De afgelopen jaren nemen klantvragen over kunstmatige intelligentie (AI) toe. Logisch natuurlijk gezien de marktontwikkelingen en media-aandacht hiervoor. Vragen gaan op dit moment vooral over waarvoor AI toegepast kan worden en hoe een organisatie ermee kan starten, zonder in de problemen te komen. In dit blog wordt behandeld hoe een organisatie van het idee ‘kan ik eigenlijk wat met AI?’ naar een zinvolle, maar vooral duidelijke, aanpak komt.
Toegevoegde waarde
De mate waarin AI nu al echte toegevoegde waarde kan opleveren, zeker ten opzichte van de noodzakelijke investering, wordt nog wel eens overschat. Het is, zoals ook met andere technologieën, geen oplossing voor alles. De ontwikkelingen gaan snel, maar zijn in de ogen van de experts toch beperkt en richten zich vooral op generatieve AI als specialisme. Denk hierbij aan de hype rondom ChatGPT en Midjourney. De grootse uitdaging voor een AI-expert is op dit moment om elk AI-model te doorgronden, het op waarde te schatten en na te gaan of de onderliggende data goed genoeg is voor wat de klant er specifiek mee wil doen. Voor toepassingen zoals softwareontwikkeling kan de toegevoegde waarde in termen van productiviteitsverhoging en kwaliteitsverbetering van AI bewezen worden. Maar voor bijvoorbeeld het generen van nieuwe inzichten op basis van wetenschappelijke artikelen is de rechtvaardiging voor de inzet van AI nu nog een fikse uitdaging. En voor ethische vraagstukken is het maar helemaal de vraag of het gebruik van AI daar (ooit) gewenst zal worden.
Probleem voor de oplossing
Voor veel organisaties die willen starten met AI is het stellen van de ‘WAT’ en ‘WAAROM’ vragen over AI een logisch vertrekpunt. Echter is de uitkomst vaak dat dit niet tot succes leidt. Het AI-onderwerp blijft abstract, initiatieven worden mistig gedefinieerd en leiden daardoor niet noodzakelijk tot succes. Door deze vragen zodanig te stellen kiest de organisatie eigenlijk al impliciet voor de inzet van AI, terwijl men nog niet bepaald heeft of de inzet van AI wel de oplossing is voor het onderwerp. Met als gevolg dat vanuit eigen initiatief binnen de organisatie er een wildgroei aan ongecontroleerde AI-initiatieven ontstaat. Deze aanpak is als een oplossing op zoek naar een probleem. Terwijl juist het starten met het definiëren van een AI adoptie aanpak met bijbehorende AI governance het vertrekpunt zou moeten zijn. Door een behapbare en beheerste aanpak lukt het past echt om uit de mist te komen.
De adoptie van AI, en met name het daadwerkelijk realiseren van oplossingen door de inzet ervan, legt bij veel organisaties al snel een aantal tekortkomingen bloot. Gegevens blijken bijvoorbeeld niet op orde of de uitvoering van een bedrijfsproces blijkt haaks op wetgeving te staan. Succesvolle AI-ontwikkeling vereist dat een aantal zaken op orde zijn:
- dat de IT-organisatie voldoende volwassen is in zijn processen,
- dat de gebruikte IT-technologie, met cloud als belangrijk productiemiddel, en de datakwaliteit en het management hiervan op orde zijn,
- en dat de business in control is op haar eigen activiteiten en duidelijk weet welke waarde gecreëerd moet worden.
Aanpak voor een succesvolle AI-strategie
Een AI-adoptie kent volgens de CGI-aanpak standaard drie fasen:
- Strategie & Planning,
- Transformatie, en
- Operatie & Verbeteren.
Deze aanpak wordt in de regel uitgevoerd door een compact team, dat pas later uitgroeit naar een groter team of zelfs afdelingen. In dit blog wordt voornamelijk gekeken naar de Adoptie en Governance activiteiten uit de Strategie & Planning en Transformatie fases. In de eerste fase worden de noodzakelijke assessments gedaan, om te kijken of de vaardigheden en inrichting op het vlak van cloud, data en AI in voldoende mate aanwezig zijn. Zo niet, dan worden hiervoor acties geformuleerd en ondernomen. In deze fase worden ook de eerste proof-of-concepts gedefinieerd. Hier komt dus wel de ‘WAT’ en ‘WAAROM’ vraag aan de orde. Daarnaast wordt ook een groeipad geformuleerd en wordt de basis AI-architectuur bepaald als onderdeel van de aanpak. Om te zorgen dat de opvolgende Transformatie fase beheerst waarde gaat opleveren wordt ook de Governance & Control voor AI georganiseerd en ingericht. Daarbij worden ook standaarden voor het gebruik en toepassing van AI ontwikkeld. Door deze vraagstukken in het klein en gelijktijdig op te pakken worden ook de relaties tussen zaken zichtbaarder en naar mate de tijd vordert begrijpelijk. Zo beweegt de inzet van AI beheerst, efficiënt en effectief de mist uit.
Wetgeving en standaarden
Tijdens deze Transformatie en Operatie & Verbeteren fases wordt de AI Governance en Control echt beproefd. De toepassing van AI wijkt qua beheersing niet echt fundamenteel af van andere IT-technologieën. Organisaties denken nog wel eens dat er allerlei nieuwe en ingrijpende maatregelen moeten komen. In de basis volstaan al veel bestaande wet- en regelgeving, beleid of Governance & Control raamwerken. Het maakt de noodzaak hiertoe vooral groter en het écht toepassen hiervan noodzakelijker. Ook brengen discussies over AI de diepere normen en waarden van een organisatie, inzake bijvoorbeeld mensenrechten, naar de voorgrond. Raamwerken zoals COBIT en COSO helpen ook bij AI om in control te komen. Daarnaast blijven voor overheden specifiek beleid zoals de BIO en het Algoritmeregister onverminderd van kracht, en moeten organisaties zich ook nog steeds aan de AVG houden. Vanwege de specifieke kenmerken van AI zijn of worden wel nieuwe standaarden en wetgevingen opgesteld. De ISO 22989 standaard helpt bijvoorbeeld bij het definiëren van het levenscyclusmanagement van AI en een Impact Assessment Mensenrechten en Algoritmes (IAMA) is een zinvol hulpmiddel voor impactanalyse bij het toepassen van AI. Daarnaast komt er vanuit de EU nieuwe wetgeving zoals de AI Act.
Begin bij het begin
Dat AI van toegevoegde waarde kan zijn voor een organisatie staat buiten kijf. Nu al bieden bijvoorbeeld handige AI-assistenten uitkomst bij het uitvoeren van kennisintensief werk. En dat de meerwaarde alleen maar toeneemt is evident. Om te zorgen dat het als organisatie beheersbaar blijft is het devies om eerst de AI Adoptie, Governance en Control te definiëren. Zodat de organisatie grip krijgt én houdt door met de inzet van AI waarde te creëren.