Veel organisaties willen “iets met AI”. Ze zien de mogelijkheden, voelen de druk om mee te bewegen, maar worstelen met dezelfde vraag: waar begin je?
Vaak wordt die vraag direct vertaald naar technologie. Naar modellen, data of tooling. Terwijl de belangrijkste stap meestal nog niet is gezet. Niet kijken naar wat AI kan, maar naar hoe het werk vandaag gedaan wordt.
Technologie faalt zelden
Wanneer AI-toepassingen niet opleveren wat ervan werd verwacht, ligt dat zelden aan de technologie zelf. In de meeste gevallen functioneert het model precies zoals het is ontworpen. Het probleem zit ergens anders: in een onduidelijk proces, een impliciete verwachting, of een taak die nooit expliciet is gemaakt.
AI versterkt wat er al is. Een ondersteunende AI agent kan dat alleen als het onderliggende proces scherp is. Anders wordt de onduidelijkheid uitvergroot.
Twee manieren om AI beter te maken
Er zijn grofweg twee manieren om AI-systemen te verbeteren.
De eerste is bekend: het model laten leren van meer of betere data. Dat vraagt tijd, infrastructuur en schaal.
De tweede manier krijgt veel minder aandacht: expliciet maken wat het model moet doen, voor wie de output bedoeld is, en hoe die output wordt gebruikt in het bestaande proces.
Juist die tweede stap vraagt geen nieuwe technologie, maar beter begrip.
Een 'goede' AI-output bestaat niet
Tijdens een demo zie je een automatisch gegenereerde samenvatting. De eerste indruk is dan al snel: "Dat is een goede samenvatting" Maar die indruk veronderstelt iets dat niet bestaat.
Een goede samenvatting is namelijk niet universeel. Net als bij de uitlegbaarheid van AI-beslissingen hangt wat "goed" is volledig af van de context:
- wie leest de samenvatting?
- hoe lang mag de samenvatting zijn?
- welke informatie is cruciaal?
- moeten er vervolgacties in staan?
Zonder antwoorden op die vragen kan een model technisch correct functioneren en toch onbruikbare output leveren.
Het probleem zit dan niet in de AI, maar in het ontbreken van duidelijke procesafspraken.
Begrijpen wat er echt gebeurt
Goede software oplossingen beginnen daarom niet bij het model, maar bij het afpellen van de taak.
Dat betekent terug naar vragen als:
- wat is het doel van deze taak?
- voor wie is de output bedoeld?
- welke informatie is echt relevant?
- wat gebeurt er daarna met deze informatie?
Dit zijn geen technische vragen, maar procesvragen. En juist daarin ligt de sleutel tot bruikbare technologie. Wie begint bij de werkvloer, kan AI inzetten als ondersteuning van echt werk. Voor de arbodienstcontext hebben we dat principe uitgewerkt op de definitiepagina AI-triage voor arbodiensten — wat het is, hoe het werkt en hoe het past naast je bestaande casemanagementsysteem.
Eerst het proces. Dan pas AI.
Stefan Samba - CTO, Triagen
