Hoe kom je van succesvolle experimenten met proof of concepts op kleine schaal naar werkende toepassingen van AI die geïntegreerd zijn in het primaire proces? Deze vraag stond centraal die middag. Met behulp van sprekers, cases en – last but not least  - de collectieve intelligentie van de deelnemers haalden we een oogst van succesfactoren, ladders en rakelingen op.

Hieronder tref je een bundeling van de learnings aan, die we voor het gemak naar onderwerpen hebben gegroepeerd. Zie en gebruik het als een checklist. Veel leesplezier toegewenst.

Successen:
Welke zaken zijn direct succesvol en zijn must-do's / haves als je wilt gaan opschakelen?

Ladders:
Welke 'goede' bestaande processes/zaken/mensen staan in de weg?

Rakeling:
Welke zaken worden met goede intenties ondernomen maar hebben (nog) niet tot het gewenste resultaat geleid

Hieronder tref je een bundeling van de learnings aan, die we voor het gemak naar onderwerpen hebben gegroepeerd. Zie en gebruik het als een checklist. Veel leesplezier toegewenst. 

Klant centraal ( hoe kan het ook anders)

• Start met het klantperspectief! Begin niet met de data, maar met de klant
• Wat is eigenlijk het probleem van de klant dat we oplossen? Hoe kunnen we de klant beter van dienst zijn? Neem dit als vertrekpunt!
• Neem de klant mee in ontwikkeling en focus ook op de UX

Begin bij een businessprobleem en begin klein

• Startpunt voor ontwikkeling is een vraag uit de business; ‘Als  er niet iemand van wakker ligt’ (productowner), begin er dan niet aan!
• Zorg dat er niet teveel op FTE reductie wordt gefocusseerd maar op verhoging van kwaliteit en/of nieuwe mogelijkheden
• Begin klein, kijk creatief naar databronnen  (data die je hebt kun je geheel anders gebruiken wellicht)

Databronnen zijn de basis

• Data definitie;  daar start het mee; zijn we al data-ready?
• Data blijven verbreden; alternatieve data slim gebruiken (WIFI-data bijvoorbeeld); heb daar ook aandacht voor en gebruik van externe data
• Nieuwe markten ontdekken door data te structuren

Geef ruimte aan het experiment

• AI is nog veel trial en error en zo moet je het ook benaderen. Geef ruimte aan experimenten en zoek  niet perse gelijk naar dichtgetimmerde business cases (een financieel resultaat vooraf kan eigenlijk niet gegarandeerd worden)
• AI oplossingen snel testen. Geen resultaat? Durf dan ook af te haken.
• Aan de andere kant: een proof of concept die niet aan de verwachtingen voldoet is niet meteen mislukt
• Laat je niet drijven door angst om te mislukken;  je mag falen.
• Gevaar is wel: veel investeringen en aan het einde van het verhaal nog geen concrete oogst (bepaal experimenteerbudgetten)

Vergeet niet je eigen organisatie mee te nemen

• Zoek de mensen met een juiste verander-mindset en kennis
• Digitalisering moet niet alleen gericht zijn op de technische zijde. Zowel de medewerker als de klant moeten erbij betrokken worden en moeten inzien dat ze er baat bij hebben. Zo niet dat kan een oplossing die technisch gezien goed werkt, alsnog niet geaccepteerd worden
• Zorg voor heldere communicatie, intern draagvlak en sponsorship
• Vermijd de kloof met de bestaande business, maar neem ook voldoende afstand
• Remmende factor (een echte ladder): iedereen wil vooruit maar niemand wil veranderen

Zoek samenwerking intern en extern | doe het niet alleen

• Bedrijven staan open voor samenwerking om sneller te leren en in Nederland concurrentievoordeel te behalen
• Maak gebruik van kennis van derden; niet altijd het wiel zelf opnieuw uitvinden
• Maak gebruik van standaard oplossingen: alles is al een keer bedacht

Ethiek <dat zijn vaak de ladders>

• Privacy issues
• Jurisdictie
• Er is nog niet veel aandacht voor ethiek, dat zal ongetwijfeld snel veranderen

Digital versus human

• Een dergelijk thema roept ook discussie op over de vervanging van de mens door de machine. De zaal is positief: er ontstaan juist nieuwe rollen en nieuw banen
• Het blijft om de mens gaan
• De creativiteit van mensen zal onvervangbaar blijven

Presentaties & foto's

• Slide-deck van Niels van Gorp van VGZ
• Uitgebreid artikel over Michiel, de virtuele boekingsassistent
• Helaas kon Erik-Jan Ginjaar het niet zelf over de Bühne brengen. Bijgaand ook nog de antwoorden op enkele vragen uit de zaal
• Bekijk hier de foto's van de middag

Tenslotte

'Artificial Intelligence zit nog volop in de hype-fase. Iedereen praat erover, maar wat het precies is (onderscheid ML, AI, Big Data, etc.) en hoe je AI ten dienste van klanten in kunt zetten, was bij niemand in de zaal al op een 'plateau of productivity'. Het vinden van toepassingen, buiten de grote spelers als Google en Facebook, die niet alleen in de business beklijven (borging en schalen is idd een groot issue), maar ook nog eens tastbare klantwaarde opleveren, is vooralsnog als zoeken naar een speld in een hooiberg’ , aldus een van de deelnemers aan deze Inspiratiesessie

Veel succes met jouw AI implementaties!

Frank Ardesch
Karoline Wiegerink

PS: Het je interesse deel te nemen aan een Ronde Tafel rond dit onderwerp?

Wil je in een kleinschalige setting nog eens wat dieper ingaan op dit thema? Wil je je eigen casus inbrengen en met gelijkgestemden bediscussiëren? We organiseren binnenkort een Ronde Tafel met als thema ‘hoe proof of concepts’ succesvol verder brengen in je organisatie. Geef je interesse alsvast aan door een mailtje te sturen naar communicatie@pvko.nl