Terug naar Growth Notes

Wanneer een AI-tool tegenvalt, is de instinctieve reactie om het model de schuld te geven. Maar de meeste AI-teleurstellingen zijn geen modelprobleem. Het zijn ontwerpproblemen.

Wanneer een AI-tool tegenvalt, is de instinctieve reactie om het model de schuld te geven, met opmerkingen als: de antwoorden zijn te generiek, het kent onze context niet, het heeft een betere prompt nodig. Maar de meeste AI-teleurstellingen zijn geen modelprobleem. Het zijn ontwerpproblemen.

Als een systeem vereist dat iemand een chatvenster opent en op het juiste moment de juiste vraag stelt, wordt het inconsistent gebruikt, want onthouden dat je moet vragen is zelf al een taak die concurreert met alles wat er verder op iemands bordje ligt. Als het nuttige inzicht dat het model vindt nooit bij degene terechtkomt die ermee moet handelen, sterft dat inzicht in een chatlog die niemand opnieuw opent. En als het systeem niet zelf duidelijk de volgende stap zet, stopt het infrastructuur te zijn en wordt het een zoekvenster met extra stappen.

Dat is geen modelprobleem. Dat is een architectuurprobleem.

Hoe een passief AI-systeem er in de praktijk uitziet

Je hebt misschien al ergens AI draaien, en het ziet er in een demo misschien zelfs indrukwekkend uit. Dat betekent niet dat het ook iets aanstuurt. Een passief AI-systeem is een systeem waarin een vraag wordt beantwoord, maar waarna er automatisch niets gebeurt. Waarin de nuttige output in een chattranscript blijft hangen in plaats van de workflow te triggeren waar het relevant voor is. Waarin iemand moet onthouden om te checken, te vragen, en vervolgens handmatig te handelen naar wat eruit kwam.

Dat is geen AI-systeem dat jouw bedrijf aanstuurt. Het is een zeer capabele antwoordmachine die volledig afhankelijk is van iemand die onthoudt om haar correct te gebruiken, iedere keer weer, zonder uitzondering.

Een chatvenster dat vragen beantwoordt is niet hetzelfde als AI die binnen jouw proces draait.

Wat er echt nodig is om actie aan te sturen

Een AI-systeem dat actie aanstuurt heeft drie dingen nodig die een chatbot alleen niet heeft. Het heeft een trigger nodig, iets dat het proces start zonder dat iemand het hoeft te onthouden: een nieuw record, een binnenkomend bericht, een geplande check. Het heeft een koppeling nodig met het systeem waar de actie daadwerkelijk plaatsvindt, geen apart venster waar iemand resultaten handmatig in moet overtypen. En het heeft een gedefinieerde volgende stap nodig, zodat de output niet slechts informatie is, maar een instructie waar de workflow op kan handelen: route dit, markeer dit, concept dit, escaleer dit.

Haal een van de drie weg en het systeem valt terug naar passief. Een trigger zonder koppeling levert een melding op waar niemand naar handelt. Een koppeling zonder gedefinieerde volgende stap levert data op die niemand leest. Een gedefinieerde volgende stap zonder trigger levert een mogelijkheid op die ongebruikt blijft liggen tot iemand zich herinnert dat die bestaat.

Waarom dit wordt overgeslagen

Het bouwen van de chatinterface is het zichtbare, demo-vriendelijke deel van een AI-project, en dat kan in een middag worden opgeleverd. Het verankeren ervan in de systemen waar de actie daadwerkelijk plaatsvindt, bepalen wat het precies triggert en wat het automatisch mag doen, gaat trager, is minder demo-vriendelijk en vereist dat iemand echte beslissingen neemt over rechten en faalscenario's. Dus wordt het uitgesteld, de chatbot wordt opgeleverd, en de helft van het werk die er echt toe doet gebeurt stilletjes nooit.

The ODB Way

Bij ODB Growth kan een agent alleen aanroepen wat jij hebt gedefinieerd. Modellen koppelen aan jouw systemen via typed tools en gecontroleerde integraties, niet via open toegang, zodat het model niet alleen antwoordt, maar handelt, binnen grenzen die bewust zijn vastgesteld. Het CRM wijst de volgende actie toe in plaats van hem op te slaan. Het rapport wordt opgesteld en doorgestuurd in plaats van te blijven liggen in een inbox, wachtend om gelezen te worden.

Dat is het verschil tussen AI die op een proces geplakt zit en AI die erin gebouwd is. Erop geplakt antwoordt als je het vraagt. Ingebouwd handelt, en iemand kan precies uitleggen waarop het mag handelen en waarom.

Onno de Bel

Onno de Bel

AI Engineer & Architect | ODB Growth

Klaar om iets te bouwen
dat een cijfer beweegt?

Laten we ontdekken waar AI echt loont in jouw proces, en het bouwen.

Plan een Growth Call