgen als een fout in een berekening, een commerciële beslissing of een document dat naar een klant wordt verstuurd. Die drempel moet daarom vóór de start van het project worden bepaald.
Hoe meet u de meerwaarde?
Het succes van het project moet met een concreet criterium kunnen worden gemeten: een kortere verwerkingstijd, een lager foutenpercentage, een kortere responstijd of extra capaciteit voor het team. Idealiter meet u het vertrekpunt vóór de test, zodat u de resultaten nadien kunt vergelijken. Zo vermijdt u dat de oplossing wordt beoordeeld op basis van een algemene indruk of het enthousiasme dat de technologie oproept.
Waar past de oplossing in het bestaande werk?
Een oplossing die technisch werkt maar gebruikers verplicht om hun manier van werken volledig om te gooien, dreigt ongebruikt te blijven. Denk daarom vanaf het begin na over de plaats van AI in het proces: welke tool gebruikt het team vandaag, welke informatie moet het aanleveren en in welke vorm moet het resultaat terugkomen? Hoe dichter de integratie bij het werkelijke proces blijft, hoe eenvoudiger het wordt om de oplossing te testen en de meerwaarde ervan te meten.
Wat gebeurt er als het systeem een fout maakt?
Rekening houden met fouten betekent niet dat het project gedoemd is te mislukken. Het betekent dat vooraf duidelijk moet zijn wat er gebeurt wanneer een fout zich voordoet. Het resultaat kan naar een persoon worden doorgestuurd voor controle, het dossier kan manueel worden overgenomen of bepaalde situaties kunnen buiten de scope van AI blijven. Belangrijk is dat dit mechanisme vóór de ingebruikname wordt voorzien en dat de gebruiker duidelijk weet wanneer hij op het systeem kan vertrouwen en wanneer hij de controle moet overnemen.
Samengevat
Een goed voorbereid AI-project begint met duidelijke antwoorden op deze vragen, niet met de keuze van een technologie. Organisaties die de tijd nemen om ze te beantwoorden, kunnen daarna vaak sneller vooruit, omdat het technische project zelf eenvoudiger wordt om af te bakenen.
Een AI-project begint bij het probleem dat u wilt oplossen, niet bij de tool die u wilt kiezen. Als u een AI-project overweegt, kunnen we samen kijken naar de behoefte, beschikbare data, testvoorwaarden en de plaats die AI werkelijk in het proces moet innemen.