ChatGPT is dé reden dat kunstmatige intelligentie en haar potentie bekend zijn bij het grote publiek. Ondanks dat velen het licht hebben gezien en inmiddels de waarde van kunstmatige intelligentie (lees: ChatGPT) niet meer ontkennen, zijn er maar weinig die er echt naar handelen. Dat is goed nieuws! Er liggen nu namelijk nog enorm veel kansen die jouw concurrenten niet grijpen. En nee, ons gouden advies is dus niet je collega’s te laten browsen naar chat.openai.com om daar met ChatGPT te praten. Maar wat dan wel, hoe te beginnen met AI en waar?

Is een op maat gemaakte AI-oplossing relevant voor jouw bedrijf?

We zijn graag volledig transparant. Bij integrators.ai starten we niet met ons gratis (ja echt gratis!) onderzoekstraject bij bedrijven kleiner dan ~10 FTE (m.u.v. early stage start-ups). De vaste processen, hoeveelheden data en infrastructuur die nodig zijn voor efficiënte AI-implementatie bij bedrijven kleiner dan 10 teamleden zijn vaak nog te veranderlijk of bestaan nog helemaal niet. Daarbij leert de ervaring dat een op maat gemaakte basis AI-oplossing start bij een investering van minimaal €10.000,-. Zo'n investering zit logischerwijs niet bij iedere onderneming opgenomen in het jaarbudget. 

Hoe AI in te zetten als je bedrijf groter is dan 10 medewerkers?

Nu wordt het interessant. Wij zien in de praktijk dat er voor iedere onderneming met meer dan 10 medewerkers wel een custom AI-oplossing te vinden valt die zichzelf terugverdient. Maar waar te beginnen? Wij beginnen veelal met het stellen van de volgende vragen:

• Welke bedrijfsprocessen vertragen momenteel de dienst of het product dat je levert? Heb je bijvoorbeeld voldoende leads en goede conversiecijfers, maar duurt het een eeuwigheid voordat een prospect daadwerkelijk het contract tekent? Of duurt het opstellen van een offerte soms wel een dag waardoor je sales afdeling kostbare tijd verliest waarin ze meer kennismakingsgesprekken hadden kunnen voeren? Of is je product of dienst complex en heb je daardoor veel supportmedewerkers nodig om dit op te vangen waardoor je minder kunt investeren in groei? In al deze gevallen valt er iets te verbeteren en versnellen met kunstmatige intelligentie. Echt!

• Vraag aan je collega’s of ze individueel op dagdagelijkse basis tegen repeterende taken aanlopen. Vaak valt er in deze terugkerende handmatige processen iets te automatiseren met AI. Zo zorg je niet alleen voor hogere productiviteit, maar ook een gelukkigere collega die niet meer die alsmaar terugkerende, vervelende taak hoeft uit te voeren! Een andere tip is te spieken (als je daar de rechten toe hebt) in de agenda van collega’s, zie je daar dezelfde afspraken of taken frequent terugkeren? Dan is het mogelijk interessant daar eens naar te vragen.

• Welke data en datastromen bestaan er binnen het bedrijf? Verzamel je waardevolle data? Wie heeft hier toegang toe? Zorgt de data die je verzamelt voor real-time inzicht voor het nemen van betere beslissingen? Welke data mis je nog om betere beslissingen te nemen? Heb je bijvoorbeeld een winkel met meerdere filialen en al 10 jaar een online boekhoudprogramma? Die data kan goud waard zijn! Door slimme automatisering en analyse kunnen we met AI voorspellingen maken over jouw omzet, bijvoorbeeld aan de hand van het weer, de koers van de AEX of de populariteit van een hashtag op x.com. De data waarop je wilt sturen hoeft overigens niet numeriek te zijn. Gebruik je ticketing software om je klanten te woord te staan bij support vragen? Top! De vragen en antwoorden die in de software opgeslagen staan zijn tegenwoordig heel bruikbaar om automatiseringen en analyses mee te maken.

Dit zijn logischerwijs niet de enige vragen die je jezelf kunt stellen om te bepalen waar in jouw bedrijf waarde valt te behalen met AI. Inmiddels hebben we bij integrators.ai afgelopen 6 maanden met meer dan 30 verschillende bedrijven gesproken over mogelijke AI-toepassingen, waardoor we aardig goed zijn geworden in het stellen van de juiste vragen. 

Het helpt bij het spotten van kansen natuurlijk ook als je weet wat er allemaal mogelijk is. Dus waarom zou je zo'n onderzoek helemaal zelf doen? Laat ons je volledig kosteloos en vrijblijvend bijstaan met een informeel gesprek over de mogelijkheden van AI voor jouw bedrijf! Boek eenvoudig een tijdslot op https://calendly.com/integrators-ai/hi.

Wat is een op maat gemaakte AI-oplossing?

Oke, we concluderen dus dat er mogelijk een interessante use-case voor AI is binnen jouw bedrijf. Wat nu? Bij integrators.ai bouwen we op maat gemaakte AI-oplossingen, helemaal afgestemd op de exacte behoefte en processen van jouw bedrijf. Dat betekent dus dat we je niet zullen adviseren een training in het gebruik van ChatGPT te volgen met je team. Daar zijn al genoeg andere aanbieders van! Dus wat doen we dan wel?

Basis AI implementatie via API’s van bestaande AI modellen

AI = booming. De opmars van grote AI modellen die fantastisch presteren is enorm. Dat betekent dat we in veel gevallen helemaal geen eigen AI-model hoeven te ontwikkelen! We gebruiken namelijk gewoon die van een andere partij. Zo hebben o.a. OpenAI, IBM, Google, Microsoft en Amazon allemaal fantastische modellen via API beschikbaar voor allerlei verschillende toepassingen die we met een minimale hoeveelheid code kunnen aanroepen en zo inbouwen in jouw infrastructuur.

Wanneer kiezen voor deze oplossing?

We kiezen voor een API implementatie op het moment dat jouw onderneming geen of onvoldoende eigen data heeft om een model mee te ontwikkelen, of als het specifieke type model dat we nodig hebben al is ontwikkeld en goed presteert op de taak die we willen automatiseren. Zo is het momenteel echt niet meer nodig om altijd je eigen AI taalmodel (LLM) te ontwikkelen, daar zijn o.a. ChatGPT en Bard namelijk veel beter in dan wij ooit voor elkaar zullen krijgen (tenzij je nog ergens 50 miljard hebt liggen om te investeren😉). 

Hybride AI oplossing met eigen data, maar AI-model van derden

Een stapje verder dan een basis API implementatie is het finetunen van een bestaand AI-model of het creëren van een embedding met jouw eigen bedrijfsdata (of een combinatie van beiden). Via finetuning en embedding bereiken we twee dingen: - Finetuning: het model versterken in het gebruiken van een bepaalde structuur of methodologie. Bijvoorbeeld als je een zeer specifiek rapportage template wilt aanhouden voor de output van het model. - Embedding, ook wel Retrieval-Augmented Generation (RAG) genoemd: het model verrijken met nieuwe, specifieke informatie die ontbreken in het algemene model. Bijvoorbeeld als je wilt dat het model jouw beleid op het gebied van informatiebeveiliging kent. Via finetuning en embedding maak je gebruik van de goede basisprestaties van een model, maar zorg je er tegelijkertijd voor dat het model vooral sterker wordt in de omgang met jouw eigen data en methodologie.  Tot slot: het is dus mogelijk deze twee methoden van modeloptimalisatie te combineren. In ons volgende artikel zoomen we dieper in op deze methoden en hoe ze vallen te combineren.

Wanneer kiezen voor deze oplossing?

De hybride oplossing is alleen mogelijk als een bedrijf relevante eigen data heeft. Dit hoeft overigens niet enorm veel data te zijn, maar denk aan minimaal een paar honderd kwalitatief hoogstaande datapunten. In het geval van finetuning en embedding is datakwaliteit belangrijker dan kwantiteit, gezien populaire modellen juist al getraind zijn op een enorme kwantiteit aan data. Daarbij hoeft de data zeker niet per se numeriek te zijn. Het kan bijvoorbeeld ook een hele grote database met eigen contracten of handleidingen zijn. In het voorbeeld van contracten kunnen we bijvoorbeeld een model creëren dat getraind is specifiek op jouw database met alle overeenkomsten die gesloten zijn met leveranciers. Met zo’n oplossing kun je jouw inkoopteam via chatfunctionaliteit heel specifieke vragen laten stellen over de contracten. Dit betekent niet alleen het uitvragen van specifieke details, maar ook abstracte vragen als: welk leverancierscontract zouden we als eerst moeten heronderhandelen met in achtneming dat ons doel is maximaal flexibel te zijn in leveringen binnen gebied X?

Custom AI ontwikkeling, een compleet eigen AI-model

De meest diepgaande oplossing is het creëren van een AI-model helemaal specifiek voor jouw situatie en data. Dit betekent dat we eigen algoritmen schrijven, trainen, testen, evalueren en optimaliseren tot we een samen de bepaalde threshold voor prestatie bereiken. Met deze oplossing creëren we als het ware één of meer niche algoritmen die heel sterk worden in een specifieke voorspelling of classificatie. 

Denk bijvoorbeeld aan het ontwikkelen van een algoritme dat het risico op een bepaalde levensstijl ziekte voorspelt aan de hand van bloed biomarkers van patiënten. Als je deze vraag zou stellen aan ChatGPT zul je snel ondervinden dat het model hier niet voldoende op getraind is en foutieve voorspellingen doet. Dit komt doordat de zeer specifieke, medische data die nodig is om het model "kennis" te geven over de vraag niet of te beperkt in de trainingsdata is opgenomen. Logisch, want zulke vragen beantwoorden is (momenteel) niet het doel van een gestandaardiseerd large language model.  

Wanneer kiezen voor deze oplossing?

Deze volledig custom weg is alleen het overwegen waard indien er voldoende (eigen) relevante data is om een model op te trainen. Zonder minimaal dertigduizend relevante datapunten is een betrouwbaar algoritme ontwikkelen in de meeste gevallen niet eens mogelijk. Daarbij is het natuurlijk alleen interessant om een eigen model te ontwikkelen als er niet al een model beschikbaar is dat goed presteert voor de specifieke use case. Het is namelijk belangrijk pragmatisch te blijven en goed naar opbrengsten versus kosten te kijken bij AI-ontwikkeling. Hoeveel extra investering is het waard om een paar procentpunten meer betrouwbaarheid te realiseren? Dat zijn vragen waar wij ons dagelijks mee bezighouden.

Hoe ziet een kosteloze verkenning van de AI potentie van mijn bedrijf eruit?

Oke, jouw organisatie is groter dan 10 FTE en je bent er enigszins van overtuigd dat AI waarde kan toevoegen, wat nu? Bij integrators.ai merken we dat enorm veel bedrijven momenteel worstelen met deze vraag: ik voel dat ik iets moet met AI, maar ik heb geen idee wat en waar te beginnen. Om te voorzien in deze behoefte bieden we een uniek, kosteloos en vrijblijvend AI onderzoekstraject aan. Hoe ziet dit traject eruit?

Globaal gezien is het traject opgedeeld in drie fasen, allemaal zonder kosten en compleet no-strings-attached:

Fase 1: Informele kennismaking via videocall

We hebben integrators.ai opgericht om zo veel mogelijk bedrijven enthousiast te maken over de mogelijkheden van AI en extreme waarde te creëren met AI-innovatie & implementatie. Dit betekent niet alleen dat we je eerst rustig nog eens uitleggen wat kunstmatige intelligentie is en in potentie kan, maar ook dat we onderzoeken of er een persoonlijke klik is. Hoe je het ook wendt of keert, het succes van ons onderzoekstraject is volledig afhankelijk van de mensen die eraan werken. Daarbij vergt het vanuit beide partijen een tijdsinvestering. Wij weten al dat we die investering willen maken, graag overleggen we met je of dit voor jou ook mogelijk is. We begrijpen namelijk dat jouw bedrijf nooit stil staat en andere zaken soms even meer prioriteit hebben. Daarom is het belangrijk direct transparant te zijn over de verwachtingen.

Fase 2: Verdere verkenning op locatie

De klik en bereidwilligheid qua tijdsinvestering zijn er: yeah! Op dat moment komen we naar je toe (geen zorgen, niet direct, we prikken samen een datum 😉). Dit betekent dat we waar dan ook in heel Europa afreizen om face-to-face verder te praten over jouw bedrijf. Met de informatie uit de eerste kennismaking bereiden wij ons zo goed mogelijk voor om direct waardevol inzicht te geven over kunstmatige intelligentie voor jouw branche en specifieke uitdagingen. Daarbij zullen we je een aantal vragen stellen om jouw bedrijf(smodel) beter te begrijpen en je te prikkelen de potentie van kunstmatige intelligentie nog duidelijker te zien. 

Voor deze sessie reserveren we standaard 2 uur (al lopen deze sessies regelmatig uit). Daarbij is een vereiste dat we met minimaal één beslissingnemer aan tafel zitten. Dat is niet omdat andere teamleden geen relevante informatie bezitten (integendeel juist), maar omdat we minimale ruis willen in de informatie die wij delen. Dat scheelt niet alleen tijd, in het geval dat anders iemand de beslissingnemer apart moet inlichten, maar schept ook duidelijke verwachtingen. Wij kunnen ons het risico op ruis namelijk niet veroorloven met de tijdsinvestering die we doen.

Fase 3: Diepgaand onderzoek AI-case inclusief ROI-schatting

Als het goed is (tot nu toe altijd), ontstaat er vanuit fase 2 een beeld bij één of meerdere interessante uitdagingen waar AI bij kan helpen. Samen bepalen we welke kans we als eerste willen onderzoeken. Voor zo’n onderzoek hebben we een vast aanspreekpunt nodig, die niet alleen het bedrijf door en door kent en toegang heeft tot alle relevante systemen, maar ook snel kan schakelen tijdens deze fase. In het algemeen proberen we diepgaand inzicht te vergaren via o.a. de volgende (niet uitputtende) vragenlijst:

• Wat is de infrastructuur onderliggend aan het proces?

• Welke data worden er gecreëerd tijdens het proces?

• Welke data worden automatisch opgeslagen en welke manueel?

• Welke data ontbreken momenteel die relevant kunnen zijn voor het proces?

• Welke datastromen gaan er in en uit (input/output)?

• Wie zijn er allemaal betrokken bij het proces?

• Wie verwerken en creëren er allemaal data in het proces?

Zodra we een duidelijk beeld hebben bij alle stappen, de relevante data(stromen), betrokken personen en huidige staat van automatisering, maken we een globale inschatting van de mogelijke AI-oplossing(en) inclusief ROI-berekening. Hoe ziet een uiteindelijke implementatievoorstel er meestal uit? Een AI-implementatie is bij ons standaard in twee fases opgedeeld:

1. Valideren van de oplossing met een minimum viable product (MVP) 

2. Bedrijfsbrede implementatie en doorontwikkeling

Uiteindelijk rolt uit fase 3 dus een samenwerkingsvoorstel waarbij we voor een vast bedrag het MVP creëren en na oplevering van dit MVP een evaluatiemoment hebben ingebouwd om te beslissen of je met jouw onderneming wilt investeren in de bedrijfsbrede AI-implementatie en doorontwikkeling. Voor bedrijfsbrede implementatie en doorontwikkeling werken we via een retainer-model.

Waarom bieden jullie AI-implementatie op deze manier aan?

De praktijk leert dat het veel efficiënter is om een werkende basisversie van het beoogde eindproduct te maken alvorens we de daadwerkelijke implementatie realiseren. Op deze manier halen we in een vroeg stadium bepaalde kinderziekten eruit zonder dat deze in de productieversie zitten. Daarbij biedt deze methode veel flexibiliteit om te itereren richting het optimale resultaat en zitten we dus niet “vast” aan een vooraf bedachte oplossing. Beeld je bijvoorbeeld opnieuw de use case van een hybride AI-oplossing voor leverancierscontracten in. Natuurlijk hebben we vooraf een beeld van hoe de eindoplossing eruit komt te zien. Toch is het veel logischer om deze aannames in een zo vroeg mogelijk stadium te testen en eerst een uitgeklede versie te maken die bijvoorbeeld op één type leverancierscontract werkt. Vervolgens komen we er in dit stadium misschien wel direct achter dat de bestaande infrastructuur niet voldoet of door medewerkers direct met het demo-product te laten werken, ontdekken we dat de waarde helemaal niet ligt in abstracte vragen stellen over leverancierscontracten, maar veel meer in specifieke details uitvragen. Dit vroegtijdig ontdekken bespaart enorme ontwikkelkosten in een later stadium. 

Zodra het MVP succesvol is bevonden en jij go geeft op bedrijfsbrede implementatie gaan we door naar fase 2: volledige implementatie en doorontwikkeling. Dit betekent dat we een productie-klare oplossing ontwikkelen die niet alleen goed werkt, maar ook perfect in het bestaande proces integreert. Het voordeel van deze 2-trapsraket is ook dat je dus nog van fase 2 af kunt zien en nergens aan vastzit. Het bedrijfsleven is nou eenmaal complex en veranderlijk, en dan kan het zo zijn dat datgene waarvan je vooraf dacht dat het waardevol zou zijn voor jouw bedrijf, in de praktijk toch niet zo waardevol is. Gelukkig heb je dan enkel de investering voor fase 1 gedaan, in plaats van direct de gehele implementatie! Daarbij zorgen de learnings vaak voor nieuwe inzichten over hoe een potentiële AI-oplossing er wel uit zou moeten zien voor jouw bedrijf.

Waarom en hoe met integrators.ai een AI-traject starten?

Hopelijk hebben we je kunnen overtuigen van de waarde van ons onderzoekstraject. Indien dit het geval is, start dan vandaag nog door een online kennismaking van 30 minuten in te boeken via https://calendly.com/integrators-ai/hi. Nogmaals: volledig vrijblijvend, kosteloos en no-strings-attached! Nog meer redenen nodig om eens met ons in gesprek te gaan? Hier komen ze:

1. Wist je al dat wij 100% eigenaarschap meeleveren bij onze projecten? Oftewel, de AI-oplossing die wij bouwen is echt van jou. Geen kleine lettertjes of auteursrechtelijk gedoe. Je krijgt exclusief eigenaarschap over alle infrastructuur en code, inclusief geheimhoudingsverklaring.

2. Bij integrators.ai doen we niet aan off-shoring. Oftewel, de prijs die je betaalt is daadwerkelijk marktconform voor het technische talent dat aan jouw oplossing werkt. Geen uitbesteding aan teams in lagelonenlanden. Bij integrators.ai enkel de hoogste kwaliteit en volledige controle over de code geproduceerd in-house in Nederland.

3. We zien onszelf graag als een nieuwe generatie van tech ontwikkelaars. Dit betekent dat we alleen met de nieuwste frameworks en moderne oplossingen werken. Op die manier zijn we sneller en inventiever dan veel gevestigde “tech” bedrijven. Daarbij hebben we alle skills in huis om jouw AI-implementatie daadwerkelijk te integreren in bestaande code plus de strak gedesignde interface te ontwerpen en bouwen die het AI-model gebruiksvriendelijk en praktisch waardevol maakt.

We hopen dat bovenstaande voldoende reden is om die informele eerste kennismaking van 30 minuten bij ons in te boeken. Wil je nou toch liever in zeer gecondenseerd format nog eens lezen waarom je die kennismaking zou moeten inboeken? Heb je een andere AI-gerelateerde vraag of wil je een van onze slide decks over AI eens inzien? Check dan: https://integrators.ai/nl/start-now. Hopelijk zien of spreken we je in welke vorm dan ook snel! 

Wat te doen als je bedrijf kleiner is dan 10 medewerkers en je wilt AI inzetten? 

Voor bedrijven kleiner dan 10 teamleden adviseren we het gebruik van één of meerdere van de duizenden AI tools die er inmiddels al bestaan. Er zijn enorm veel verschillende tools beschikbaar die kunstmatige intelligentie gebruiken om specifiek werk slimmer en sneller te doen. Wij zullen je niet vermoeien met weer een lijst van “de beste AI tools voor recruitment/marketing/ict/etc.”, Google hier gewoon eens op en je komt in een zee van AI-mogelijkheden uit. Toch nog een vraag? Stel hem gerust via [email protected] en wellicht kunnen we je uit de brand helpen!