Een chatvenster waarin u een document uploadt en een samenvatting terugkrijgt oogt eenvoudig. Wat daaronder gebeurt, is dat minder. Het document moet worden ingelezen, opgedeeld, geïnterpreteerd tegen de achtergrond van wat voor uw organisatie relevant is, en teruggegeven in een vorm die bruikbaar is voor wie het leest. Elke stap in die keten stelt een eis aan de organisatie eromheen. Deze pagina beschrijft wat daarvoor moet staan, niet welk deel van het werk daarmee verdwijnt.
Documenten lezen door AI omvat een reeks van taken die vaak onder één noemer worden geschaard. Een contract samenvatten is iets anders dan duizend contracten doorzoeken op een afwijkende clausule. Een vergaderverslag terugbrengen tot actiepunten is iets anders dan een jaarrapport herleiden tot de risico's die daarin verstopt zitten. Wat deze taken gemeen hebben, is dat de kwaliteit van de uitkomst afhangt van de kwaliteit van wat er wordt aangeleverd. Een slecht gescand document, een formaat dat inconsistent is, of een tekst zonder duidelijke structuur maakt het lezen zelf al onzeker, voordat er van samenvatten sprake is.
De eerste vraag is niet welk taalmodel het beste samenvat, maar of de documenten die u wilt laten lezen, toegankelijk en consistent zijn. Liggen ze verspreid over mappen, systemen en mailboxen, of zijn ze op een vindbare plek georganiseerd. Is duidelijk welke versie van een document de geldige is. Bevatten de documenten vertrouwelijke informatie die niet zomaar door een extern systeem mag worden verwerkt. Dit zijn geen technische details die later komen; het zijn de voorwaarden die bepalen of samenvatten iets oplevert waar iemand op kan vertrouwen, of iets dat elke keer opnieuw gecontroleerd moet worden.
Daarna komt de vraag hoe documenten het systeem in en uit gaan. Een los uploadvenster werkt voor incidenteel gebruik, maar wie dit structureel wil inzetten, heeft een verbinding nodig tussen de plek waar documenten ontstaan en de plek waar ze gelezen worden. Dat vraagt om koppelingen die niet losraken bij een update, en om een manier om te zien wanneer iets misgaat. Zonder die verbinding blijft lezen en samenvatten een handmatige stap: iemand die telkens opnieuw een bestand aandraagt.
Een samenvatting is pas bruikbaar als iemand weet wat ermee te doen. Dat vraagt om afspraken: wie controleert een samenvatting voordat die verder gaat, wie is verantwoordelijk als een detail wordt gemist, en wat is de norm voor wat een goede samenvatting is. Zonder die afspraken ontstaat een gewoonte waarbij mensen de uitkomst gebruiken zonder te toetsen, of juist alles opnieuw nalezen, waarmee de tijdwinst verdwijnt. De organisatie moet met andere woorden een plek hebben ingericht voor deze uitkomst, niet alleen een systeem dat hem produceert.
Zodra documenten gelezen worden, ontstaat al snel de vraag naar wat ermee gebeurt. Een samenvatting van een gesprek is aanverwant aan wat gesprekken vastleggen en opvolgen van een organisatie vraagt; een samenvatting die automatisch een vervolgactie moet triggeren, raakt aan wat nodig is voor agents die werk uitvoeren. En zodra een samenvatting wordt gebruikt om een keuze te onderbouwen, verschuift het vraagstuk naar wat beslisondersteuning van diezelfde datamanagement en dezelfde afspraken vraagt. Documenten lezen is zelden het eindpunt; het is meestal de eerste schakel in een keten die verder loopt dan het chatvenster laat zien.
De verleiding is om te beginnen bij het model dat het beste samenvat. Maar een model dat goed samenvat, levert weinig op als de documenten die het te lezen krijgt inconsistent zijn, als er geen verbinding is met de plek waar ze ontstaan, en als niemand heeft vastgelegd wie de uitkomst controleert. Organisatie, infrastructuur en datamanagement gaan voor: dat is niet een volgorde van voorkeur, maar de volgorde waarin het werkt. Een organisatie die deze fundamenten niet op orde heeft, ziet een pilot die goed oogt in een demo, maar die vastloopt zodra de documenten minder schoon zijn dan het testbestand.
Deze pagina beschrijft wat er moet staan voordat het lezen en samenvatten van documenten iets oplevert waarop een organisatie kan bouwen. Ze beantwoordt niet de vraag welk deel van het werk dat nu met documenten gemoeid is, daadwerkelijk over te nemen is. Dat is een andere vraag, die per taak en per document anders uitvalt, afhankelijk van hoe herhaalbaar het werk is en hoeveel context nodig is om het goed te doen.
De werkscan van FTE TO AI rekent dat door: per taak wordt uitgerekend welk deel van het werk door AI over te nemen is, gegeven de aard van het werk en de voorwaarden die ervoor gelden. Waar deze pagina de gereedheid van de organisatie beschrijft, brengt de werkscan in kaart wat er, zodra die gereedheid er is, daadwerkelijk verschuift.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.