Met beperkte middelen een AI-experiment doen? Het kan. (het is zelfs een absolute aanrader!)
Veel organisaties voelen hier en daar al individuele meerwaarde door het gebruik van generatieve AI (bij het verbeteren van teksten, het maken van samenvattingen, het opstellen van verslagen enz.)
En dat maakt benieuwd naar meer: hoe, waar en wanneer kan AI een collectieve meerwaarde realiseren in organisaties?
Zodat niet één iemand de meerwaarde voelt, maar de hele organisatie, inclusief haar doelgroep.
Dat was onlangs ook de vraag van een welzijnsorganisatie en samen deden we een AI-experiment. Op twee maanden tijd kregen we een duidelijk zicht op wat werkt, wat nog ontbreekt en welke voorwaarden nodig zijn om AI structureel in te zetten bij onthaal van nieuwe medewerkers. Die inzichten vertaalden we meteen naar concrete actiepunten.
We hebben geen tijd, er is geen geld, we hebben geen IT'er in huis.
Het relaas van een experiment
De centrale vraag was helder: hoe, waar en wanneer kan AI een collectieve meerwaarde creëren in onze organisatie?
De randvoorwaarden waren ook duidelijk: "we hebben geen tijd, er is geen geld, we hebben geen IT'er in huis dus het experiment moet concreet, eenvoudig en laagdrempelig zijn". Check!
Het experiment
De opzet van het experiment was eenvoudig: één concreet organisatieproces ondersteunen met een AI-assistent, en deze gebruiken bij het onthaal van 3 nieuwe medewerkers in de komende 2 maanden. Laagdrempelig en beheersbaar.
Wat we daarvoor nodig hadden:
- Een proces uit de organisatie
- Data
- Een AI-assistent*
*Hiervoor heb je doorgaans wel een betalend account nodig bij een generatieve AI-tool (zoals Copilot, Chatgpt, Claude, enz.).
We gingen als volgt aan de slag:
Stap 1: Het organisatieproces bepalen
De keuze viel op het onboardingsproces.
Het is een organisatieproces dat vaak één van de beter gedocumenteerde processen is. Denk aan arbeidsreglement, procedures, werkwijzen, richtlijnen, huishoudelijk reglement, handleidingen, overzicht van systemen en tools, enz.
Stap 2: Een AI-assistent creëren
Die werd gevoed met alle beschikbare data in de organisatie. Met andere woorden, alle documenten die in het kader van onboarding aan een nieuwe medewerker worden meegegeven in de eerste werkdagen, werden geüpload.
Nooit fantaseren en het altijd benoemen als je eigenlijk geen goed antwoord kan geven.
Stap 3: De AI-assistent trainen
We gaven de volgende instructies:
- Fantaseer nooit bij het geven van een antwoord. Verwijs bij elk antwoord expliciet naar het document waar het antwoord terug te vinden is.
- Benoem wanneer informatie in de documenten tegenstrijdig of niet duidelijk is of wanneer er verschillende interpretaties mogelijk zijn.
- Geef aan wanneer je geen antwoord kan geven omdat de informatie niet terug te vinden is in de beschikbare documentatie .
Zo werd info verzameld over de data en wist de nieuwe medewerker wanneer hij een collega moest aanspreken om een duidelijk antwoord te krijgen. Belangrijk natuurlijk bij een experiment in een reële setting.
Stap 4: Experimenteren en leren
Het experiment liep over een periode van 2 maand, waarbij 3 nieuwe medewerkers betrokken werden. Naast het logboek van de AI-assistent (wanneer werd die geraadpleegd, hoe vaak, welke vragen werden gesteld, konden die beantwoord worden, hoe vaak was er geen eenduidig antwoord, enz.?) hielden de nieuwe medewerkers een beknopt logboek bij over hun ervaring en beleving en het uiteindelijke resultaat bij vragen die niet door AI beantwoord konden worden.
Aan de hand van de heel concrete case werd het voor iedereen rond de tafel gemakkelijk om over abstractere zaken als 'een visie en een kader voor AI' te praten.
Stap 5: De resultaten bespreken
We zaten rond de tafel met alle betrokkenen en bespraken hoe het experiment verlopen is en wat we er uit geleerd hebben? En dat bleek heel wat te zijn!
Het gesprek ging vanzelf over:
- Het kader en de afspraken die nodig zijn om dit te doen werken,
- De voorwaarden die vervuld moeten zijn om met de AI-oplossing meerwaarde te realiseren in het onboardingsproces,
- De beschikbaarheid en kwaliteit van de data om de AI-assistent mee te voeden,
- Hoe ver de organisatie al staat om de AI-assistent structureel uit te rollen bij de start van nieuwe medewerkers,
- En de concrete acties die nog nodig zijn om het onoardingsproces succesvol te versterken met AI.
Daar staan we nu. Midden in de actie! Documenten ontdubbelen, richtlijnen stroomlijnen, procedures verduidelijken, enz.
En het is nu al voelbaar dat het een win-win wordt. Want die ontdubbeling, stroomlijning en verduidelijking… is niet enkel handig voor de AI-assistent. Het brengt ook rust en duidelijkheid in de organisatie!
We zien nu al dat de inzichten die we uit deze concrete case haalden, heel bruikbaar zijn voor andere processen en voor AI-gebruik organisatiebreed.
Zelf ook het lab in?
Dit experiment is eenvoudig en de moeite waard als je zelf ook een stap verder wil zetten met AI in je organisatie.
Het maakt de collectieve meerwaarde van AI begrijpelijk, bespreekbaar en beslisbaar!
Een aanrader!