Eind 2022 werd ChatGPT gelanceerd en sindsdien is de AI-hype duidelijk merkbaar. (Generatieve) AI is nu makkelijk toegankelijk voor iedereen. Het voelt als magie!
Teksten zijn binnen een mum van tijd geschreven en informatie lijkt voor het oprapen te liggen. Medewerkers gingen volop aan het experimenteren, op zoek naar mogelijkheden om hun werk makkelijker te maken. Er klinkt veel gejuich, maar er is ook genoeg (terechte) paniek. Want waar komen de trainingsdata vandaan, wat doet OpenAI met de ingevoerde data en wat is het risico op bias? Deze vragen zijn zeker relevant voor bedrijven, want vertrouwelijke data zijn zo gelekt via gratis online tools.
Eerst de grootste risico’s afdekken
In het begin verboden sommige organisaties meteen het gebruik van dergelijke tools. Andere stelden gedragsregels op of kwamen met voorschriften voor wat wel/niet met generatieve AI (en dan voornamelijk ChatGPT) mag. In het laatste geval overigens in de wetenschap dat veel medewerkers er toch wel mee zouden gaan experimenteren. Zo probeerden organisaties de kwaliteit van het werk te garanderen en te voorkomen dat er onbedoeld vertrouwelijke informatie richting een bedrijf als OpenAI gaat, waarvan onduidelijk is wat er met de informatie gebeurt. De meeste organisaties hebben deze stap al gezet.
Meedoen met de hype of achterlopen?
Ook na het afdekken van de grootste risico’s, zien we nog veel onrust bij organisaties. Moeten ze meedoen met de AI-hype om de boot niet te missen of veiligheidshalve juist helemaal niets doen met generatieve AI? Door het ontbreken van gebruikersvriendelijke én verantwoorde tools blijven veel organisaties hangen in de besluitvorming rond AI. Terwijl het juist nu belangrijk is om als organisatie na te denken wat je zou willen doen met AI en waarom, los van de beschikbare tools. Het is een valkuil om blind mee te gaan in de hype, zonder deze vorm van digitalisering eerst goed onderzocht te hebben.
Inmiddels zijn de verwachtingen enigszins getemperd. Generatieve AI blijkt geen oplossing voor alles (maar soms wel), bijvoorbeeld omdat andere soorten algoritmes beter werken of uitlegbaarheid essentieel is in bepaalde werkprocessen. Daarnaast staat of valt generatieve AI met een goede prompt van de gebruiker en input (trainingsdata).
Heldere strategie en beleid essentieel
Een AI-strategie is belangrijk voor een organisatie, want die biedt alle medewerkers duidelijkheid over de positie van de organisatie én geeft richting aan investeringen en ontwikkelingen. Een goede AI-strategie begint met een visie, met als belangrijkste vraag waarom de organisatie AI wil gebruiken in het werk. Wat is de (verwachte) toegevoegde waarde? Denk aan een hogere efficiëntie, meer werkplezier door routinematige klusjes te automatiseren of het verbeteren of innoveren van bestaande technologie. Als zo’n visie niet goed te onderbouwen is, past AI waarschijnlijk nog niet goed bij het digitale volwassenheidsniveau van de organisatie. De AI-strategie kan overigens ook onderdeel zijn van een bredere digitaliserings- en/of innovatiestrategie.
Een goede strategie maakt verder ook de ambities van de organisatie op het gebied van AI kenbaar. Zo kan een organisatie er bijvoorbeeld naar streven om alle werknemers te laten werken volgens de AI-principes van de organisatie. Voor deze en andere ambities is het belangrijk na te gaan welke organisatiewaarden geborgd moeten worden bij de inzet van AI. Denk aan privacy, autonomie, zelfstandigheid, betrouwbaarheid, veiligheid of gelijkwaardigheid. Technologie kan bij uitstek een hulpmiddel zijn om die ambities te realiseren, maar dat hoeft dus niet altijd generatieve AI te zijn. Bijvoorbeeld wanneer de waarde betrouwbaarheid hoog in het vaandel staat bij een organisatie, maar er geen AI-tools beschikbaar zijn die voldoen aan de cybersecurityeisen.
Plan van aanpak
Een AI-strategie moet in lijn zijn met (of onderdeel van) het digitaliserings- en/of innovatiebeleid van de organisatie. De volgende stap is het ontwikkelen van een concreet plan van aanpak waarin de strategie wordt omgezet in doelen, resultaten en activiteiten. Het ontwikkelen van beleid over de inzet van AI of een proof of concept opzetten voor het gebruik van taalmodellen in het werk kunnen dan relevante resultaten zijn.