Hoe je als organisatie om moet gaan met generative AI

Generative AI is in korte tijd enorm populair geworden. Steeds meer mensen gebruiken het. Ook in een zakelijke omgeving. Hoe moet je als organisatie hiermee omgaan? Moet je wachten of het juist omarmen? Een ding is zeker: het gaat niet meer weg.

AI standaard in software

Dat het niet meer weg gaat is duidelijk als je naar grote tech bedrijven als Microsoft kijkt. Met elke release komt er meer AI standaard mee in hun software. Copilot is de persoonlijke AI metgezel die je gaat helpen je werk makkelijker en leuker te maken. Developers kunnen er code mee genereren. Creatievelingen kunnen er video’s mee bewerken. En uiteraard nog veel meer.

Onlangs kondigde ook Sitecore aan dat het in al haar producten generative AI technologie van OpenAI gaat verwerken. Een middel om marketeers efficiënter, sneller en beter hun werk te laten doen.

Hoe (veel) wordt het nu gebruikt?

Forrester onderzocht de huidige status van generative AI. Zij kwamen tot de conclusie dat het nog helemaal niet zo veel gebruikt wordt. Althans in een corporate context. Bedrijven zijn toch huiverig om het te omarmen en er vol op in te zetten. Veel organisaties zien nog veel uitdagingen vanuit vooral ethische kwesties. Voordat organisaties dus op schaal generative AI inzetten en aanbieden aan hun medewerkers is er nog een lange weg te gaan.

Wat zijn zorgen die organisaties hebben?

Imagoschade

We kennen waarschijnlijk allemaal wel het cambridge-analytica schandaal waar grote hoeveelheden data van Facebook gebruikt zijn voor politieke beïnvloeding. AI technologie voert hier de boventoon. Het beschermen van je merk tegen imagoschade is voor C-level een belangrijke taak en zijn daarom huiverig voor het vrijgeven van generative AI.

Onlangs kreeg TikTok een boete van 345 miljoen euro voor het onvoldoende beschermen van de privacy van kinderen. En gameontwikkelaar Epic is voor 275 miljoen dollar op de vingers getikt omdat de UI onvoldoende bescherming bood voor kinderen. Op zichzelf niet direct AI gerelateerd maar precies waar merken bang voor zijn. Het risico op imagoschade als gevolg van ongeoorloofd inzetten van technologie beangstigd de boardroom.

Copyright

Een van de grote vraagstukken op dit moment is hoe het zit met copyright. Als je iets produceert met behulp van AI, heb je dan automatisch het copyright? Onlangs oordeelde een Amerikaanse rechtbank dat er geen copyright berust op content die gemaakt is met generative AI. Mag je als bedrijf gegenereerde content toe-eigenen? Hoe zit dat bijvoorbeeld met software code die je schrijft? Is dat automatisch van iedereen?

Privacy

Een groot risico wat bedrijven op dit moment zien is privacy. En dan vooral vanuit organisatie-oogpunt. Als je generative AI ongecontroleerd loslaat in je organisatie, hoe voorkom je dat bedrijfskritische informatie lekt via gen AI? Het risico ligt op de loer dat open modellen gevoed worden met privacygevoelige data.

Vertrouwen in kwaliteit

Simpel gezegd heeft C-level en management nog onvoldoende vertrouwen in gen AI. Alleen al vanwege de kwaliteit. Gen AI kan mooie waardevolle dingen opleveren maar doet dat niet altijd en niet altijd in een keer goed. Het risico op desinformatie ligt op de loer en geeft dus weinig vertrouwen. Dit zal ongetwijfeld in de loop der tijd afnemen (dit was ook zo met Blockchain en de Cloud) maar speelt voorlopig mee bij veel bedrijven.

Hoe begin je als organisatie met gen AI?

Pilots

Begin vooral klein met korte pilots. Experimenteer, observeer en leer van de pilots. Bedenk vooraf goed met wie en voor welke doeleinden je de pilots doet. Stel ook hypotheses op waarin je duidelijk maakt wat je verwacht als resultaat. Doe pilots ook met een beperkte groep gebruikers met allerlei functies en ervaringsniveaus.

Analyseer goed wat het doet met je mensen en processen. Waar versterkt het? Waar loop je welk risico? Welke vaardigheden en kennis is ervoor nodig?

Use cases & pijnpunten in workflows

Denk goed na over de use cases waar je gen AI voor kunt inzetten en met welk doel. Dat je het kunt gebruiken betekent niet dat je het overal moet doen. Waar kan het je medewerkers versterken en helpen? Wat zijn belangrijk pijnpunten in je organisatie die je ermee weg kunt nemen? Wat kun je daar aan doen met AI? Stel op deze manier een aantal use cases op die je in pilot vorm draait.

Bij Creates hebben we dit bijvoorbeeld gedaan voor marketing. Content creatie kost tijd. Daarnaast hadden we een uitdaging met fotografie bij hoge volume content zoals blogs en nieuws. Door een pilot te doen met generative AI hebben we deze pijnpunten aangepakt.

Welke vaardigheden heb je nodig?

Als je met pilots start en medewerkers met AI laat werken is het goed te bedenken welke vaardigheden hiervoor nodig zijn. Daarbij zien we vooral dat het om bepaalde denkwijzen en mindset gaat maar ook over nieuwe vaardigheden. Enkele kunnen zijn:

Prompt engineering

Een prompt is de opdracht, geschreven in natuurlijk taal, waarmee je het AI model instructies geeft voor de output die je wilt laten genereren. Om kwalitatieve goede output te krijgen moet je in de wereld van prompt engineering duiken. Train je medewerkers hierin zodat ze in staat zijn in zo kort mogelijke tijd de juiste gewenste output te krijgen.

Kritisch denken (wat zijn echte taken of activiteiten die er voordeel bij hebben?)

Mensen moeten leren kritisch denken. Met de laagdrempelige toegang tot honderden AI tools ligt het gevaar op de loer dat je voor van alles AI inzet. Maar wees kritisch. Wat zijn nu echt taken of activiteiten die er voordeel bij hebben? En waar blijkt dat dan uit? Hoe meet je dat?

Hoe versterkt het je

AI kan je ontzettend veel brengen als je het op de juiste manier inzet. Leer je medewerkers daarover nadenken. Hoe wordt je er beter van? Hoe versterkt het je in je werk, je rol of functie? Je leert op andere manieren naar de toepassing kijken en het wellicht nog creatiever inzetten.

Persoonlijk gebruik ik het bijvoorbeeld om met Midjourney ideeën voor visuals en designs concreter te maken en daarmee designers beter te briefen. Het brengt soms ook nieuwe concepten die een totaal concept weer beter maken.

Leer hoe je de effecten meetbaar maakt

Leer je medewerkers vooraf kritisch na te denken over het doel en hoe het effect van de inzet van AI meetbaar gemaakt wordt. Uiteindelijk wil je aantoonbaar maken dat het mensen, processen en workflows versterkt, op welke manier dan ook. Feitelijk is het business case denken. Je stopt er iets in en je wilt laten zien wat het oplevert. Zo kun je bepalen of je ermee door moet of niet. Hiermee voorkom je wildgroei en voorkom je dat er onnodig veel tijd aan AI wordt besteedt dat niks oplevert.

Best practices met gen AI

Meet de effecten van AI in je organisatie.

Zoals hiervoor al genoemd moet je de effecten van AI in je organisatie meten. Iedere medewerker kan erover beschikken. Het moet echter wel iets toevoegen zoals creativiteit, omzet verhogen, kosten verlagen, efficiency, ontdekken van nieuwe business modelle, etc. Denk goed na over KPI’s die je moet meten.

Denk bijvoorbeeld aan het specifiek meten van de conversie bij content marketing voor content gegenereerd met AI. Of aan de tijd die iemand nodig heeft voor een bepaalde taak met en zonder AI. Let daarbij uiteraard ook op de kwaliteit van de output van AI content. Snelheid is een ding, maar het moet kwalitatief net zo goed zijn.

Documenteren van je ervaringen en bevindingen

Laat je medewerkers vastleggen wat hun ervaringen en bevindingen zijn. Welke tools heb je gebruikt? Hoeveel moeite koste het? Wat heb je ervoor moeten leren? Welke research heb je gedaan? Welke trainingen heb je gevolgd? Wat is de kwaliteit van de output? Hoe presteer je met AI op bepaalde KPI’s?

Het aantal vragen die je hierbij kunt bedenken is legio. Denk dus goed na over de use case voor je pilot en bedenk daarbij de waardevolle informatie die je wilt documenteren. Dit helpt je later om besluiten te nemen over het gebruik van generative AI in bredere context binnen je organisatie.

Leid je mensen op

Zoals wel vaker brengt nieuwe technologie nieuwe vaardigheden met zich mee. We hebben hiervoor al prompt engineering genoemd. Leid je mensen hierin op. Geef ze basistrainingen voordat ze met AI aan de slag gaan. Zo voorkom je dat je verkeerde conclusies trekt of dat het je merkimago schaadt.

Licht je mensen voor

Last but not least, werk aan voorlichting en adoptie. Breng mensen bij wat de huidige staat van AI voor jouw organisatie is. Laat zien wat al wel goed werkt en wat niet. En waar ze op moeten letten. Zoals bijvoorbeeld het controleren van feiten die ChatGPT genegeerd. Kloppen die wel? Maar ook dat wij als mensen vaak met een enorme bias naar de wereld kijken. En dus ook op die manier AI zullen instrueren.

Want uiteindelijk is dat hoe het werkt. Garbage in is garbage out. Generative AI is erg gevoelig voor hoe je het verteld zich te gedragen. En dat kan verkeerde maar ook hele goede content opleveren.