BLOG – De organisatie heeft de eerste stappen op ai-gebied gezet, maar de stapel ideeën groeit hard. Zonder gerichte aanpak eindig je met tientallen experimenten tegelijk, shadow-it in elke afdeling en geen grip op je ai-investeringen. Herkenbaar?
Het gevolg is dat ai-projecten blijven steken in de experimenteerfase zonder meetbare resultaten. Met welke use-case zet je wel door? De eerste ai-use-case moet direct een succesverhaal zijn: voldoende draagvlak hebben, accuraat zijn en waarde bieden aan de organisatie. Hoe maak je die afweging?
Prioriteren met een multidisciplinair team
Bij het kiezen van een goede ai-use-case draait het erom dat je resources goed besteedt en investeert in datgene wat business-impact oplevert. Dat vraagt om prioritering. En precies daar zit de uitdaging: ai-projecten raken aan verschillende disciplines en aspecten in de organisatie. Om een goede classificatie en prioritering van use-cases te maken, heb je input nodig vanuit al deze disciplines.
Ai-team
Een effectieve manier om dat te organiseren, is door een multidisciplinair ai-team op te zetten. Dit team heeft een poortwachtersfunctie en neemt de selectie van use-cases op zich. Welke use-case heeft de meeste impact, grootste succeskans en lage complexiteit? Zij gaan de rangschikkingscriteria opstellen.
Ga je voor een defensieve of offensieve use-case?
Je hoort het al, dit is geen one-man job. Stel je team samen uit werknemers die met verschillende rollen en daarmee perspectieven naar de mogelijkheden van ai binnen jouw organisatie kijken. Denk aan een ciso, dataspecialist of jurist die in de gaten kan houden of use-cases voldoen aan de AI Act. Daar ligt de uitdaging voor het kiezen van de juiste use-case: betrek de juiste personen bij de selectie zodat alle belangen gewaarborgd zijn.
Drie perspectieven voor de juiste keuze
Dit multidisciplinaire team is zo belangrijk, omdat er meerdere wegen zijn die naar Rome leiden. Elke invalshoek vraagt om een andere expertise. Zo kun je een adoptiegedreven aanpak hanteren om een ai-use-case te kiezen. Dit betekent dat je als eerste een use-case pakt waarmee je een tijdrovend en onaantrekkelijk proces automatiseert. Denk aan administratie. Voor de meeste collega’s een fijne verandering en dus grote kans op adoptie. Deze aanpak vraagt om gebruikersinzicht en kennis van werkvloerprocessen.
Een strategischere aanpak kan ook: ga je voor een defensieve use-case (inzetten op besparingen in geld of tijd) of een offensieve use-case (omzetverhoging via nieuwe diensten of het bedienen van andere klantsegmenten)? Dat vraagt om businessexpertise, marktkennis en inzicht in de bedrijfscultuur. In een conservatieve organisatie is het bijvoorbeeld niet verstandig om meteen een offensieve use-case op te pakken die het klantcontact verandert.
De verkeersregels zijn onbekend en rijles krijg je er niet bij
Vergeet ook de organisatorische kant niet. Wat heb je al beschikbaar aan technologie? En hoe digivaardig en adaptief zijn je collega’s? Ook dat bepaalt welke use-cases succesvol gaan zijn. Hiervoor heb je een it-, hr- of veranderperspectief nodig.
Toegankelijk
Als je eenmaal de juiste ai-use-case hebt geselecteerd, begint het echte werk. Dan moet je mensen met de nieuwe ai-technologie kunnen laten werken. Ai is ineens toegankelijk geworden voor iedereen. Het is alsof iedere medewerker een snelle auto voor de deur krijgt, maar de verkeersregels zijn onbekend en rijles krijg je er niet bij. Dat heeft gevolgen. Zo werkt de meerderheid van de Nederlanders op de werkvloer met ai, maar stelt slechts 27 procent er kritische vragen bij, blijkt uit onderzoek.
In de praktijk zie je dit vaak. Organisaties trekken een sprint op ai-gebied, maar hebben oogkleppen op en vergeten de basisprincipes van innovatie. Want net als het internet ooit, is ai een systeemtechnologie en raakt het alles en iedereen in de organisatie. Dus sla je de rijles over? Dan ga je de technologie gebruiken als oplossing voor problemen waar ai niet geschikt voor is, worden verwachtingen niet waargemaakt en stokt de adoptie.
Van criteria naar succesverhaal
De criteria voor een goede ai use-case zijn maatwerk. Er is geen one-size-fits-all. Wat voor de ene organisatie een succesvolle ai-toepassing wordt, hoeft dat voor een ander verre van te zijn. Toch geldt er één universeel principe: om je use-cases van tevoren goed te prioriteren, heb je input nodig vanuit verschillende disciplines die nadenken over de technische, organisatorische en menselijke kant van een ai-toepassing. De ai-poortwachter is niet één persoon, maar een heel team. Dat is de succesfactor in elk ai-project dat voorbij de experimenteerfase komt.
Niels Waslander, ai business lead Fellowmind
