Succesfactor 1: AI use case

Introductie

In ons introductieblog in de serie GenAI noemden we vorige week zes succesfactoren voor ieder AI-project. Deze week gaan we in op de eerste succesfactor; het selecteren van een geschikte AI use case. Het kiezen van een geschikte case is namelijk cruciaal voor het succes van je project. Ook hier geldt: “Een goed begin, is het halve werk”.

Je wil zoveel mogelijk impact en waarde creëren voor de organisatie. Maar hoe vind je dan een goede use case voor je Generatieve AI project? En waar moet je op letten? In dit tweede blog uit de blogserie over GenAI geven we antwoord op die vragen.

How might we..?

Een klassieke misstap is dat organisaties vanuit hun enthousiasme voor een nieuwe technologie op zoek gaan naar een probleem voor een oplossing, in plaats van andersom. Een vraagstelling als “Hoe kunnen we Generatieve AI toepassen om de klanttevredenheid te verhogen?” lijkt op het eerste gezicht misschien een prima vertrekpunt. Maar, door AI in beginsel al centraal te stellen, beperk je jezelf mogelijk in andere oplossingen die bijdragen aan het verhogen van de klanttevredenheid. Je loopt hiermee het risico dat je een (eventueel te complexe) Generatieve AI oplossing ontwikkelt die weinig aansluiting heeft met je organisatie en daardoor beperkte impact heeft.

Hoe kunnen we..

Wij geloven in de kracht van “Hoe kunnen we..” (HKW) vragen. HKW-vragen stellen ons open voor nieuwe perspectieven en innovatieve oplossingen. In principe kan je ieder probleem, vraagstuk of knelpunt positief formuleren in een HKW-vraag.

..Kamervragen sneller, nauwkeuriger en consistenter beantwoorden?

In 2021 wonnen wij de challenge “Kamervragen” van het Startup in Residence InterGov programma. De oorspronkelijke challenge luidde “Ontwikkel een tool waarmee het beantwoorden van Kamervragen verbeterd en versneld wordt”. We kozen ervoor om een stapje terug te doen en eerst te onderzoeken wat nu precies het probleem was. Zo kwamen we er steeds beter achter hoe beleidsmedewerkers en andere betrokkenen het beantwoordingsproces van Kamervragen ervaarden. De volgende problemen en knelpunten kwamen aan het licht:

• Beleidsmedewerkers ervaren een hoge werkdruk en het beantwoorden van Kamervragen komt er dan vaak nog bij
• Kamervragen moeten zeer nauwkeurig en consistent worden beantwoord
• Kamervragen worden vaak meerdere malen, in dezelfde of net andere context gesteld (soms ook aan verschillende bewindspersonen)
• Om een Kamervraag te beantwoorden, zijn beleidsmedewerkers veel tijd kwijt aan het zoeken naar informatie over de laatste stand van zaken

We herformuleerden de challenge op basis hiervan in “Hoe kunnen we Kamervragen sneller, nauwkeuriger en consistenter beantwoorden?”. Op basis van deze HKW-vraag gaven we vorm aan de rest van het project.

Waardepropositiecanvas

De uitkomsten van de Launch-fase visualiseren we in een waardepropositiecanvas, waarmee je in één overzicht je gehele use case voor je AI-project in beeld hebt. Het canvas gaat op hoofdlijnen in op:

• De betrokken doelgroep(en), met een begrip van hun taken en verantwoordelijkheden, ervaren knelpunten en behoeften (rechts)
• De (Gen)AI-oplossing zoals hij is bedacht in de brainstorms en nadere onderzoek, inclusief de voordelen en pijnverzachters hiervan voor de doelgroep(en)
• De technische bouwblokken waaruit de (Gen)AI-oplossing bestaat, inclusief de databronnen, systemen en processen.

Cruciale onderdelen in je GenAI use case

Zoals we in de vorige paragraaf lieten zien, begint een succesvol AI-project met een breed begrip van actuele en relevante uitdagingen, doelstellingen en knelpunten binnen je organisatie. Hoe beter je het project hierop aansluit, hoe meer impact je met je AI-project kan maken. Daarom raden we aan om eerst een duidelijk beeld te schetsen van wat je wil bereiken en specifiek daarvoor te onderzoeken welke rol Generatieve AI hierin kan spelen. (Gen)AI is een krachtige technologie, maar dat betekent niet dat het de beste of meest geschikte oplossing is voor ieder vraagstuk (en andersom).

Een geschikte use case bevat in ieder geval de volgende onderdelen:

• Een duidelijk gedefinieerde behoefte of probleem: Zorg dat je helder hebt wat je wilt oplossen, voor wie je dat doet en waarom.
• Meetbare doelstelling en succescriteria: Maak ook de gewenste situatie, doelstellingen en succescriteria concreet en meetbaar.
• Passend binnen de technische mogelijkheden: Zorg dat je de randvoorwaarden op orde hebt. Denk aan je data, systemen en processen.
• Draagvlak bij stakeholders en betrokkenen: Mensen moeten willen meewerken aan het project. Zonder voldoende draagvlak is de kans dat je tussentijds vastloopt groot.

Geschikte use case voor Generatieve AI

Zodra het vraagstuk helder is, maak je de stap naar het verkennen van oplossingsrichtingen. Afhankelijk van het perspectief van je organisatie en de eindgebruikers, kies je voor een (combinatie van) specifieke functionaliteiten. Generatieve AI kan voor verschillende doeleinden (en daarmee use cases) worden toegepast:

• Het genereren, aanpassen en verklaren van tekst.
• Het genereren, aanpassen en verklaren van programmatuur en code.
• Het genereren, aanpassen en verklaren van spraak.
• Het genereren, aanpassen en verklaren van muziek.
• Het genereren, aanpassen en verklaren van afbeeldingen.
• Het genereren, aanpassen en verklaren van video.
• Een combinatie van bovenstaande.

Binnen JoinSeven focussen we met name in de generatie van tekstuele content. Enkele voorbeelden vind je in de afbeelding hieronder.

Combineer je Generatieve AI use case met “traditionele” data engineering en data science

De mogelijkheden met Generatieve AI zijn eindeloos. Met name wanneer je het combineert met andere vormen van data-engineering en data science. Zo kan een AI-model nog betere voorspellingen doen over relevante antwoorden op klantvragen, wanneer je de data over historische gesprekken (bijvoorbeeld met behulp van topic modeling) tagt. En kan een AI-model dat bedoeld is om interne rapporten samen te vatten dat het beste doen wanneer je hem goede voorbeelden geeft van samengevatte rapporten in het specifieke domein (of domeinen) waarvoor de AI dat moet doen. Een goede samenvatting van een aanbestedingsdocument, is wellicht niet de goede opzet voor een samenvatting voor een marketingstrategie, of de business case van een technologische verkenning.

Denk na over de rol van AI in het proces

Het helpt daarnaast om de vraag te stellen hoe ver de rol van AI reikt in het proces. Wil je dat deze een proces moet overnemen, of mensen in deze processen moet ondersteunen? In sommige situaties wil je Generatieve AI vooral een ondersteunende functie geven en niet autonoom beslissingen laten nemen. Denk aan situaties waar precisie en betrouwbaarheid cruciaal zijn, zoals in juridische, financiële of medische besluitvorming. Hierin is het oordeel van mensen zeer belangrijk en niet los te zien van de AI. Hetzelfde geldt voor de rol van AI bij het beantwoorden van Kamervragen. We kiezen er bewust voor om beleidsmedewerkers met AI te ondersteunen door relevante informatie snel en doelmatig te vinden en presenteren. Het formuleren van een antwoord laten we bewust bij de beleidsmedewerkers.

Conclusie

In dit blog hebben we je meegenomen in het belang van het kiezen van de juiste AI use case. We namen je mee in veelvoorkomende valkuilen bij het kiezen van een use-case en gaven een overzicht van hoe je de juiste use-case vindt in je organisatie.

Een aantal hoofdpunten:

• Het kiezen van een geschikte AI use-case is cruciaal voor het succes van je AI-project.
• Een klassieke misstap is om op zoek gaan naar een probleem voor een oplossing, in plaats van andersom.
• Een succesvol AI-project begint met een breed begrip van uitdagingen, doelstellingen en knelpunten binnen je organisatie.
• De Data Discovery Sprint methodiek kan je helpen om goede use-cases voor je AI-project te creëren.

Implementeren van (Gen)AI

Introductie

Welkom bij het één na laatste blog in de blogserie over Generatieve AI. We schrijven in deze serie over zes succesfactoren voor AI-projecten. In de vorige blogs behandelden we de eerste vijf succesfactoren, waaronder het selecteren van een sterke use case, je technisch fundament, AI-modellen, Mensgerichte AI en het valideren van je oplossing. In dit blog richten we ons op de laatste van totaal zes succesfactoren: Het implementeren van je AI-toepassing in je organisatie.

De mens staat centraal

Zoals we in deze serie al vaker hebben benadrukt, ligt het succes van Generatieve AI niet alleen in de technologie zelf. Een essentieel onderdeel is hoe we deze technologie toepassen en hoe gebruikers ermee omgaan. Daarom duiken we in dit blog dieper in hoe je Generatieve AI succesvol implementeert. We gaan in op implementatiestrategieën die niet alleen de technologische kracht maximaliseren, maar ook een soepele, intuïtieve en mensgerichte gebruikerservaring bieden.

Betrek gebruikers van start tot finish

Bij Generatieve AI projecten is het essentieel om gebruikers van begin tot eind te betrekken. Dit betekent dat vanaf de ideevorming tot de uiteindelijke implementatie, gebruikersinput en -feedback centraal staan. Door gebruikers te betrekken bij elke stap, van het ontwerpen van het AI-toepassing tot de dagelijkse toepassing ervan, zorgen we ervoor dat de technologie niet alleen functioneel is, maar ook naadloos aansluit bij werkprocessen en behoeften. Deze gebruikersgerichte benadering garandeert dat AI-toepassingen niet alleen technologisch geavanceerd zijn, maar ook praktisch bruikbaar en waardevol voor degenen die ze dagelijks gebruiken.

Data Discovery Sprint

Onze Data Discovery Sprint methodiek, met de mens centraal in elk stadium, verzekert een volledige betrokkenheid van eindgebruikers van begin tot eind in het AI-implementatieproces. Vanaf de ‘Launch’-fase, gericht op het begrijpen van gebruikersbehoeften, en de ‘Validate’-fase, waarin feedback wordt gebruikt voor het finetunen van het ontwerp. In de daaropvolgende ‘Awaken’-fase wordt het AI-toepassing tot leven gebracht, steeds met aandacht voor het optimaliseren van het gebruikersgemak. Tenslotte, tijdens de ‘Deliver’-fase, wordt de verandering binnen de organisatie verankerd, met training en ondersteuning voor het team, gericht op het maximaliseren van gebruikersacceptatie en -efficiëntie.

Interacties tussen mens en machines veranderen

Generatieve AI verandert de manier waarop we met computers interacteren fundamenteel. We zijn gewend om computers expliciete commando’s te geven, bijvoorbeeld door aanraking, ons toetsenbord of muis. Met Generatieve AI kunnen we communiceren met apps op een veel natuurlijkere manier, door te praten of te typen in alledaagse taal.

Denk aan deze twee voorbeelden:

• In plaats van complexe zoekopdrachten uit te voeren, kunnen we nu aan een AI-assistent vragen om documenten over klimaatverandering te verzamelen. Of vragen we de AI-assistent zelfs om het antwoord te formuleren waar we naar op zoek zijn!
• En, in plaats van te kijken naar een dashboard vol statistieken over je verkoopproces kan je een AI-toepassing vragen om “de top 10 meest verkochte artikelen in Zuid-Holland”. De AI-toepassing geeft antwoord op je vraag. En, indien gewenst, geeft de AI-toepassing hier ook duiding bij.

Deze ontwikkelingen maken de interactie met technologie niet alleen efficiënter, maar ook toegankelijker en aangenamer voor een breed scala aan gebruikers. Zo maakt de eerste AI-toepassing het samenstellen van dossiers gemakkelijk, zelfs als je geen ervaring hebt met het gebruiken van zoekmachines en document management systemen. En maakt de tweede AI-toepassing het analyseren en interpreteren van grote hoeveelheden financiële data toegankelijk, ook voor personen die minder analytisch vaardig zijn.

Strategieën voor het implementeren van AI

Bij de implementatie van Generatieve AI is een effectieve strategie essentieel voor een succesvolle integratie in de dagelijkse praktijk. In de ‘Deliver’ fase van de Data Discovery Sprint zetten wij in op de volgende activiteiten:

• Informatiebijeenkomsten: Hier presenteren we de AI-oplossing en de voordelen ervan. We gebruiken deze bijeenkomsten om enthousiasme te genereren en een gemeenschappelijk begrip te creëren. Dit werkt goed voor oplossingen met een relatief grote en generieke gebruikersgroep.
• Trainingen: We vinden het belangrijk dat gebruikers het uiterste uit onze oplossingen te halen. Daarom bieden we voor iedere toepassing trainingen aan. Deze sessies zijn gericht op het ontwikkelen van vaardigheden en vertrouwdheid met de AI-oplossing. We bieden soms aangepaste trainingen aan voor geavanceerde gebruikers of beheerders van de AI-oplossing.
• Ondersteuning: We bieden ondersteuning bij vragen of problemen. Dit verhoogt het gebruikersvertrouwen en zorgt voor een soepele ervaring. Meestal spreken we met de opdrachtgever af om na een tijdelijke periode deze ondersteuningsrol te beleggen in de organisatie of het team waar we de AI-0plossing implementeren.
• Ondersteuningsmateriaal en interactieve tours: Niet voor iedere vraag is het nodig (of gewenst) om in-person ondersteuning te bieden. Veel (standaard)vragen vangen we af met handleidingen en tours. Dit materiaal is bedoeld om te helpen bij het zelfstandig oplossen van problemen en het verdiepen van kennis. Aanvullend op documentatie, ontwikkelen we voor sommige toepassingen ook interactieve demo’s en product tours die alle features langslopen en uitleggen.
• Feedback loops: Ook na de eerste releases blijven we feedback verzamelen. Hierdoor kunnen we onze AI-oplossingen blijven verbeteren. Dit zorgt ervoor dat de oplossingen blijven voldoen aan de veranderende behoeften van gebruikers.
• Releases: Bij elke update van de AI-oplossing verstrekken we duidelijke release notes en uitleg. Dit helpt gebruikers om op de hoogte te blijven van nieuwe functies en verbeteringen.

Conclusie

In dit blog hebben we de cruciale rol van implementatiestrategieën in Generatieve AI-projecten onderzocht. Het betrekken van eindgebruikers van start tot finish staat centraal in onze benadering, waarbij de menselijke interactie met AI opnieuw wordt vormgegeven. We benadrukten het belang van gebruikerstraining, ondersteuning en feedbackloops, en hoe deze bijdragen aan een succesvolle integratie van AI-technologieën.

Enkele kernpunten uit dit blog:

• De herdefiniëring van mens-machine interactie is cruciaal in het AI-tijdperk.
• Gebruikersgerichte implementatiestrategieën zijn essentieel voor succes.
• Training en continue ondersteuning vergroten de effectiviteit van AI.
• Feedbackloops zorgen voor constante verbetering en aanpassing van AI-oplossingen.