Wanneer AI zinvol is, en wanneer een gewone workflow slimmer is

De meeste mislukte AI-projecten zijn niet mislukt omdat de techniek tekortschoot. Ze zijn mislukt omdat AI werd ingezet op een taak die er niet om vroeg. Er is één onderscheid dat vrijwel alles bepaalt.

De vuistregel

AI is op zijn plek waar taal en oordeel bij komen kijken. Gewone software is op zijn plek waar de regels vastliggen. Zodra je een taak kunt opschrijven als een reeks als-dan-stappen, heb je geen AI nodig, en is AI zelfs de slechtere keuze: duurder, trager en met een kleine kans op een antwoord dat er goed uitziet maar fout is.

Hier werkt AI goed

• Vrije tekst begrijpen: een mail, een klacht, een aanvraag, alles wat mensen in hun eigen woorden schrijven
• Samenvatten: lange documenten terugbrengen tot de kern, met verwijzing naar de bron
• Opstellen: een eerste versie van een antwoord, offerte of producttekst die iemand nog nakijkt
• Sorteren op betekenis: berichten indelen op onderwerp of urgentie, ook als de bewoording elke keer anders is
• Rommelige bronnen: bedragen en data uit scans en pdf's halen waar de opmaak per leverancier verschilt

Hier werkt AI juist slecht

• Rekenen. Een spreadsheet telt goed op, een taalmodel niet altijd.
• Gegevens verplaatsen van A naar B. Dat is een koppeling, geen denkwerk.
• Vaste regels toepassen. Als de voorwaarden vastliggen, codeer je ze en weet je zeker dat het klopt.
• Beslissingen met gevolgen. Betalingen, contracten, alles wat juridisch telt.

In de praktijk is het meestal allebei

De sterkste oplossingen zetten AI in op één stap en gewone software op de rest. Een voorbeeld: een binnenkomende offerteaanvraag per mail. AI leest de mail en haalt eruit wat er gevraagd wordt. Daarna doet gewone software de prijsberekening, want die moet tot op de cent kloppen. AI schrijft vervolgens het begeleidende bericht, en een mens drukt op verzenden.

Zo gebruik je van beide het sterkste punt, en blijft de stap die geld raakt voorspelbaar.

De kosten die je pas later ziet

AI kost per handeling meer dan gewone software, maar dat is zelden de post die pijn doet. Duurder zijn de twee dingen eromheen: iemand moet controleren of de uitkomst klopt, en zodra het model verandert kan het gedrag meebewegen.

• Bij een taak die honderd keer per dag draait, telt een controle van tien seconden op tot bijna drie kwartier per dag.
• Bij een taak die vijf keer per dag draait, valt die controle in het niet en is AI vaak wel de goedkoopste route.
• Hoe hoger het volume, hoe interessanter het wordt om de logica vast te leggen in gewone code, ook al kost dat vooraf meer.

Zo bouw je het controleerbaar

Drie dingen maken het verschil tussen een AI-toepassing die in gebruik blijft en een die na een maand wordt genegeerd. Laat het antwoord altijd vergezeld gaan van de bron, zodat iemand het in twee klikken kan nakijken. Zorg dat het systeem kan zeggen dat het iets niet weet, want een model dat altijd een antwoord geeft wordt terecht niet vertrouwd. En houd bij hoe vaak de uitkomst gecorrigeerd wordt, want dat cijfer vertelt je of het beter of slechter gaat.

Dat laatste wordt bijna nooit gedaan, en het is het enige waarmee je kunt aantonen of de toepassing zijn geld waard is.