Zo implementeer je AI succesvol in jouw bedrijf

AI is overal en beïnvloedt elke sector. Of je nu een marketeer, HR-professional of manager bent, AI biedt enorme kansen. Maar waar begin je en hoe zorg je dat AI echt waarde toevoegt aan jouw organisatie? Sonja Loth neemt je tijdens deze podcastaflevering mee in een helder stappenplan en praktische tips.

Beeckestijn Business School heeft in samenwerking met Sonja Loth en Charida Dorder het AI Playbook ontwikkeld, een handige gids om AI succesvol te implementeren in je organisatie. Dit is de rode draad door de podcastaflevering en tevens de basis voor de opleiding AI Business Professional.

Te laat om je in AI te verdiepen?

De niveauverschillen binnen organisaties op het gebied van AI worden steeds groter, maar je bent absoluut niet te laat om je erin te verdiepen. Sommige mensen vragen zich bijvoorbeeld nog af hoe ze bij “ChatGeePeeTee” komen, terwijl anderen zich afvragen welk RAG-framework het beste is voor hun custom LLM. Als je niet thuis bent in AI, klinkt die tweede vraag misschien overweldigend. Dat is niet nodig, want met slechts twee dagen intensief verdiepen in AI begrijp je al veel beter wat het inhoudt en wat de waarde ervan is. Het valt dus mee hoeveel kennis je nodig hebt om AI te begrijpen en effectief in te zetten.

De tools zijn inmiddels voor iedereen beschikbaar en betaalbaar. Gebruik ze en je bent nog op tijd, maar het is wel belangrijk om AI nu écht serieus te nemen. Zo kun jij en je organisatie nog een voorsprong nemen.

Voorspellende AI versus Generatieve AI

Voordat we ingaan op het stappenplan, is het goed om het verschil tussen voorspellende AI en generatieve AI uit te leggen. Voorspellende AI, bestaande uit machine learning-modellen, gebruikt grote hoeveelheden data om toekomstige gebeurtenissen te voorspellen. De grote revolutie van de afgelopen jaren is generatieve AI, die zelf content kan creëren. Bij voorspellende AI moet je data kunnen begrijpen en lezen. Bij generatieve AI was dat voorheen ook het geval, totdat taalmodellen (zoals ChatGPT) verschenen, waarmee je in menselijke taal kunt communiceren met de systemen.

Stappenplan: AI succesvol implementeren in jouw organisatie

Je voelt de kansen van AI. Maar hoe begin je? Tijd voor wat structuur. We nemen je mee in 5 stappen.

Stap 0: Ben jij er klaar voor?

Voordat je met AI aan de slag gaat, is het belangrijk om te kijken of je organisatie er écht klaar voor is. Dit vraagt meer dan alleen welwillendheid of een paar mensen die enthousiast zijn. Daarom hebben we de AI Readiness Scan ontwikkeld.

AI Readiness Scan

De AI Readiness Scan bevat 10 factoren waarop je simpelweg met ‘ja’ of ‘nee’ antwoordt. Scoor je 8 keer ‘ja’ of meer? Dan ben je klaar om te beginnen. Scoor je lager, dan moet je je eerst richten op het verbeteren van de andere factoren. Hier zijn de 10 factoren:

• Datavoorbereiding
• Managementondersteuning
• Technologische infrastructuur
• Dataprivacy en -beveiliging
• Budget
• Expertise in huis
• Potentie processen
• Verandermanagement
• Businesscase
• Continu leren en verbeteren

Stap 1: Identificeren use cases

Dit is misschien wel de belangrijkste stap. Je wilt praktisch aan de slag met iets waar je succes mee kunt bewijzen. Begin met het identificeren van use cases door een brainstormsessie te organiseren met enkele mensen binnen de organisatie. Gebruik het simpele format van de User Story: “Als een … wil ik … zodat …”. Bijvoorbeeld: “Als een senior op de klantenservice wil ik mijn kennis snel overdragen aan nieuwe medewerkers, zodat zij snel aan de slag kunnen en ik me op mijn eigen werk kan richten.”

Neem hierbij ook de volgende vragen mee:

• Wat kost nu veel tijd?
• Welke terugkerende taken wil ik oplossen?
• Wat kan er binnen mijn team of proces verbeterd worden?
• Welke eerdere initiatieven voelden goed aan maar slaagden niet?
• Wat hebben klanten nodig en wat geven zij terug dat voorheen niet haalbaar was?

Besef dat er use cases kunnen zijn binnen elk onderdeel van je bedrijfsvoering, zoals data, klantenservice, security, finance, HR, marketing, operations, sales, strategie en legal.

Stap 2: prioriteren use cases

Na de brainstorm heb je een lijst met potentiële use cases. Stap 2 is het prioriteren hiervan. Doe dit niet op dezelfde dag als de brainstorm. Vraag mensen om input te geven bij elke use case: wat levert het op, hoe belangrijk is het, heb je de data, matcht het met strategische keuzes, is het levensvatbaar en is er een team beschikbaar?

AI Project Scorecard

Voor het prioriteren hebben we de AI Project Scorecard ontwikkeld. Hiermee kun je de potentiële use cases scoren. Vul deze in met je team (vanuit meerdere disciplines om tunnelvisie te voorkomen). De use cases met de hoogste score zijn het meest geschikt om mee aan de slag te gaan.

Het aantal use cases waarmee je start, hangt af van het strategisch voordeel dat je kunt behalen. Het is mogelijk om meerdere use cases parallel uit te werken. Sonja werkt graag in kwartalen (13 weken). In die tijd kun je meerdere use cases uitwerken en beslissen of je ermee wilt stoppen, optimaliseren of doorgaan.

Stap 3: omschrijven testcase

Je hebt één (of meer) use cases gekozen. Nu is het tijd om de testcase te omschrijven. Hoewel dit afhangt van de use case, begin je met doelen en KPI’s. Je hebt verwachtingen en wilt meten of je succesvol bent.

Omschrijf vervolgens de gewenste flow, opzet, inzet van data, training en tooling. Je eerste use cases wil je misschien eenvoudiger beginnen met ChatGPT of Microsoft Co-Pilot oplossingen, om daarna meer maatwerk te doen of aan de slag te gaan met eigen taalmodellen.

Veel eerste use cases richten zich op productiviteit en contentcreatie. Content kost vaak 40% van de tijd van een gemiddeld team. Dit sneller en kwalitatiever doen is een grote winst. Daarnaast wordt AI veel gebruikt voor plannen, documenten en efficiëntie.

Succesvol voorbeeld

Bij een organisatie waar Sonja werkte, ging binnen 2,5 jaar 60% van de mensen in een bepaalde afdeling met pensioen. De use case was om de aanwezige kennis te ontsluiten via e-mails en gelogde telefoongesprekken, zodat een AI-tool hierop kan tappen. Dit leverde veel winst op, omdat medewerkers nu 5 uur per dag meer tijd hadden voor complexere vraagstukken.

Selecteren van tooling

Een nuttige eerste stap bij het selecteren van tooling is te kijken naar innovaties in bestaande tools en in hoeverre deze al AI-oplossingen bieden. Als dat niet het geval is, zoek dan naar oplossingen die speciaal voor jouw organisatie geschikt zijn.

Stap 4: lanceren & valideren

Nu begint het echte werk. Spreek af om binnen een bepaald tijdbestek aan de slag te gaan met je oplossing, te optimaliseren en te vergelijken met de non-AI variant. Wees kritisch: levert het écht wat op? Op basis van die vergelijking zijn er drie scenario’s: stoppen, aanpassen of doorgaan.

Stap 5: implementeren, change & cultuur

Heb je een use case die je gaat aanpassen of doorgaan? De laatste stap is om deze op te schalen en intern te delen. Veranker de use case in de dagelijkse operatie, maak werkprocessen en werk verder aan een AI-roadmap.

Alle stappen doorlopen? Gefeliciteerd! Je bent op weg naar een AI-gedreven organisatie. Download het AI Playbook hier en ga direct aan de slag >

Ethiek en bias

Ethiek en bias mogen we niet negeren. AI kan taken en rollen fundamenteel veranderen, wat kan betekenen dat je niet al je medewerkers meer nodig hebt. Denk goed na over de volgende vraag: ‘Hoe veranker je de visie op AI, hoe snel wil je gaan en ten koste van wat?’ Dat iets kan, betekent niet dat het moet, daar mag je bewust over nadenken.

Het hoeft niet altijd te betekenen dat je mensen kwijtraakt. IKEA behaalde veel winst op het gebied van klantenservice, maar trainde voormalige klantenservicemedewerkers voor andere functies/afdelingen. Zo behoudt IKEA strategisch voordeel zonder mensen te verliezen.

Zorg dat je AI-kennis in huis hebt

Hoe diep moet je gaan met je AI-kennis? Moet je een RAG-framework en een vector-database begrijpen? In een grote organisatie zou je mensen moeten hebben die deze kennis bezitten. Heb je die niet, dan moet je ze gaan trainen. In een kleinere organisatie kun je deze ook kennis inhuren.

Je moet tijdens het traject wel begrijpen wat het verschil is en of je een vector-database nodig hebt. In grotere organisaties zijn C-level professionals actief bezig om AI te begrijpen en wordt AI op boardniveau besproken. Je hoeft niet zelf te kunnen programmeren, maar je moet wel een beetje de taal spreken.