European Media Partner

Implementatie van AI vereist change management

Vliegende auto’s, robots die al het werk overnemen en een brein dat continu in verbinding staat met het internet. Veel van de technologie die we in het 2020 uit oude science fiction boeken terugvinden heeft het uiteindelijk niet gehaald. Wat we in onze huidige samenleving en de samenleving van de toekomst echter wel zien, is de opmars van Artificial Intelligence.

Volgens onder andere Emerce.nl wordt ook in het bedrijfsleven steeds vaker gebruik gemaakt van Artificial Intelligence, maar eigenlijk is die opmars helemaal niets nieuws. Althans, niet voor Marianne Faro, managing director bij Itility. “Het is eigenlijk niks anders dan slim rekenwerk: met data en software proberen je bedrijfsprocessen slimmer en efficiënter in te richten. Een hoop werk kan nu overgenomen worden door de computer, maar dat is maar een klein stukje van het proces dat je door moet om bedrijven slimmer te laten werken.”


Waar het namelijk vooral om gaat, aldus Faro, is change management. “Als systeemdenker moet je eerst in het huidige proces duiken. Waar kan je echt verbetering brengen door artificiële data? Hoe werk je nu en waar kan je veranderen? Wat voor data is nodig en moet dit nog gemaakt worden of bestaat deze al? Vaak willen mensen te snel te veel. Begin klein en ga pas verder als alles aan dat kleine proces klopt. Uiteindelijk gaat het om een change management traject. AI gaat ons pas helpen als je dat goed op orde hebt, want mensen moeten dingen anders gaan doen.”


Volgens Faro beslaat de change component minstens vijftig procent van al het werk. Veertig procent is zorgen dat data en systemen beschikbaar zijn, en slechts tien procent is de daadwerkelijke AI-component. “We gaan anders werken en daar moet je het hele bedrijfsproces op inrichten. Het moet vanaf het begin duidelijk zijn dat AI niet zomaar een makkelijke oplossing is, het implementeren ervan is hard werken. Je moet systematisch nadenken en veel tijd besteden aan het veranderingsproces en het begeleiden van mensen. Van tevoren moet je dat allemaal uitgedacht hebben.”


Als voorbeeld noemt Faro een fabriek waar diepvriespizza’s worden geproduceerd. “Hier wordt gewerkt met lopende banden met verschillende stations, waaronder een station waar de kaas op de pizza gestrooid wordt. Die kaas is een van de duurste componenten van de pizza en de fabrikant zag dat er structureel te veel kaas op de pizza’s terechtkwam. Verderop in de lijn stonden zes mensen die extra kaas op de pizza’s strooiden als er te weinig opzat, of juist kaas verwijderden bij een teveel. Door een cameraatje op de band te zetten die foto’s van de pizza’s maakt, en deze in verbinding te zetten met een algoritme die aan de hand van deze data – de gele pixels op de foto – kan concluderen of er te veel of te weinig kaas op de pizza zit, kan een hoop geld bespaard worden. Wordt er te veel gestrooid, dan kan de band sneller gezet worden. Zit er te weinig kaas op de pizza, dan vertraag je. Je bespaart op kaas, en je hebt minder mensen nodig, waardoor je ook bespaart op personeelskosten.”


Echter, dan moet het proces wel altijd hetzelfde lopen. “Toen we in de fabriek kwamen zagen we dat er eens in de zoveel tijd een handje basilicum door de kaas gegooid wordt, waardoor de verhoudingen anders werden. De camera-software was hier niet op geprogrammeerd en het AI-model kon dus niet de juiste afwegingen maken. Je moet daarom altijd een feedbackloop inbouwen en blijven reflecteren op de technologie.”


Volgens Faro is AI echter wel de toekomst wanneer we kijken naar repetitieve, standaardtaken. “Uiteindelijk zullen er altijd mensen nodig zijn om te controleren dat de software zijn werk doet en om creatieve verbanden te leggen. De mens blijft dus altijd betrokken, maar wel op een andere manier.”

Delen

Journalist

Marjon Kruize

Related articles