Waar is AI voor?
Waarvoor je AI kan gebruiken is wellicht nog belangrijker om te weten dan hoe je het moet gebruiken. Een van de belangrijkste krachten van de technologie op dit moment is het scannen en filteren van informatie, er is haast geen database die te groot of te ongeordend is voor AI om er de gezochte informatie uit te halen. AI kan ook uitstekend patronen herkennen en projecties baseren op diverse typen informatie. Voor deze redenen is AI momenteel het meest bruikbaar in vakgebieden waar grote hoeveelheden data gestructureerd moet worden, marketing en sales valt hieronder maar ook financiële instellingen en overheidsorganisaties.
Deze toepassing maakt gebruikt van hetzelfde model als de meer populaire en omstreden toepassing: het genereren van tekstmateriaal. Schrijven met AI wordt nog vaak gezien als een bedenkelijke afsnijweg, met name voor degenen die dagelijks schrijven voor hun werk. Er zijn echter bewezen manieren om te schrijven in samenwerking met AI zonder het werk volledig over te laten aan de machine. In een HBR-artikel genaamd ‘Should you write with Gen AI?’ legt Alexandra Samuel uit hoe je de computer kan gebruiken als een soort partner om mee te sparren, die je kan interviewen over een onderwerp en kan helpen je gedachten en notities te ordenen en samen te vatten. Ze waarschuwt er daarbij voor om AI zo min mogelijk van het eindproduct te laten schrijven, zoals een eerste draft of een passende conclusie. Wel wordt aangeraden om AI te gebruiken voor het voorwerk en het nawerk zoals samenvattingen uit literatuuronderzoek en suggesties in de redactiefase.
Deze do’s en don’ts van AI zijn het soort onderwerpen om te bespreken in een centrale gemeenschap in een organisatie die draait om de adoptie van AI. Het doel is om hiermee uiteindelijk te komen tot een kader dat specifiek op maat gemaakt is voor uw organisatie. Wellicht is het vanuit de missie en visie van een specifieke organisatie wel geheel ontoelaatbaar om schrijfwerk in samenwerking met AI te produceren, misschien kan het alleen worden toegestaan voor webteksten maar niet voor persoonlijke communicatie met klanten, of juist andersom. Er zijn hiervoor meestal geen objectief juiste keuzes, dus de enige manier om een houdbare oplossing te vinden is om het bespreekbaar te maken.
Risicobeheersing van AI adoptie
Natuurlijk zullen ook degenen aansluiten bij deze besprekingen die verantwoordelijk zijn voor de veiligheid en risicobeheersing bij een organisatie, of dat nou een toegewijde risicomanager is of een CISO. Een concrete volgende stap naar AI adoptie zal vaak ook een integratie van een bepaald AI systeem in de digitale omgeving van een organisatie inhouden. Hiertoe zullen ook adequate vangrails en stoepranden moeten worden afgesproken die voor iedereen helder zijn.
Professionele AI pakketten geven de gebruiker meer opties om te bepalen welke data wordt gebruikt om prompts te beantwoorden en welke data waar belandt. Een AI systeem zoals Microsoft Copilot werkt het beste met volledige toegang tot alle (vertrouwelijke) data in een organisatie, dat betekent ook dat niet zomaar iedereen toegang zal mogen krijgen tot het systeem en mogelijk dat er bepaalde gradaties van toegang geïmplementeerd zouden moeten worden. In fysieke zin komt data hiernaast nog vaak terecht in een datacenter in de Verenigde Staten, wat bij sommige overheidsorganisaties niet kan worden toegestaan. Het zal belangrijk zijn om reeds in de experimentele fase van AI adoptie deze veiligheidsoverwegingen te behandelen.
In een eerder artikel zijn we dieper ingegaan op de risico’s van werken met AI op operationeel niveau, vandaar dat we er hier niet veel verder over uitweiden. Op een hoger strategisch niveau in organisaties zijn de risico’s van een andere aard. Het gaat daarbij om het vermijden van schade aan de reputatie of productiviteit zonder innovatie te laten stagneren. Het first mover, fast follower principe leert dat het vaak loont niet de eerste te zijn als het gaat om de adoptie van baanbrekende technologie. Veel bestuurders nemen een afwachtende houding aan totdat de competitie in de ongetwijfeld aanwezige valkuilen stapt, zodat zij deze later kunnen omzeilen. Natuurlijk zijn er ook grote voordelen te behalen met een assertieve aanpak als de inherente risico’s beheerst kunnen worden. Hoe dan ook is het in dit stadium cruciaal om andere nauwlettend in de gaten te houden welke fouten en successen er worden gemaakt bij andere organisaties, ook al opereren ze in een andere sector.
Van individueel naar collectief
Het bundelen van expertise en samenbrengen van perspectieven is nu een essentiële stap als AI verder moet worden gebracht voor een organisatie. Hiermee kan een richting worden bepaald voor innovatie en kan er een passend kader worden gevormd waar iedereen zich goed bij voelt. Organisaties hebben een achterstand om in te halen als het gaat om AI adoptie, de technologie heeft veel meer potentie dan wordt gerealiseerd. Bestuurders blijven met recht bewust van de risico’s van ondoordachte of zelfs roekeloze innovatie, maar zullen voor een leidende positie op gebied van AI bereid moeten zijn om met doordacht beleid en het vertrouwen van hun mensen een sprong te wagen.
Bron: (foto) Pexels, https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/managing-the-risks-around-generative-ai, https://hbr.org/2024/11/how-to-be-systematic-about-adopting-ai-at-your-company