DGA, directie of MT: Strategisch voorsorteren op AI doe je zo

Want er is nog bitter weinig échte ervaring met AI binnen bedrijfsprocessen. We lijken vooral de kat uit de boom te kijken en erop te gokken dat anderen de kastanjes eerst wel uit het vuur halen. Lamgeslagen door de bizarre snelheid van ontwikkelingen en wellicht zelfs een beetje bang voor wat we nog niet kennen en begrijpen.

Eén ding is zeker: net zoals de komst van ‘de computer’ en ‘het internet’ waait ook deze grote ontwikkeling niet over. Ook niet tot jouw pensionering, dus je moet er iets mee. En het is zeker geen kwestie van neerzetten en bijvoorbeeld tekstschrijvers of content creators eruit kieperen als simpele kostenreductie. Wat betekent dit dan wél voor bedrijven en hun bedrijfsvoering? Oneindig veel, op vrijwel elk denkbaar terrein. De reden dat ik mijzelf daarom beperk in dit artikel tot waarvan ik verstand heb: contact met doelgroepen en klanten.

Talloze snelle adviseurs en slimme adviesbureautjes

Het begrijpen en toepassen van AI is voor de meeste mensen binnen organisaties nog compleet nieuw. Cursussen of opleidingen die verder gaan dan wat technische grondbeginselen zijn er nog nauwelijks. Waarbij het zeer de vraag is of ‘een cursus’ in dit geval iets bijdraagt. Wat AI voor een specifiek bedrijf en bedrijfsprocessen kan betekenen, is voor iedere situatie totaal anders. Natuurlijk duiken talloze snelle adviseurs en slimme adviesbureautjes commercieel in dit gat, maar niemand kent – als het goed is – de bedrijfsprocessen beter dan eigen mensen.

De tijd dat je gebrekkige bedrijfsprocessen voor de bühne kon repareren door snel extern ‘een oplossing’ te kopen ligt inmiddels achter ons. Je zult echt zelf aan de slag moeten met het opbouwen van kennis en vaardigheden voor de inrichting van digitale communicatie. De komst van AI zal het verschil in aanpak alleen maar duidelijker zichtbaar maken. En merkbare verschillen opleveren in de ervaring bij (potentiële) klanten.

Benoem AI en geef mensen ruimte

Ga er niet stilzwijgend vanuit dat medewerkers kennisontwikkeling rond AI in hun vrije tijd ‘erbij doen’ of adoptie op de werkvloer vanzelf gaat. Geef personen in relevante rollen en afdelingen ruimte om te leren en zichzelf deze materie eigen te maken. Vrij vertaald: hang er géén harde targets aan, of verwacht dat het over een paar maanden bijdraagt aan het bedrijfsresultaat. Mensen moeten op ontdekkingsreis worden gestuurd om erachter te komen waar en op welke manier AI toegevoegde waarde kan hebben, wat daarvoor nodig is en hoe dat zou kunnen werken. Pas daarna kun je vaststellen wat die bijdrage wellicht kan zijn en hoe je dat meet. En zeg nou niet: “Eerst maar eens hard bewijs zien dat AI echt iets kan opleveren.” Want dat is eigenlijk voor niemand nog een vraag. Hooguit een tekst om vrees voor het onbekende te verhullen.

Benoem AI intern helder. Zodra het management een onderwerp als AI duidelijk op de agenda zet en ruimte geeft, helpt dat de ontwikkeling van mensen binnen hun vakgebied. Op die manier kan iedereen zelf mogelijkheden en toegevoegde waarde spiegelen aan bedrijfsprocessen en doelen. Laat met compacte maar relevante proeftrajecten in de praktijk testen, zodat de organisatie leert hiermee om te gaan. Hiervoor bestaat geen ‘quick fix’ of ‘shortcut’ meer, wat externe partijen ook allemaal voor geweldigs zullen beloven in hun jacht op jouw handtekening onder een order.

AI = Productie tool?

Over AI word vooral veel als ‘productie tool’ gedacht en gesproken. Generatieve AI: een hulpmiddel om ideeën te genereren, structuur aan te brengen in data of tekst en beeld mee te produceren. We beginnen pas nét de kracht van AI te begrijpen en zitten nog in de fase van het verwonderd ‘oh’ of verschrikt ‘ah’ roepen bij elk stukje output. Het ligt voor de hand te veronderstellen dat deze generatieve inzet als ‘tool’ ook de zakelijke toegevoegde waarde van AI vormt. Met één druk op de knop zijn werknemers minder tijd aan taken kwijt. Kosten voor creatie van content worden beperkt. Minder tijd en minder kosten betekent meer winst of tijd voor andere bezigheden. Deze benadering van het gebruik van AI is terecht en logisch. De achterliggende, veel grotere potentie ga je met deze denkwijze echter niet benutten.

Antwoord op grotere uitdaging

Met het alsmaar toenemen van de hoeveelheid kanalen en het tempo waarop content moet worden gepubliceerd om voortdurend zichtbaarheid te genereren, zijn kosten en organisatie van marketing, communicatie en klantcontact exponentieel toegenomen.

Daarnaast zijn budgetuitdagingen rond doelgroepen, kanalen en content niet beperkt tot uren en hoeveelheid, maar ook snelheid. Communicatie is steeds vaker live, gepersonaliseerd en rechtstreeks. Daar kun je vrijwel niet meer tegenop plannen en produceren. Om die productietijd te verkorten helpt AI als hulpmiddel, maar zolang het ingezet moet worden in mensenhanden blijft dat nut beperkt. Kijken, lezen, interpreteren, kopiëren, plakken, verwerken: het kost allemaal aandacht en tijd. Life is live, dus ook communicatie met doelgroepen en klanten. Hoe sneller, hoe beter en daarin zijn met AI veel fundamentelere kansen te benutten.

Bedrijven van een beetje formaat die dit nog opportunistisch en handmatig proberen te managen, hebben de boot in feite nu al gemist. Dat is niet vol te houden. Het voorbereiden, ontwikkelen en inrichten van een organisatie kost tijd waardoor er per definitie een achterstand is ontstaan. Organisaties die hiervoor al eerder processen, systemen en data zijn gaan inrichten, zijn aan boord. Zij kunnen nu ook voorzichtig eerste stappen testen bij het integraal toepassen van AI. De kans dat de afstand in concurrentiepositie tussen die eerste en tweede categorie bedrijven hierdoor in een nog sneller tempo gaat toenemen, is enorm.

Direct acteren via API

Hoewel het erop lijkt: AI is géén ‘druk op een knop’. Zodra je serieus wilt sturen op de uitkomst, moet je een zogenaamde ‘prompt’ schrijven. Dat is niets meer of minder dan een gerichte vraag stellen aan AI. Hoe gerichter, hoe beter het resultaat. Dit kun je technisch instructief aanpakken, verhalend of een combinatie van beide. Het lijkt sterk op het schrijven van een user story of een lichte vorm van coderen. Ook bij de inzet van AI als productie tool, is deze individuele kennis en manuele handeling iets om bij stil te staan. In vergelijkbare situaties zal de uitkomst niet hetzelfde zijn. Het verschil zit aan de kant van de promptschrijver of het moment van interpreteren door de AI-tool. Je roept immers ‘zelfdenkende intelligentie’ aan, geen rigide productiesoftware.

Een API (Application Programming Interface) geeft direct toegang tot de functionaliteit van AI, zonder dat je online de website hoeft te bezoeken. Via zo’n API kun je een voorbereide prompt ook vooraf geautomatiseerd voorzien van cruciale bedrijfsdata. Zodat AI die gegevens niet zelf probeert te interpreteren via generieke internetdata. Cruciaal, want manueel baseert AI zich vooral op (vaak verouderde) informatie die eerder is verzameld via het open internet. Geen betrouwbare route voor bedrijfsspecifieke data en die moet vanzelfsprekend wel correct zijn. Via deze API kunnen opdrachten inclusief bedrijfsdata in- en uitgeschoten worden waarbij AI tegelijk van die data leert. Zo kun je AI volledig geautomatiseerd laten functioneren.

In veel gevallen kan al gebruik worden gemaakt van zo’n API op AI-diensten zoals bijvoorbeeld ChatGPT. Bij Midjourney is hun API nog niet openbaar, maar lijkt dat slechts een kwestie van tijd. Dit opent de weg naar voorspelbare resultaten vanuit AI op basis van eigen bedrijfsdata.

Van ‘one for many’ naar ‘many for many’

De mogelijkheden zijn vrijwel eindeloos. Een automatisch gecompileerde prijslijst, volledig in keurige HTML meteen online beschikbaar voor één specifieke klant? Een gepersonaliseerde hij/hem/zijn/zij/haar/die/hen/hun e-mail inclusief landingspagina met alleen beelden van blauwe auto’s omdat dit de favoriete kleur is van de ontvanger? Het kan allemaal, of het ligt in het verschiet. Het Britse Octopus Energy zegt 34% van alle e-mails van klanten al op deze manier af te handelen. Met een hogere klantwaardering dan door medewerkers geschreven e-mails. Waardoor tijd vrijkomt voor het behandelen van individuele communicatie waar specifiek persoonlijk contact echt meerwaarde heeft. Het lijkt dus vooralsnog vooral te gaan om repetitieve (low value) werkzaamheden die vervangen worden voor meer inhoudelijke, kwalitatieve (high value) werkzaamheden.

Voor de komst van het internet keek ieder individu naar massamedia. Het internet draaide dat mechanisme om: de massa benadert nu individueel bedrijven. Waardoor de massa zich vervolgens door onpersoonlijke menustructuren, online formulieren en keuzetoetsen moesten worstelen zodat bedrijven alle individuele aandacht kunnen blijven behappen. AI biedt een oplossing om die omgekeerde communicatievorm toch individueel, specifiek en op afroep in te richten. De vraag is niet langer wat je moet doen of maken, maar waar je met communicatie de meeste toegevoegde waarde levert richting een doelgroep. En hoe je vervolgens dit proces met touchpoints, data en AI inricht, monitort en optimaliseert. Dezelfde vakgebieden, disciplines en rollen maar wel met nieuwe tools en daarbij behorende vaardigheden.

Maak data gereed en geschikt

Als je communicatie doelgericht met AI wilt ondersteunen, moet bedrijfsdata daarvoor wel geschikt zijn. Zodat je AI kunt ‘voeden’ moet jouw bedrijfsgegevens om content te creëren. Dat betekent dat datasets zowel beschikbaar, compleet, consistent als geschikt moeten zijn. Met ‘beschikbaar’ bedoel ik geen Excel sheet in een mapje op een shared drive, maar een database waaruit die informatie op elk moment rechtstreeks kan worden opgehaald. Denk aan prijzen, de opbouw van prijzen, prijsverschillen per land, commerciële product beschrijvingen en taxonomie, technische informatie zoals maten en gewichten, een content lexicon, logistieke informatie en ga zo maar door. Alle digitale bouwstenen die jouw product of dienst en alle mogelijke communicatie hierover definieert. Het is tegelijk van strategisch belang ook vast te stellen wat gedeeld kan worden. Deze input wordt immers ook toegevoegd aan de zelflerende basiskennis van AI. Dat klinkt enger dan het is, want dezelfde informatie is doorgaans gefragmenteerd via andere bronnen allang beschikbaar voor AI.

Waarbij ik je uiteraard niet vraag om strategische, bedrijfskritische informatie op straat te gooien. Binnen deze context is daarom een goede interne discussie wat daar precies onder valt en welke data nodig is om te kunnen communiceren wellicht nog noodzakelijk. Een goed uitganspunt daarbij: geef alles vrij dat een klant nodig heeft bij een beslis- en aankoopproces, voordat iemand anders dat voor jou doet. Te vaak hoor ik te simpel en haastig “Ja, ja, dat hebben wij allemaal allang”. In negen van de tien gevallen blijkt die data echter inconsistent, incompleet, niet gevalideerd, zonder consent, verouderd, weggestopt in ontoegankelijke bestanden etc. Kortom: totaal ongeschikt. Dan mag je opnieuw beginnen en een dergelijk proces kost jaren. Ondertussen kan concurrentie die hier al langer mee bezig is nu al een voorsprong pakken met de inzet van AI.

Investeer voor de langere termijn in data gedreven klant- en doelgroep communicatie van het bedrijf. Want deze doos van Pandora zal zichzelf niet zomaar meer sluiten. De ontwikkelingen gaan nu in zo’n enorme sneltreinvaart dat afwachten totdat iemand alle antwoorden panklaar op een presenteerblaadje aanreikt geen optie meer is. Zodra dat gebeurt, weet je ook dat concurrentie je op een onoverbrugbare afstand richting jouw doelgroepen heeft gezet.

P.S: Bij het schrijven van dit artikel is op geen enkele wijze gebruik gemaakt van AI. Wel tijdens talloze uren uitproberen en testen van prompts voor verschillende AI-toepassingen, waar inzichten in dit artikel op zijn gebaseerd.

Met dank aan:

Michel Schep en Sjoerd de Kreij, Typetone

 Lees ook: AI is doing the work of 250 people at an energy company and satisfying customers better than trained workers, CEO says