Goed, laat ik beginnen met toegeven dat de ontwikkelingen rondom AI zo snel gaan, dat ik met enige voorzichtigheid deze blog schrijf. De artikelen, nieuwsflashes, LinkedIn-posts en veelbelovende updates vliegen je om de oren. Of je nu door je tijdlijn scrolt of wordt aangesproken door die overenthousiaste collega bij het koffiezetapparaat: niemand is veilig en niemand is écht helemaal up-to-date.
Misschien is het af te raden om met een disclaimer te openen, maar ik hoop dat het mijn geloofwaardigheid ten goede komt. Want juist bij een onderwerp dat zo snel beweegt, is enige terughoudendheid op zijn plaats.
Deze blog is daarom geen voorspelling over waar AI over vijf jaar staat. Ook geen stappenplan om “AI in vijf eenvoudige fases” te implementeren. Daar zijn er inmiddels genoeg van.
Ik wil het hebben over een vraag die volgens mij relevanter is dan de vraag wat AI allemaal kan:
Wanneer is AI eigenlijk een goed antwoord?
Want niet elk organisatorisch probleem is een technologisch probleem. Sterker nog: als een proces onduidelijk en slecht belegd is, bestaat de kans dat AI het probleem niet oplost, maar het probleem vooral sneller laat voorkomen.
Veel organisaties starten met de vraag: waar kunnen we AI toepassen?
Die vraag klinkt logisch en daadkrachtig, maar wordt vaak te vroeg gesteld. Het is de vraag van een organisatie die al naar tooling kijkt, terwijl nog niet duidelijk is waar de echte frictie zit.
Een betere vraag zou zijn: Waar verliezen mensen in onze organisatie tijd en aandacht aan werk dat te vereenvoudigen is?
Dat is geen technische vraag, maar een organisatorische. Want weet men eigenlijk wel in welk proces de knelpunten liggen en waar de snelheid van de operatie onder druk komt te staan? En kán AI hier uberhaupt wel iets mee? Als die vragen niet beantwoord worden voordat we all-in op AI gaan, wordt AI al snel een dure laag bovenop bestaande onduidelijkheid.
Waar AI wél helpt
Een praktisch voorbeeld uit het pre-AI tijdperk is gelukkig zeer alledaags; zelfscan kassa’s. Het is inmiddels al jaren geleden dat de meeste supermarkt-ketens over gegaan zijn naar zelfscan-kassa’s in plaats van de reguliere bemande kassa units. Betekend dit dat diezelfde supermarkten nu minder personeel inzetten bij de kassasystemen? Zeker. Maar toch zijn deze zelfscan-kassa’s nog lang niet autonoom. En dat is maar goed ook, want als er iets mis is met het kassasyteem wil ik wel assistentie krijgen, en bij voorkeur van een mens.
Deze paralel is sindskort ook te trekken naar AI toepassinging; finally! Klarna is hierin een interessant voorbeeld. Het bedrijf meldde dat zijn AI-assistent in korte tijd miljoenen klantgesprekken voerde en een groot deel van de klantenservicechats afhandelde. De klantvragen die als ‘complex’ werden aangeduid, werden vervolgens doorgezet naar een menselijke medewerker.
Dit bericht werd breed opgepakt als bewijs dat AI de klantservice kan automatiseren. Wat enigszins dubbelzinnig is. Een jaar later moest de CEO op zijn woorden terugkomen. Want een klantenservice zonder mensen, dat bleek een ramp. Klanten klaagden dat ze met echte mensen wilden praten in plaats van robots. En gezien dit om geldstromen gaat in zeer diverse contexten en een breed partner pallet, is dit geen vreemd standpunt.
Daarbij is wat mij betreft de relevante vraag niet hoéveel gesprekken AI kan overnemen. De betere vraag is: welke klantvragen lenen zich voor gestandaardiseerde afhandeling, en welke vragen verdienen juist méér menselijke aandacht? Om dit onderscheid te kunnen maken moet de basis van de processen stevig op orde zijn.
Waar AI níet helpt
AI is niet de juiste oplossing wanneer het onderliggende proces onduidelijk is. Ook niet wanneer verantwoordelijkheden diffuus zijn, laat staan wanneer de data vervuild is.
In veel organisaties zit de pijn niet in de handeling zelf, maar in de context eromheen. Een klantvraag wordt niet traag beantwoord omdat niemand een tekst kan schrijven, maar bijvoorbeeld omdat onduidelijk is wie eigenaar is van het dossier. AI kan informatie ordenen en patronen signaleren, maar AI is geen tovernaarij die organisatorische volwassenheid aanbrengt zonder duidelijk sturing.
Hard gezegd: Wanneer je een slecht ingericht proces automatiseert, krijgt hetzelfde slechte proces terug, alleen sneller en op grotere schaal.
Bewijs afdwingen
Veel AI-trajecten blijven hangen in enthousiasme. Er wordt geëxperimenteerd met pilots en demo’s waarbij medewerkers mogen aageven wat hun ervaring zijn, maar de bewijslast voor een duurzame verbetering blijft dun.
Wie AI serieus neemt, meet vóór en na invoering. Hoeveel tijd kost een processtap? Hoe vaak wordt informatie opnieuw ingevoerd? Hoeveel overdrachtsfouten ontstaan er? Etc, etc, etc.
De Britse overheid publiceerde bijvoorbeeld resultaten van een grootschalige AI-proef waarin ambtenaren AI gebruikten voor taken als documenten opstellen en vergaderingen samenvatten. Interessant aan zo’n voorbeeld is niet alleen de precieze uitkomst, maar vooral het principe: AI-adoptie wordt pas serieus wanneer zij gekoppeld wordt aan meetbare waarden zoals productiviteit, ROI en alle andere meetwaarden die van toepassing zijn op de processen.
Niet sneller, wél beter
Met het bovenstaande in gedachte benadruk ik graag; organisaties doen er goed aan om eerst hun processen écht begrijpen voordat zij zich blind staren op AI. De grootste verbetering ligt niet in het vervangen van mensen, maar het verbeteren van processen. En om terug te komen op mijn disclaimer aan het begin deze blog; dit geldt in het huidige landschap voor de meeste processen. Je weet uiteraard nooit wat de toekomst brengt, maar wat ik met zekerheid durf te stellen is dat de beste AI-adoptatie niet met een tool begint, maar bij inzicht in de organisatie en een duidelijk geformuleerd doel.
Dirk Fransen
