Generatieve AI en DAP: alternatief of de ideale combinatie?

Het vooruitzicht klinkt verleidelijk: installeer ChatGPT, Copilot of een andere generatieve AI-oplossing, voed de software met het kennismateriaal van de organisatie en breng het vervolgens naar elke digitale werkplek - en je hebt een oplossing die volgens McKinsey de wereldeconomie in staat zou moeten stellen om de productiviteit met 2,5 tot 4,4 biljoen dollar per jaar te verhogen.

Het potentieel is er zeker. Generatieve AI (GenAI) kan in slechts enkele seconden elk type content produceren waar een mens uren of dagen over zou doen. Tegelijkertijd stelt de gebruiksvriendelijke technologie organisaties echter ook voor enorme uitdagingen.

1. Wet- en regelgeving

Het gebruik van generatieve AI roept een heleboel vragen op over gegevensbescherming, auteursrecht en persoonlijke rechten die met rechtszekerheid moeten worden beantwoord - want in geval van nood is de gehele organisatie aansprakelijk.

2. Procesveranderingen

Daarnaast moeten bedrijfsprocessen opnieuw worden ontworpen. AI kan alleen zijn volledige potentieel benutten als het op de juiste plaatsen in de processen wordt geïntegreerd.

3. Competenties

Medewerkers moeten worden opgeleid in het gebruik van GenAI. Dit is de enige manier voor de organisatie om ervoor te zorgen dat AI wordt gebruikt in overeenstemming met de doelstellingen, waarden en voorschriften van de organisatie.

Als generatieve AI goed wordt gebruikt, kan het in korte tijd aanzienlijke voordelen opleveren, met name op het gebied van kennisbeheer, en aangezien veel organisaties hun kennispool handmatig onderhouden, biedt generatieve AI hier een enorm potentieel voor verbetering:

• ondersteunt medewerkers bij het corrigeren en bijwerken van verouderde documenten, door ze te verrijken met extra informatie en zo de kwaliteit aanzienlijk te verbeteren
• ondersteunt de auteurs bij de creëren van content, zij het op basis van bestaande documentatie, trainingsmateriaal of de chatgeschiedenis van helpdeskverzoeken
• is in staat de inhoud te personaliseren in termen van rollen, talen en regio's en de gebruikerservaring
• brengt afgezonderde kennis samen, voegt deze samen en levert input voor nieuwe ideeën

De indrukwekkende resultaten van generatieve AI zijn gebaseerd op algoritmen voor machinaal leren en het gebruik van grote taalmodellen (LLMs), waarmee onder andere natuurlijke taal eenvoudig kan worden gebruikt. Daarnaast zijn er enorme hoeveelheden gegevens waarmee AI is getraind en die het ruwe materiaal leveren voor het maken van teksten, afbeeldingen, programmeercode of video's.

ChatGPT 3 is bijvoorbeeld getraind met 175 miljard datarecords of tokens van internet. Dit komt overeen met ongeveer 131 miljard Engelse woorden. Versie 4 van ChatGPT heeft er al 74 keer zoveel. Maar zelfs met deze gegevens levert de nieuwe versie van ChatGPT nog steeds onnauwkeurige of onjuiste informatie wanneer deze wordt gebruikt om informatie te zoeken of teksten te maken.

Organisaties hebben over het algemeen echter veel minder data èn van wisselende kwaliteit. Dit leidt al snel tot problemen, vooral als generatieve AI door medewerkers wordt gebruikt als aanspreekpunt voor vragen over nieuwe toepassingen, processen of richtlijnen:

• Betrouwbaarheid van antwoorden
  Generatieve AI heeft geen begrip van tekst, maar produceert inhoud op basis van statistische waarschijnlijkheden. Afhankelijk van de zoekopdracht of zoekvraag worden verschillende antwoordvarianten geproduceerd die van elkaar verschillen. De organisatie kan niet garanderen dat het antwoord van een AI altijd correct is.
• Verzwakking van naleving
  Afhankelijk van de complexiteit van de vraag en de hoeveelheid en actualiteit van data, kunnen de nauwkeurigheid en kwaliteit van de antwoorden sterk variëren. Toch lijken zelfs incorrecte antwoorden vaak zo plausibel dat ze niet in twijfel worden getrokken en kunnen leiden tot verkeerd gedrag.
• Het optreden van het "bias"-effect
  Generatieve AI-modellen kunnen vooroordelen versterken die onbewust in de data zitten. In combinatie met onnauwkeurige instructies veroorzaakt dit een vervorming van kennis. Omdat het onmogelijk is om te voorspellen wanneer en waarom dit bias-effect zal optreden, riskeren organisaties een afbrokkeling van de kwaliteit van hun gegevens en processen, precies het tegenovergestelde van waar ze op hopen.

Ongeacht of deze problemen individueel of in combinatie voorkomen in de praktijk: De acceptatie van generatieve AI kan een enorme dreun krijgen, waardoor het potentieel ervan niet of nauwelijks meer wordt benut. Dat zou een fatale ontwikkeling zijn.

Dus wat kan een bedrijf doen om generatieve AI veilig en productief te gebruiken?

Eerst en vooral moet het ervoor zorgen dat de nieuwe toepassingen op een gecontroleerde en beheersbare manier worden gebruikt. Dit is waar een Digitaal Adoptie Platform (DAP) een waardevolle bijdrage levert.

Een Digitaal Adoptie Platform biedt gerichte ondersteuning in de werkcontext. Dit helpt medewerkers om de nieuwe functies en workflows sneller te begrijpen en generatieve AI efficiënt en in overeenstemming met de compliancevereisten te gebruiken. Dankzij de snelle leersuccessen verhoogt een DAP de noodzakelijke acceptatie van de nieuwe AI-technologieën.

Het cruciale punt hier is dat wanneer de interactie tussen AI en een DAP correct wordt geïmplementeerd, er één enkele waarheidsbron voor het de gehele organisatie ontstaat. Medewerkers krijgen geen alternatieve feiten in verschillende versies voorgeschoteld, maar krijgen duidelijke en betrouwbare hulp die 100 procent in lijn is met de processen van de organisatie.

Veel Digitaal Adoptie Platforms bieden echter wel technologische begeleiding, d.w.z. specifieke hulp bij toepassingen, bijvoorbeeld bij het geven van een opdracht aan GenAI. Dit dekt echter maar een klein deel van de uitdagingen die het gebruik van GenAI met zich meebrengt.

In de praktijk rijzen al snel heel andere vragen, zoals:

• Mag ik bedrijfsgeheimen of persoonlijke gegevens gebruiken in een interactie met GenAI?
• Hoe kan ik de kwaliteit van de door AI gegenereerde inhoud beoordelen?
• Wat moet er gebeuren als er redelijke twijfels zijn over de output van AI?
• Wie is aansprakelijk voor inbreuken als gevolg van onjuiste informatie van AI?

Technologische ondersteuning helpt bij geen van deze vragen. Daarom biedt tts performance suite, het Digitale Adoptie Platform van tts, ook business guidance. Dit omvat directe toegang tot proceskennis, regelgeving en bedrijfsspecifieke expertise. Hierdoor ontwikkelen medewerkers een breder begrip van de nieuwe manieren van werken die hand in hand gaan met de introductie van generatieve AI.

Organisaties die AI over de hele linie willen gebruiken, hebben een Digitaal Adoptie Platform nodig. Alleen de combinatie van technologische ondersteuning en business guidance (procesondersteuning) zal medewerkers betrouwbare ondersteuning bieden bij het werken met AI.

Met name de drie grootste uitdagingen op het gebied van regelgeving, procesbetrouwbaarheid en competenties worden zo overwonnen: Met het DAP krijgen medewerkers altijd antwoorden die voldoen aan de wettelijke voorschriften. Ze krijgen onmiddellijk hulp bij elk proces. En ze leren snel hoe ze AI-toepassingen veilig kunnen gebruiken.

AI en DAP zijn ook in andere opzichten complementair aan elkaar: DAP-aanbieders integreren nu ook AI-functies in hun Digitale Adoptie Platform. De nieuwe technologieën verhogen bijvoorbeeld de efficiëntie bij het maken van trainingsmateriaal, het maken van stappenlijsten of het produceren van leervideo's, op voorwaarde dat de kwaliteitscontrole vóór publicatie wordt uitgevoerd door experts.

Bedrijfsspecifieke kennis bereikt medewerkers nu sneller dan ooit tevoren. In een tijd waarin de houdbaarheid van kennis steeds korter wordt, is dit essentieel.