De grootste AI-kans is vaak geen AI-probleem

Organisaties formuleren verbeterwensen steeds vaker als AI-vraagstuk.

“Kunnen we hier geen AI-agent voor bouwen?”

“Kunnen we deze administratie met AI automatiseren?”

“Kunnen medewerkers deze informatie niet gewoon aan ChatGPT vragen?”

Dat zijn begrijpelijke vragen. AI maakt nieuwe oplossingen mogelijk en verlaagt de drempel om processen slimmer in te richten. Maar wanneer technologie te vroeg als oplossing wordt gekozen, bestaat het risico dat het werkelijke probleem buiten beeld blijft.

De grootste AI-kans begint daarom vaak niet bij AI, maar bij een proces, verantwoordelijkheid of informatiestroom die onvoldoende is ingericht.

Van symptoom naar oorzaak

Stel dat een organisatie veel tijd besteedt aan het beantwoorden van interne vragen. Een chatbot lijkt dan een logische oplossing. Bij nader onderzoek blijkt dat:

• informatie verspreid staat over verschillende systemen;
• documenten elkaar tegenspreken;
• niemand verantwoordelijk is voor actualisatie;
• medewerkers verschillende definities gebruiken;
• belangrijke kennis alleen in hoofden en mailboxen aanwezig is.

Een slimme chatbot kan informatie gemakkelijker toegankelijk maken, maar lost de kwaliteit en het eigenaarschap van die informatie niet automatisch op. Zonder aanvullend werk geeft de chatbot vooral sneller toegang tot dezelfde onduidelijkheid.

De zichtbare vraag is: hoe beantwoorden we vragen sneller?

Het onderliggende vraagstuk is: hoe organiseren en beheren we onze kennis?

Dat verschil bepaalt of een oplossing duurzaam waarde toevoegt.

Vier problemen die vaak onterecht als AI-vraagstuk worden behandeld

1. Een procesprobleem

Een organisatie wil AI gebruiken om aanvragen sneller te verwerken. Uit analyse blijkt dat aanvragen onvolledig binnenkomen, verschillende teams eigen werkwijzen hanteren en uitzonderingen niet eenduidig worden behandeld.

Voordat AI effectief kan ondersteunen, moet eerst duidelijk zijn:

• welke informatie minimaal nodig is;
• welke processtappen worden gevolgd;
• wanneer een uitzondering ontstaat;
• wie waarover beslist;
• hoe kwaliteit wordt gecontroleerd.

AI kan daarna onderdelen versnellen, maar standaardisatie vormt het fundament.

2. Een eigenaarschapsprobleem

Rapportages kosten veel tijd omdat cijfers uit verschillende bronnen moeten worden verzameld en gecontroleerd. De eerste gedachte is om AI de rapportage te laten maken. Het werkelijke probleem blijkt dat afdelingen verschillende definities gebruiken en niemand eigenaar is van de onderliggende KPI's.

AI kan teksten en analyses genereren, maar niet zelfstandig bepalen welke organisatorische definitie leidend moet zijn. Daarvoor is eerst een bestuurlijke keuze nodig.

3. Een integratieprobleem

Medewerkers voeren informatie handmatig over van het ene systeem naar het andere. Een AI-agent lijkt aantrekkelijk, maar mogelijk is een reguliere koppeling sneller, goedkoper en betrouwbaarder.

Wanneer invoer en uitvoer voorspelbaar zijn, vaste regels gelden en beide systemen een goede API bieden, is traditionele automatisering vaak voldoende. AI wordt vooral interessant wanneer variatie, ongestructureerde informatie of context een belangrijke rol speelt.

4. Een capaciteitsprobleem

Een team ervaart hoge werkdruk en wil taken automatiseren. Bij nadere analyse blijkt dat capaciteit vooral verloren gaat door onduidelijke prioriteiten, veel overdrachten, late wijzigingen en herstelwerk.

Automatisering van één taak kan lokaal tijd besparen, terwijl het totale proces nauwelijks verbetert. Het kan zelfs zorgen dat fouten sneller verder het proces in bewegen. De belangrijkste kans ligt dan in het opnieuw ontwerpen van de werkwijze.

Niet iedere oplossing hoeft AI te bevatten

Een volwassen AI-strategie betekent niet dat u overal AI inzet. Het betekent dat u bewust bepaalt waar AI meerwaarde heeft en waar een eenvoudigere oplossing beter past.

Mogelijke oplossingsrichtingen zijn onder meer:

• processtappen verwijderen of anders ordenen;
• rollen en verantwoordelijkheden verduidelijken;
• werkwijzen standaardiseren;
• medewerkers beter ondersteunen;
• bestaande software beter configureren;
• systemen met elkaar integreren;
• vaste taken automatiseren;
• maatwerksoftware ontwikkelen;
• generatieve AI toevoegen aan een bestaande workflow;
• een AI-agent inzetten voor een afgebakend proces.

De beste oplossing kan ook een combinatie zijn. Bijvoorbeeld een gestandaardiseerd proces, een systeemkoppeling en AI voor het interpreteren van ongestructureerde documenten.

Wanneer AI wél onderscheidende waarde heeft

AI is vooral interessant wanneer traditionele regels onvoldoende flexibel zijn en de taak vraagt om interpretatie, taal of context. Denk aan processen waarin:

• grote hoeveelheden tekst of documenten worden verwerkt;
• invoer sterk varieert;
• informatie uit meerdere bronnen moet worden gecombineerd;
• classificatie of samenvatting nodig is;
• medewerkers veel tijd besteden aan zoeken en voorbereiden;
• terugkerende beslissingen menselijke beoordeling vereisen;
• uitzonderingen herkenbaar maar niet volledig in vaste regels te vangen zijn.

Ook dan blijft menselijke controle belangrijk, zeker wanneer beslissingen financiële, juridische of persoonlijke gevolgen hebben. De juiste vraag is niet alleen of AI een taak kan uitvoeren. U moet ook bepalen met welke betrouwbaarheid, onder welke voorwaarden en met welke vorm van toezicht.

Een eenvoudige beslisroute

Voordat u voor AI kiest, kunt u vijf vragen stellen:

• Is het onderliggende proces voldoende duidelijk? Zo niet, verbeter of standaardiseer eerst het proces.
• Zijn rollen, definities en eigenaarschap helder? Zo niet, neem eerst de benodigde organisatorische besluiten.
• Kan het probleem met bestaande functionaliteit of een vaste koppeling worden opgelost? Zo ja, is dat mogelijk de meest beheerbare oplossing.
• Voegt AI aantoonbaar waarde toe door variatie, taal of context te verwerken? Zo ja, werk een afgebakende toepassing uit.
• Kan de werking veilig en meetbaar worden getest? Bepaal vooraf de nulmeting, succescriteria, risico's en menselijke controlemomenten.

Deze route voorkomt dat AI wordt ingezet om een slecht ingericht proces sneller uit te voeren.

Begin niet met het bouwen van een oplossing

De kwaliteit van een AI-oplossing wordt voor een groot deel bepaald vóórdat er iets wordt gebouwd. Een goed vooronderzoek maakt duidelijk:

• welk bedrijfsprobleem wordt opgelost;
• waardoor dat probleem ontstaat;
• welke procesverandering nodig is;
• welke informatie beschikbaar moet zijn;
• welke technologie het beste past;
• wie eigenaar wordt van de oplossing;
• hoe waarde en risico worden gemeten.

Daarmee wordt technologie onderdeel van een bredere verandering in plaats van een los experiment.

Bij TIMA Labs beginnen we daarom niet met de vraag welke AI-tool een organisatie nodig heeft. We onderzoeken eerst waar de organisatie vastloopt, welke oorzaak daaronder ligt en welke oplossingsrichting aantoonbaar de meeste waarde kan opleveren.

Soms is dat een AI-agent. Soms is het betere software, een systeemintegratie of procesverbetering. En vaak is het een slimme combinatie. De beste AI-oplossing begint namelijk met de vrijheid om te concluderen dat AI niet het hele antwoord is.