AI toevoegen aan een proces dat al werkt

De vraag is bijna nooit waar AI past, maar welk werk zich herhaalt. Facturen waarvan iemand de regels overneemt, aanvragen die met de hand naar de juiste afdeling gaan, documenten die worden samengevat voor een vergadering, e-mails die telkens hetzelfde antwoord krijgen in andere woorden.

Dat werk is te herkennen aan één kenmerk: het volgt een patroon, maar de invoer is elke keer anders geformuleerd. Precies daar zijn taalmodellen sterk, en precies daar loopt klassieke automatisering vast omdat je geen regels kunt schrijven voor iets wat elke keer anders is opgeschreven.

Werk dat wél in regels te vatten is, automatiseer je zonder model. Dat is goedkoper, sneller en volledig voorspelbaar. Een taalmodel gebruiken voor iets wat een berekening had kunnen zijn, is een dure omweg.

Een model dat gegevens uit een document haalt, heeft het meestal goed en soms mis. Bij tien velden en een foutmarge van enkele procenten betekent dat: regelmatig één veld verkeerd. Als dat veld een bedrag of een leverdatum is, is dat onacceptabel.

Ik bouw daarom een controlestap op de plek waar een fout duur is. Het model vult voor, een mens bevestigt. Dat kost een paar seconden per geval en scheelt nog steeds het merendeel van het werk, met een uitkomst die je kunt verantwoorden.

Belangrijk daarbij is dat de controle makkelijk moet zijn. Naast elk voorgevuld veld hoort de bron te staan, zodat iemand met één blik ziet of het klopt in plaats van het hele document opnieuw te lezen.

Bij elke inzet stuur je gegevens naar een externe partij. Dat is soms geen probleem en soms uitgesloten. Wat het altijd is: een beslissing die je vooraf neemt en vastlegt, niet iets waar je achteraf achter komt.

In de praktijk komt het neer op filteren: welke velden zijn nodig voor de taak, en welke kunnen weg. Vaak blijkt dat je met aanzienlijk minder gegevens hetzelfde resultaat haalt. Een classificatie van een aanvraag heeft de naam van de aanvrager niet nodig.

Leg daarnaast vast wat de leverancier met de gegevens mag doen en hoe lang ze bewaard worden. Bij zakelijke abonnementen is training op jouw gegevens meestal uitgesloten, maar dat moet je nakijken in plaats van aannemen.

Een externe dienst is af en toe niet beschikbaar of trager dan normaal. Als je proces daarop stilvalt, heb je een afhankelijkheid gebouwd in plaats van een verbetering.

Het handmatige pad moet dus blijven bestaan. In de praktijk betekent dat: het formulier werkt ook zonder de voorgevulde velden, en een mislukte poging komt in een wachtrij die later opnieuw wordt aangeboden in plaats van in een foutmelding voor de gebruiker.

Ook de kosten horen bij het ontwerp. Reken uit wat een verzoek kost en hoe vaak het voorkomt, en bouw een grens in. Zonder limiet is een fout in een lus een rekening in plaats van een storing.

Voer een inzet in als experiment met een meetpunt. Hoeveel gevallen gingen goed zonder correctie, hoeveel tijd kostte de controle, en wat is de doorlooptijd geworden.

Zonder die cijfers blijft het gevoel. Met die cijfers kun je onderbouwd besluiten om uit te breiden, bij te sturen of te stoppen, en dat laatste is een legitieme uitkomst.

In mijn ervaring valt het resultaat vaak lager uit dan de verwachting en hoger dan de scepsis. Zestig tot tachtig procent minder handwerk op één specifieke stap is een goed resultaat; volledige automatisering is het zelden.