Automatiseren vraagt niet altijd AI

Automatiseren heeft zin als het werk er beter van wordt. Of daar AI voor nodig is, moet nog blijken.

We zien het regelmatig: iemand wil iets automatiseren en gaat er al van uit dat AI de oplossing is. Terwijl we nog moeten uitzoeken wat er precies moet gebeuren.

Een artikel van MIT Sloan zette me daar opnieuw over aan het denken. De onderzoekers benadrukken dat succesvolle toepassingen vertrekken van een bedrijfsprobleem. Eerst aantonen dat AI beter werkt dan het alternatief, dan pas opschalen.

Dat alternatief verdient meer aandacht.

Als een bestelling boven een bepaald bedrag goedkeuring nodig heeft, kunt u dat gewoon vastleggen. Daar hoeft een AI-model niet telkens opnieuw over na te denken. Vaste regels zijn in zo’n geval duidelijker, testbaar en voorspelbaar.

We gebruiken zelf wel AI om zulke regels te helpen ontdekken en samen te stellen. Door gegevens te onderzoeken, patronen te zoeken en uitzonderingen naar boven te halen. Die voorstellen toetsen we met de mensen die het werk kennen. Wat vaak gebeurt in een dataset, is daarom nog niet de juiste werkwijze.

Eenmaal de afspraken helder zijn, kan gewone software ze uitvoeren. AI kan dus een belangrijke rol spelen bij het bouwen, zonder dat de uiteindelijke oplossing voor elke beslissing AI nodig heeft.

Voor mij begint een project daarom met vragen. Waar verliezen medewerkers tijd? Waarom moet een klant blijven wachten? Welke fouten komen telkens terug? Pas wanneer we dat begrijpen, kunnen we een zinvolle oplossing kiezen.

Daarom is maatwerk belangrijk. Twee bedrijven kunnen dezelfde software gebruiken en toch heel anders werken. De afspraken, uitzonderingen en verantwoordelijkheden verschillen. Soms volstaat een aanpassing aan een bestaand pakket. Soms zijn koppelingen of nieuwe software nodig.

Wie vooraf al beslist dat het AI moet worden, slaat een belangrijk stuk van dat onderzoek over. Ik wil eerst weten wat we voor de klant en de medewerkers kunnen verbeteren. Daarna kiezen we waarmee.