Een chatvenster waarin iemand een vraag stelt en een antwoord krijgt, ziet eenvoudig uit. Wat daaronder moet gebeuren, is dat niet. Beslisondersteuning met AI betekent dat een systeem gegevens uit meerdere bronnen combineert, ze in de juiste context plaatst en een antwoord formuleert waarop iemand durft te handelen. Elke stap in die keten stelt een eis aan de organisatie die vooraf gaat aan de vraag welk model of welk platform wordt gekozen.
Een model dat beslissingen ondersteunt, is zo goed als de gegevens die het te zien krijgt. Dat betekent dat cijfers uit verschillende systemen dezelfde definitie moeten hanteren, dat historische gegevens toegankelijk zijn zonder dat iemand ze eerst handmatig moet exporteren, en dat duidelijk is welke bron gezaghebbend is als twee systemen elkaar tegenspreken. Organisaties die dit nog niet op orde hebben, merken dat pas op het moment dat het antwoord van het systeem niet klopt met wat mensen op de vloer al wisten.
Beslisondersteuning zit vaak op het knooppunt van meerdere afdelingen: het moment waarop informatie van de ene naar de andere plek moet, wil er een goed besluit uit rollen. Dat maakt het relevant hoe coördinatie tussen afdelingen werkt in uw organisatie, want een systeem dat een advies geeft dat vervolgens tussen twee afdelingen blijft liggen, heeft niets opgeleverd. Dezelfde logica geldt voor de bronnen waarmee het advies gevoed wordt: als die bronnen bestaan uit documenten die eerst gelezen en samengevat moeten worden voordat er iets mee kan, is de vraag wat het lezen en samenvatten van documenten van de organisatie vraagt direct van invloed op de snelheid en de betrouwbaarheid van het advies dat eruit rolt.
Een deel van beslisondersteuning bestaat niet uit het beantwoorden van een vraag die iemand actief stelt, maar uit het signaleren van iets dat aandacht verdient voordat iemand ernaar vraagt. Dat stelt andere eisen dan een chatvenster: er moet iets zijn dat continu meekijkt, drempelwaarden herkent en onderscheid maakt tussen ruis en een signaal dat er echt toe doet. Wat dat vraagt van monitoring en signalering is een vraag die apart beantwoord moet worden, en wie daar wil weten wat monitoring en signalering van de organisatie vraagt, ziet dat het niet alleen om techniek gaat maar ook om wie de signalen ontvangt en wat daarmee gebeurt.
Veel beslissingen worden voorbereid in gesprekken: met klanten, met leveranciers, tussen collega's. Als die gesprekken niet vastgelegd worden op een manier die herbruikbaar is, mist het systeem dat een besluit moet ondersteunen precies het materiaal dat de aanleiding vormde. Dat maakt zichtbaar wat het vastleggen en opvolgen van gesprekken vraagt van de organisatie, een onderwerp dat rechtstreeks raakt aan de vraag of beslisondersteuning kan bouwen op iets, of op niets. Wie hier meer wil weten over wat het vastleggen en opvolgen van gesprekken vraagt, ziet het verband met de kwaliteit van elk advies dat later uit die gesprekken wordt afgeleid.
Het is niet ongewoon dat één team, met één dataset en één use case, een werkende versie van beslisondersteuning laat zien. Dat bewijst dat het kan, niet dat het organisatiebreed kan. Zodra een tweede afdeling met andere systemen, andere data-eigenaren en andere definities wil aansluiten, blijkt vaak dat de eerste versie op maat gemaakt was voor precies dat ene team. Waarom een pilot die alleen in zijn hoekje werkt niets oplevert, is dan ook niet een kwestie van tegenvallende techniek maar van een fundament dat nooit breder was aangelegd. Voor wie daar meer over wil lezen: waarom een pilot die alleen in zijn hoekje werkt niets oplevert legt uit wat er ontbreekt tussen een demo en een organisatiebrede toepassing.
Een systeem kan het best onderbouwde advies geven en toch niets veranderen, als niemand de verantwoordelijkheid draagt om ermee te werken. Dat is een organisatorisch punt, niet een technisch punt: wie is eigenaar van het advies, wie beoordeelt of het gevolgd wordt, en wie legt uit waarom het een keer niet gevolgd is. Zonder die eigenaar verdwijnt beslisondersteuning in de categorie van interessante experimenten. Waarom een demo zonder eigenaar niets oplevert, hangt samen met datzelfde punt, en wie de precieze redenering wil volgen kan die vinden op waarom een demo zonder eigenaar niets oplevert.
De eisen die beslisondersteuning stelt, gaan grotendeels over wat er al moet staan voordat het chatvenster iets betekenisvols kan doen: schone en toegankelijke data, werkende overdracht tussen afdelingen, gestructureerde vastlegging van gesprekken en documenten, en een duidelijke eigenaar voor wat het systeem oplevert. Dat is precies waarom de volwassenheidsmeting van hybridresourcing kijkt naar de fundamentele dimensies voordat de afhankelijke aan de orde komen: organisatie, IT-infrastructuur en datamanagement bepalen of er iets is om beslisondersteuning op te bouwen.
De vraag of een organisatie dit kan dragen, staat los van de vraag welk deel van het werk daadwerkelijk overgenomen kan worden door AI. Dat laatste rekent de werkscan van FTE TO AI per taak uit: welk deel van het werk zich laat overnemen, en onder welke voorwaarden. Waar deze pagina beschrijft wat er moet staan voordat beslisondersteuning kan functioneren, beschrijft de werkscan wat er, eenmaal die basis aanwezig is, concreet verschuift in het werk zelf.
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.