De transformatie van generatieve AI: van ‘pilots’ naar volwaardige oplossingen

In de afgelopen jaren is er een duidelijke transitie zichtbaar in de manier waarop bedrijven omgaan met generatieve AI. Waar voorheen terughoudendheid heerste vanwege de angst voor mislukkingen, is er nu een beweging richting volwaardige klantgerichte implementaties.

Deze verandering markeert een cruciale fase in de acceptatie en toepassing van AI-technologieën binnen diverse industrieën. Bedrijven zien in dat (generatieve) AI van strategische waarde is, en dat de realisatie van deze waarde mogelijk is. In dit artikel bespreken we de belangrijkste ontwikkelingen en trends rondom generatieve AI, en hoe bedrijven omgaan met de uitdagingen en kansen die deze technologie biedt.

Digitalestrategiebureau SparkOptimus bracht in mei van dit jaar een Benchmark report uit, gericht op generatieve AI customer service en sales desk, waarin interessante feiten en getallen stonden over trends binnen deze markt. Reden genoeg om de maker van deze benchmark, Matti van Engelen, uit te nodigen voor een gesprek over zijn bevindingen op het gebied van trends. Hier volgen de belangrijkste punten uit ons boeiende gesprek, deels samengevat, uiteraard, met een klein beetje hulp van AI.

Angst en voorzichtigheid bij klantgerichte oplossingen

Een van de belangrijkste redenen waarom bedrijven aanvankelijk voorzichtig waren met klantgerichte AI-oplossingen, is faalangst. Er zijn genoeg voorbeelden in het nieuws waarin AI-systemen onjuiste antwoorden genereren, dan wel door menselijke fouten of door manipulatie van gebruikers, wat leidt tot reputatieschade en verlies van klantenvertrouwen. Hierdoor kozen veel organisaties voor interne pilots voordat ze generatieve AI daadwerkelijk inzetten voor hun klanten. Het idee is dat eerst intern testen veiliger is en ruimte biedt voor het opsporen van eventuele fouten zonder direct de klantrelatie te schaden.

In 2024 is echter een duidelijke verschuiving waarneembaar vanuit het experimenteren met pilots naar daadwerkelijke marktimplementaties. Dit geldt niet alleen voor de technologie zelf, maar ook voor de mindset van bedrijven. Waar vroeger vooral werd gezegd: “We doen het liever niet,” zien we nu een houding van: “We gaan er gewoon mee aan de slag”. Alle aandacht voor AI in de markt wekte bij veel bedrijven de interesse om uit te vinden wat deze spannende nieuwe technologie zou kunnen opleveren.

Bedrijven die eerder alleen keken naar het uitwerken van use cases, beginnen nu steeds meer na te denken over hoe generatieve AI een cruciale rol kan spelen binnen hun organisaties. Een voorbeeld hiervan is een case waarbij een bedrijf generatieve-AI chatbots inzet voor jongere klanten die geen zin hebben om twintig minuten aan de telefoon te wachten, waar oudere klanten ‘gewoon’ in de wachtrij komen voor een medewerker van vlees en bloed. Dit laat zien hoe bedrijven voorzichtig de risico’s van volledige AI-automatisering verminderen door strategische segmentatie van hun klantenbestand.

Vooroordelen over AI-fouten en veranderingen in klantverwachtingen

Een terugkerend thema in de acceptatie van AI is het vooroordeel dat de technologie zwaarder wordt beoordeeld op fouten dan mensen. Wanneer een persoon een fout maakt, wordt dit vaak door de vingers gezien, maar als AI een fout maakt, haalt het snel het nieuws. Dit creëert extra druk op bedrijven om ervoor te zorgen dat hun AI-systemen foutloos werken, of op zijn minst aanzienlijk beter presteren dan menselijke medewerkers.

Een andere trend die zichtbaar wordt, is de impact van AI op klantverwachtingen. Zodra een bedrijf succesvol generatieve AI implementeert in zijn klantendienst of processen, verwachten klanten dezelfde efficiëntie van andere bedrijven. Dit is vergelijkbaar met de introductie van next-day delivery: het werd al snel de norm en bedrijven die dit niet konden aanbieden, raakten achterop. We staan aan de vooravond van een soortgelijke verandering, waarbij de integratie van AI een beslissende factor wordt voor klanten bij het kiezen van bedrijven, vooral in de service-industrie.

Veel internationaal opererende bedrijven in Nederland zijn al ver gevorderd met hun generatieve-AI-initiatieven, vaak door nauwe samenwerkingen en investeringen in technologie. Dit stelt hen in staat om concurrerend te blijven op wereldniveau. Echter, wetgeving vormt soms nog een obstakel voor verdere innovatie. Terwijl sommige sectoren vooroplopen, zoals financiële diensten en telecom, zijn andere nog bezig met het vinden van de juiste balans tussen innovatie en regelgeving.

Generatieve AI op C-level: van strategie naar uitvoering

Op C-level is generatieve AI steeds meer onderwerp van gesprek. CFO’s, bijvoorbeeld, worden geconfronteerd met de uitdaging om kostenefficiënt te zijn, terwijl ze tegelijkertijd groei moeten realiseren. Hoewel er steeds meer strategisch wordt nagedacht over de rol van AI, is de uitvoering binnen bedrijven vaak nog ad hoc en afhankelijk van de specifieke afdeling. Het is duidelijk dat de noodzaak voor een overkoepelende AI-strategie groter wordt naarmate de technologie verder integreert in bedrijfsprocessen.

Veel van de grootste valkuilen in de uitvoering zijn niet per se uniek voorg generatieve AI:

• Tech-first oplossingen bouwen zonder buy-in en verandering in de business (bijvoorbeeld: procesaanpassingen).
• Onvoldoende aandacht voor veranderingsmanagement.
• Data-uitdagingen: naast de uitdagingen die er al waren met gestructureerde data komen daar nu ongestructureerde data bij (opeens moeten bijvoorbeeld al je beleidsdocumenten up-to-date zijn als je daar kennismanagement op wilt uitvoeren)

Daarnaast is een verder risico dat bij het gebruik van generatieve AI output altijd voor waar wordt aangenomen. Er is echt significante moeite voor nodig om te zorgen dat de output op goede fundamenten rust en gecontroleerd (grounded and fact checked) is. Overtuigende hallucinaties voorkomen is een proces wat veel tijd kost. Specifiek voor customer service/support is klantacceptatie (customer acceptance) ook echt wel een onderwerp, zeker als we het hebben over tekst-naar-spraak-modellen.

Verschuiving in oplossingen: van ‘custom’ naar orkestratie

Een andere verschuiving die we zien, is de verandering in de manier waarop AI-oplossingen worden ontwikkeld. Waar voorheen vaak custom AI-modellen, meestal gebaseerd op OpenAI, werden ingezet, is er nu een trend naar meer specifieke use cases en modelorkestratie. Dit betekent dat bedrijven niet langer kiezen voor generieke oplossingen, maar AI steeds vaker inzetten op maat gemaakt voor hun specifieke sector of uitdaging.

Sommige voorlopers hebben zelfs op maat gemaakte AI-oplossingen ontwikkeld en overwegen deze nu als producten op de markt te brengen. Dit toont aan hoe ver de ontwikkeling van AI inmiddels is gevorderd.

Het grootste verschil is dat grote bedrijven deze technologie breed inzetten: veel pilots verspreid over allerlei verschillende afdelingen, om te leren en te kijken wat echt werkt. Bij kleinere bedrijven zie je toch dat ze vaak inzetten op een aantal (bewezen) big bets, simpelweg omdat ze niet de middelen hebben om van alles uit te gaan proberen. Daarnaast maken ze vaker gebruik van kant-en-klare tooling (of wachten ze bijvoorbeeld tot hun CS-software provider een bepaalde feature toevoegt) in plaats van dat ze zelf dingen bouwen.

De vraag of AI een product of een feature is blijft een interessante discussie. Zoals Marques Brownlee (Amerikaanse YouTuber) ooit zei, lijkt AI steeds meer een feature binnen bestaande producten. Toch missen veel generieke AI-oplossingen nog de nodige sectorspecifieke aanpassingen die echt waarde toevoegen. Het potentieel voor AI als onderscheidende factor ligt dus in maatwerk en customisation, niet in het simpelweg aan- of uitzetten van een generieke AI-functie.

Succesvolle ‘use cases’: lessen voor de toekomst

Er zijn inmiddels tal van succesvolle generatieve-AI-implementaties die laten zien wat de technologie kan bereiken. Een voorbeeld is het gebruik van Large Language Models (LLM’s) om fouten in ingevoerde creditcardgegevens te detecteren. Dit resulteerde in 40-50 procent minder fouten vergeleken met menselijke controles. Een ander voorbeeld is een telecombedrijf dat AI gebruikte om gesprekken samen te vatten en te bepalen of een monteur langs moest komen, met als resultaat completere en beter gestructureerde data.

Generatieve AI als motor van innovatie

De integratie van generatieve AI binnen bedrijven gaat verder dan enkel pilots en experimenten. Het wordt steeds duidelijker dat AI een sleutelrol zal spelen in de toekomst van klantinteractie en bedrijfsvoering. Terwijl sommige bedrijven nog voorzichtig blijven, tonen succesvolle gevallen aan dat er enorme voordelen te behalen zijn. Met een groeiend aantal sectoren die de technologie omarmen en verder ontwikkelen, is het slechts een kwestie van tijd voordat Gen AI een onmisbare component wordt in de dagelijkse bedrijfsvoering.

In deze overgangsfase zal het belangrijk zijn om strategisch te blijven denken, met een duidelijke focus op maatwerk en sectorspecifieke oplossingen. De bedrijven die hierin vooroplopen, zullen uiteindelijk de standaard zetten voor wat klanten verwachten in de toekomst.

De inzichten van dit artikel zijn afkomstig van Matti van Engelen, maker van het Benchmark rapport gericht op Gen AI Customer service & sales desk.

Over de auteur: Victor Eekhof en Rokesh Jankie zijn beiden actief in de DDMA.Commissie AI.