Experimenteren met ChatGPT is fijn en belangrijk maar om effectief meerwaarde en competitief voordeel uit generative AI te halen moet je als bedrijf verder gaan dan louter deze experimenten.
Verder gaan betekent investeren en dus is het voor elk bedrijf belangrijk een duidelijk beeld te scheppen van de mogelijkheden van de technologie in hun specifieke context om zo de juiste investeringskeuzes te maken.
We mogen niet vergeten dat generative AI een oplossing is, die zonder probleem waardeloos blijft. Meerwaarde creëren met generative AI start dus bij het vinden en prioriteren van deze problemen (we noemen het vanaf nu "uitdagingen") waar generative AI een oplossing voor kan zijn.
We mogen niet vergeten dat generative AI een oplossing is, die zonder probleem waardeloos blijft.
Elk bedrijf zit met enkele "kern"-uitdagingen. Je vindt ze door in strategische gesprekken op te schrijven welke "hoe zouden we..." vragen worden gesteld. Enkele voorbeelden:
Antwoorden op deze vragen kunnen effectief een meerwaarde betekenen voor een bedrijf.
Wanneer we op zoek gaan naar mogelijkheden (use cases) o.b.v. generative AI, moeten we dus in de eerste plaats zoeken naar "hoe zouden we..." vragen die we met de technologie (deels) kunnen beantwoorden.
Veel van deze vragen zijn irrelevant wanneer het gaat om generative AI. Generative AI zal helaas weinig zinvol zijn bij uitdagingen zoals bijvoorbeeld "hoe zouden we een cultuur van transparantie en vertrouwen kunnen installeren?". We moeten niet proberen alle problemen op te lossen.
Gelukkig zijn er wel heel wat "hoe zouden we..." vragen waar generative AI wel een antwoord op biedt. We kunnen ze herkennen aan 5 bijvoeglijke naamwoorden: sneller, creatiever, persoonlijker, slimmer en sterker. We zoomen in op elk van deze types uitdagingen zodat je ze gemakkelijker ken herkennen.
Deze ligt het meest voor de hand: generative AI kan ons helpen productiever te worden. We kunnen m.a.w. door generative AI sneller doen wat we al deden. We gaan het daarom niet beter of anders doen maar de snelheid in het proces of de activiteit verhoogt. Dit kan simpelweg omdat er taken zijn die een generative AI model voor ons kan uitvoeren. Enkele voorbeelden:
Belangrijk hierbij is om snelheid en kwaliteit voldoende af te wegen. Sneller is niet altijd beter. Daar waar accuraatheid van hoog belang is, is voldoende testen en evalueren een noodzaak.
Soms willen we zaken niet alleen sneller doen. Soms willen we ook nieuwe zaken doen, of zaken op een nieuwe manier doen. Generative AI kan ons helpen bij dit creatief proces door nieuwe mogelijkheden aan te reiken of zelf taken uit te voeren op een creatieve manier. Enkele voorbeelden:
Creativiteit betekent in deze context "breder". Het zijn m.a.w. uitdagingen waarin we andere opties willen exploreren met bepaalde relevantie binnen de context. Generative AI kent hierbij echter geen grenzen en kent de context niet of amper. Opnieuw moet dus een afweging gemaakt worden tussen creativiteit en accuraatheid.
Bij sommige "hoe zouden we..." vragen willen we breder gaan maar zijn er strikte voorwaarden. Dit komt vaak neer op uitdagingen waar een bedrijf sterk wil personaliseren en op maat wil werken van klanten en situaties. Hierin kan generative AI opnieuw heel wat oplossingen bieden door snel taken uit te voeren die ons anders heel wat tijd per klant zouden kosten.
Dit soort toepassingen zijn minder voor de hand liggend. Ze vergen immers meer voorbereiding dan simpel gebruik van tools als ChatGPT. De oplossing moet eerst geïntegreerd worden met bedrijfsdata, om bedrijfsspecifieke kennis, communicatiestijl en logica te leren kennen. Het goede nieuws is dat dit best eenvoudig en goedkoop kan.
Wanneer bedrijven de technologie integreren met bedrijfsdata kunnen ze d.m.v. generative AI antwoorden bieden op personalisatie vragen zoals bijvoorbeeld:
Wanneer we bedrijfsdata geïntegreerd hebben met generative AI technologie, kunnen we hiermee niet alleen personaliseren maar ook kennis verzamelen. Heel wat bedrijven hebben grote hoeveelheden ongestructureerde data die nu onontgonnen blijven. Door middel van generative AI kunnen we "chatten" met deze bedrijfsdata. Dit mag je ruim interpreteren: PDF's, Word documenten, databases, Excel documenten, webpagina's, Powerpoint presentaties, SharePoint sites, enz. kunnen allemaal doorzocht worden d.m.v. generative AI.
Heel wat bedrijven hebben grote hoeveelheden ongestructureerde data die nu onontgonnen blijven.
Hiermee bieden we dus antwoorden op vragen zoals:
Dit soort kennisbeheer vraagstukken zijn op een vrij eenvoudige en goedkope manier te beantwoorden d.m.v. generative AI oplossingen.
Het laatste type is een vreemde eend in de bijt. Dit zijn mogelijkheden die AI al lang bood. Echter, de opkomst van generative AI heeft deze mogelijkheden nu ook toegankelijker gemaakt voor bedrijven die:
Mogelijkheden zoals aanbevelingen maken voor aankopen in een webshop, forecasting, anomaliedetectie, etc. waren tot recent voorbehouden voor bedrijven die veel data en budget hadden om hierin te investeren. Vandaag kan elk bedrijf hiermee aan de slag.
Elk bedrijf dat met strategische vragen zit om zaken sneller, creatiever, persoonlijker, slimmer of sterker te doen, kan meerwaarde halen uit generative AI. Ik nodig iedereen uit de oefening te maken binnen hun context. Met welke kernvragen zitten jij en je collega's? Vallen deze binnen bovenstaande types? Dan kan generative AI mogelijks een oplossing bieden.