AI-projecten mislukken zelden door de techniek. Ze mislukken doordat er een oplossing gezocht wordt bij een probleem dat niet groot genoeg is, of doordat de organisatie de uitkomst niet kan gebruiken. Vier vragen filteren dat er vooraf uit.
Gebeurt het vaak genoeg?
Automatisering loont bij volume. Een taak die tien keer per dag terugkomt is interessant; een taak die twee keer per maand voorbijkomt vrijwel nooit, hoe irritant die ook is. Reken het aantal keer per jaar uit maal de tijd per keer, en zet daar de bouwkosten naast.
Is een fout te overzien?
Taalmodellen hebben geen honderd procent zekerheid en zullen die ook niet krijgen. De vraag is dus niet of het model fouten maakt, maar wat er gebeurt als het er één maakt. Bij het voorsorteren van e-mail is dat prima. Bij een medicatiebesluit niet. Daar tussenin ligt het antwoord meestal in een mens die de twijfelgevallen ziet.
Is uw data op orde?
Een model dat put uit verouderde of tegenstrijdige documenten geeft verouderde of tegenstrijdige antwoorden — alleen dan met meer overtuiging. Bij veel klanten is het opschonen van de bron het echte project, en de AI-laag daarna een kwestie van weken.
Wie gaat het gebruiken?
De meest voorkomende oorzaak van een mislukt AI-project is dat het naast de bestaande werkwijze staat in plaats van erin. Als medewerkers een apart scherm moeten openen, gebeurt het niet. Bouw het in het systeem waar het werk al plaatsvindt.
De beste AI-implementatie die we ooit opleverden, was er één die we halveerden nadat bleek dat de andere helft met een simpele regel opgelost kon worden.