Het probleem
Bedrijven experimenteren volop met AI, maar weinig experimenten worden een vast onderdeel van het werk. Gartner verwachtte dat minstens 30% van de projecten met generatieve AI na de proeffase zou worden stopgezet, onder meer door slechte gegevens, onvoldoende risicobeheersing, oplopende kosten of een onduidelijke opbrengst.
Waarom het steeds terugkomt
- De techniek staat voorop. "We moeten iets met AI" in plaats van "dit proces kost te veel tijd".
- Te breed begonnen. Een assistent die alles moet kunnen, kan uiteindelijk niets goed genoeg.
- Niet betrouwbaar genoeg. Een demo werkt, maar in het echte werk zijn de fouten te duur.
- Niet ingebed. De toepassing staat naast het werk, in plaats van erin.
Onze aanpak
- Eerst rendement. Welk proces kost aantoonbaar tijd of geld? Wat is het waard als het sneller of beter gaat?
- Eén afgebakende taak. Bijvoorbeeld vragen beantwoorden over de eigen documenten, of gegevens uit facturen halen. Klein genoeg om goed te krijgen.
- Betrouwbaar maken. Rekenen door code, antwoorden laten controleren, twijfel eerlijk melden, en de mens laten beslissen.
- In het werk zetten. De toepassing komt in de systemen waar mensen al werken, niet in een los hulpmiddel.
- Pas dan uitbreiden. Het gaat minder om de code en meer om goede keuzes: wat bouwen we, en wat niet?
Waar let u op
- Meet vóór en na. Zonder nulmeting is er geen rendement aan te tonen.
- Kies gegevens die op orde zijn, of maak ze eerst op orde.
- Houd de kosten voorspelbaar, bijvoorbeeld met lokale AI tegen vaste hardwarekosten.
Wilt u advies over AI-pilots die rendement opleveren? Vraag een gratis adviesgesprek aan.
Bronnen
Bijgewerkt op