Generatieve AI use case | Blogserie GenAI
Lees in dit tweede blog over hoe je op de juiste wijze use case vindt voor je Generatieve AI project.
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.
Een diep begrip
Data Discovery Sprint
We werken bij JoinSeven volgens onze Data Discovery Sprint methode. In het vinden en formuleren van een geschikte use case, is de eerste stap “Launch” cruciaal.
In deze eerste stap duiken we in de uitdagingen en onderzoeken we het probleem in al zijn facetten. We formuleren de uitdaging als een “Hoe kunnen we..” vraag. Op basis hiervan brainstormen we naar oplossingsrichtingen en kiezen we degene die we het meest kansrijk en impactvol schatten. Naast het verzamelen van ideeën, definiëren we in deze stap ook de technische uitgangspunten en noodzakelijkheden die later in het project van cruciaal belang zullen zijn.
Stap 1
Launch
Hier begint het avontuur. Samen duiken we in de uitdagingen en onderzoeken we het probleem in al zijn facetten.
Stap 2
Validate
In deze fase ontwerpen we de oplossing en creëren we de eerste prototypes om de voorgenomen oplossing te valideren.
Stap 3
Awaken
Hier komt de oplossing – in de vorm van een dashboard, app of andere slimme toepassing – tot leven.
Stap 4
Deliver
We zorgen ervoor dat je team vol vertrouwen met het nieuwe product aan de slag kan en hun doelstellingen kan behalen.
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.
Direct alle inzichten?
Wil je niet wachten tot alle blogs online staan? Vraag dan direct onze whitepaper over deze serie aan.
Vooruitblik
In de volgende blogs nemen we je mee door alle stappen en overwegingen voor een succesvolle implementatie van GenAI in jouw organisatie. We voorzien je van de benodigde kennis en tools om in jouw organisatie een succesvol AI-project op te zetten. Dus blijf ons volgen en schrijf je in voor de volgende blogs via het formulier hieronder!
Blog 1
Introductie in Generatieve AI
In het intro-blog behandelen we het concept Generatieve AI: Wat is Generatieve AI? We geven een introductie in Generatieve AI: wat het is, hoe het werkt en welke kansen en uitdagingen er liggen bij het implementeren ervan in je organisatie.
Blog 2
Selecteer je use case
In het tweede blog gaan we in op het onderzoek naar en de selectie van een geschikte use case. Hierbij gaan we in op valkuilen bij het kiezen van use cases en het belang om een oplossing voor een probleem te zoeken en niet andersom.
Blog 3
Het fundament van je AI-project
In het derde blog gaan we in op het fundament van ieder succesvol AI-project: de informatievoorziening. Ook voor AI geldt; “garbage in, garbage out”. Het gaat hier niet alleen de AI-modellen die je gebruikt, maar juist ook de data en systemen die deze modellen voeden.
Blog 4
Selecteer, train en tune
je AI-model
In het vierde blog gaan we in op het trainen en tunen van je AI-model voor je use-case. Voor de meeste use-cases is meer nodig dan een “off-the-shelf” oplossing. Het trainen en/of tunen van je taalmodel voor jouw use-case maakt een groot verschil.
Blog 5
Verantwoord inzetten van AI
In het vijfde blog gaan we in op ethische en maatschappelijke overwegingen, zoals privacy en algoritme-bias. Technologie is op zich niet “goed” of “slecht”, maar een verkeerde implementatie kan onnodig risico’s met zich meebrengen. Wij betogen voor een verantwoorde en mensgerichte inzet van AI.
Blog 6
Valideer de haalbaarheid, wenselijkheid en levensvatbaarheid
In het zesde blog gaan we in op het innovatieve aspect van Generatieve AI-projecten en hoe je de relevantie en waarde van je use-case valideert. Onze Data Discovery Sprint geeft hier om een snelle, nauwkeurige, mensgerichte en snelle manier invulling aan.
Blog 7
Begeleid je organisatie in het werken met Generatieve AI
In het zevende blog gaan we in op hoe je mensen in je organisatie leert werken met AI. Een succesvolle implementatie vraagt ook om een gedegen implementatiestrategie met oog voor de technologie, werkprocessen en de mensen die ermee werken.
Blog 8
Recap: Geleerde lessen van de blogserie
In het laatste blog vatten we alle geleerde lessen samen en blikken we vooruit op het vervolg na deze blogserie.