AI in uw bedrijfsprocessen: waar het werkt en waar u het beter niet inzet

Het klinkt aantrekkelijk: één slimme assistent die uw mail leest, offertes maakt, de planning bijhoudt en facturen verstuurt. De demo's zien er indrukwekkend uit. Het probleem zit in een eigenschap die in demo's niet opvalt.

Een taalmodel geeft niet elke keer hetzelfde antwoord op dezelfde vraag. Dat is geen fout, het is hoe het werkt: het voorspelt het meest waarschijnlijke antwoord. Voor een conceptmail is dat prima. U leest hem, past een zin aan, en verstuurt hem.

Voor uw facturatie is het een probleem. Een factuur die in negenennegentig van de honderd gevallen klopt, is een factuur die u allemaal moet controleren. Dan heeft u niets gewonnen.

En er is nog iets. Een taalmodel kan met grote stelligheid iets beweren dat niet klopt. In de vakwereld heet dat hallucineren. In een gesprek merkt u dat. In een systeem dat zelfstandig draait, niet.

Er zijn taken waar een vaste regel niet volstaat, en daar is AI uitstekend gereedschap:

• Vrije tekst begrijpen. Een klant mailt "de levering van vorige week klopt niet, er missen twee dozen". AI herkent dat dit een klacht is over een levering, zoekt de order erbij en zet hem bij de juiste persoon.
• Documenten uitlezen. Een inkoopfactuur, een bouwtekening, een plattegrond of een literatuurlijst van een school. AI haalt de gegevens eruit en zet ze gestructureerd in het systeem.
• Een concept schrijven. Een eerste antwoord op een klantvraag in uw eigen toon, een productbeschrijving, een samenvatting van een lang gesprek.
• Patronen zien in tekst. Wat klanten in reviews steeds noemen, welke vragen elke week terugkomen.

Het patroon is steeds hetzelfde: AI zet ongestructureerde informatie om in iets waar het systeem mee verder kan, of doet een voorstel dat een mens beoordeelt.

Alles wat in vaste regels te vangen is, hoort in software (code). Ook als het ingewikkeld is.

• Berekeningen. Prijzen, staffels, kortingen, btw, materiaalstaten. Een berekening heeft één juist antwoord.
• Voorraad en geld. Wat er in het magazijn ligt, wat er betaald is, wat er openstaat.
• Regels en voorwaarden. Wanneer een klant op rekening mag kopen, wanneer een herinnering verstuurd wordt, wanneer een order wordt tegengehouden.
• Beslissingen met gevolgen. Geld dat de deur uitgaat, een order die wordt geannuleerd, een klant die wordt geweigerd.

Dat geldt ook voor analyses en scores. Een score voor een aanvraag op basis van omvang, regio en compleetheid is gewoon een rekenregel. Die hoeft geen AI te zijn, en is betrouwbaarder als hij het niet is.

In de systemen die wij bouwen, draait ongeveer zeventig procent op software (code): de kern, de berekeningen, de regels. Ongeveer twintig procent is AI, op de plekken waar het proces erom vraagt. En tien procent is menselijke controle: de momenten waarop een mens goedkeurt wat AI voorstelt, of beslist over een uitzondering.

Die percentages zijn geen wet, maar een richting. Bij een consultancybureau is het voorbereiden van antwoorden op klantvragen de enige AI-stap in het hele systeem. Een specialist keurt elk antwoord goed. Dat scheelt 46 uur per week, zonder dat er één antwoord ongecontroleerd de deur uitgaat.

In vier van onze acht cases zit helemaal geen AI. Niet omdat we het niet kunnen, maar omdat het proces er niet om vroeg.

Drie principes maken het verschil tussen AI die helpt en AI die problemen veroorzaakt.

1. 1AI stelt voor, een mens beslist. Wat AI produceert, gaat als concept naar iemand die het goedkeurt. Bij simpele, terugkerende gevallen kan dat later een steekproef worden, maar pas als blijkt dat het goed gaat.
2. 2AI krijgt alleen wat het nodig heeft. Een AI-stap die een klantmail sorteert, hoeft niet de hele klantgeschiedenis te zien. Minder gegevens betekent minder risico.
3. 3Alles wordt gelogd. Wat AI voorstelde, wie het goedkeurde en wat er uiteindelijk gebeurde. Zo kunt u altijd terugzien waarom iets ging zoals het ging.

Daar komt bij dat de Europese AI Act voor sommige toepassingen eisen stelt aan transparantie en menselijk toezicht. Hoe dat zit, leest u in automatiseren met de AVG en de AI Act.

Begin niet bij de vraag "waar kunnen we AI inzetten?", maar bij "waar gaat ons werk in zitten, en wat daarvan kan een systeem overnemen?". Het antwoord is meestal: veel meer dan u dacht, en voor het grootste deel zonder AI.

Waar AI dan wel een plek krijgt, levert het echt iets op. Juist omdat het niet overal hoeft te zijn. Meer over hoe wij dat afwegen, leest u in onze filosofie.