AI in de praktijk: stappen naar betrouwbare bedrijfstoepassing

Veel organisaties worstelen met vragen rond veiligheid, privacy en betrouwbaarheid van AI. Maar ook het zoeken naar een toepassing van AI kan een uitdaging zijn: wat is nou een echte AI use case en hoe zorg je dat AI-systemen ook écht doen wat je verwacht? En hoe bouw je een oplossing die niet alleen werkt in een pilot, maar ook betrouwbaar is in de dagelijkse praktijk?

Bij DataVisual helpen we bedrijven om AI verantwoord en effectief in te zetten. Een voorbeeld.

Bij een klant van ons integreerden we Azure OpenAI (de AI van Microsoft die dezelfde basis heeft als Copilot en ChatGPT) in het klantenserviceproces. We verzamelden daarvoo alle technische documentatie, handleidingen en eerdere klantcommunicatie om een AI-algoritme te leren de antwoorden op klantvragen te vinden.

Het resultaat: het systeem kan nu, op basis van al die informatie, in 85% van de gevallen een vraag van een klant goed beantwoorden. Bij iedere klantmail die een servicemedewerker opent, staat nu automatisch een kant en klare antwoordmail. De medewerker controleert het antwoord, wil waar nodig aan en verstuurt het.

Maar ook als het antwoord niet helemaal goed is en een medewerker de mail nog moet aanvullen, is het overgrote deel van het zoekwerk al door de AI gedaan. De tijdwinst op deze afdeling met 60 mensen is enorm.

85% is trouwens wel een uitzonderlijke score en dus een heel goed resultaat. Werk je een businesscase uit voor AI, hanteer dan liever 70%. Houd er ook rekening mee dat efficiency nooit het enige doel is.

Natuurlijk, je kunt met een redelijk werkend AI-systeem al 40% tijd besparen op je serviceafdeling, wat in dit geval zou neerkomen op 24 FTE. Je zou dus kunnen denken dat de afdeling nu met minder mensen toe kan, maar dat zou een denkfout zijn.

Deze klant was slim genoeg om er anders naar te kijken. In plaats van de bemensing terug te brengen, gebruikte de organisatie de vrijgekomen capaciteit om te zorgen dat tickets niet meer uitliepen en dat het serviceniveau steeg omdat de antwoorden sneller en accurater waren. Daarmee verbeterde ook de klanttevredenheid.

Met minder werkdruk en minder stress op de afdeling ging het verloop op de afdeling - en daarmee de kosten van werving en opleiding - drastisch omlaag.

In deze toepassing werkte de AI met klantgegevens, interne communicatie en gegevens over de technische werking van producten. Allemaal data die veilig en vertrouwelijk moeten blijven.

We konden het dus ook in dit geval niet over AI en data hebben zonder het ook over veiligheid en privacy te hebben. Tegelijkertijd moet je dit onderwerp ook niet groter maken dan het is. Want werk je binnen een vertrouwde, veilige cloud-omgeving zoals Microsoft 365 of Microsoft Azure, dan is je data veilig. Met of zonder AI.

Een paar aandachtspunten zijn er wel:

• AI maakt informatie makkelijker te vinden. Je vindt dus ook documenten waarvan je zelf misschien niet meer wist dat ze bestonden. Het kan zijn dat daar informatie bij zit die je bij nader inzien toch beter wilt afschermen. Bij het maken, testen en uitrollen van een AI-project houden we dit altijd in de gaten en waar nodig passen we het beveiligingsbeleid aan.

• Rechten en rollen blijven geldig. Als een medewerker documenten via de normale apps niet mag inzien, lukt dat via AI ook niet.

• De herkomst van AI-antwoorden moet helder zijn. Een AI kan fouten maken, maar soms is de input ook gewoon verkeerd. Het is dus belangrijk om te weten waar een antwoord vandaan komt, zodat je weet wat je moet doen om de resultaten te verbeteren.

• Copilot houdt je data binnen je organisatie. De AI-oplossingen die wij bouwen, geven je data nooit aan derden. Maar ook de gegevens die je invoert via de standaard Copilot in je Microsoft 365-omgeving worden door Microsoft niet gebruikt om het taalmodel te trainen en kan dus nooit ergens anders opduiken. Dit is een erg belangrijk criterium bij het kiezen en bouwen van AI-tools en een belangrijke reden dat we graag voor Copilot kiezen.

De hype rond AI mag dan begonnen zijn met de introductie van ChatGPT, bij DataVisual waren we al lang daarvoor bij klanten met AI bezig. Soms was de toepassing nog nieuw, soms was het al de tweede of derde iteratie.

De uitdagingen waar we doorheen moesten varieerden van het vinden van de juiste data tot het bouwen van vertrouwen bij eindgebruikers. Maar uiteindelijk draaien onze klanten nu allemaal met AI-systemen die hun bedrijfsprocessen écht verbeteren.

Wat we in de loop der jaren hebben geleerd, is dat het verschil tussen een interessante pilot en een betrouwbare productieoplossing vaak zit in de details. Die 85% correcte antwoorden uit het eerdere voorbeeld? Die zijn er niet zomaar gekomen. Dat vroeg zorgvuldige data-voorbereiding, grondige tests en investeringen in infrastructuur.

En dat is precies waar wij onze klanten bij helpen. Niet door grote beloftes te doen over wat AI allemaal kan, maar door pragmatisch te kijken naar wat een organisatie nodig heeft. Door samen te werken aan oplossingen die niet alleen technisch kloppen, maar die ook echt gebruikt worden door je medewerkers. Want uiteindelijk gaat het daar om: AI die werkt, niet AI die indruk maakt.

AI in je bedrijfsprocessen integreren vraagt meer dan alleen een slimme technische oplossing. Het vraagt aandacht voor veiligheid, privacy en betrouwbaarheid. Maar als je het goed aanpakt, zijn de resultaten indrukwekkend: snellere processen, tevreden klanten én medewerkers die zich kunnen richten op werk dat er écht toe doet.

De sleutel? Begin met een helder doel voor ogen en zet de juiste stappen: zorg voor een goede data-infrastructuur en bouw stapsgewijs naar een betrouwbare oplossing. Zo maak je van AI een waardevolle toevoeging aan je dagelijkse bedrijfsvoering.

Wil je weten hoe AI jouw bedrijfsprocessen kan verbeteren? We helpen je graag op weg. Maak nu een afspraak met onze experts.