Kan AI antwoord geven uit onze eigen gegevens?

Kan AI antwoord geven uit onze eigen gegevens?

Dat kan, en het is de meest gevraagde AI-toepassing van dit moment. De techniek is niet het moeilijke deel. Het moeilijke deel is dat een antwoord dat er goed uitziet en niet klopt, erger is dan geen antwoord, want niemand controleert het een tweede keer.

Waarom iedereen dit tegelijk wil

De vraag komt bijna altijd in dezelfde vorm binnen. Er is een pakket dat al jaren draait. Daar zit alles in: orders, uren, voorraad, facturen, klantgegevens. En er is niemand die er een vraag aan kan stellen zonder eerst iemand anders te storen.

Wie het wél kan, is meestal één persoon. Die maakt een export, gooit hem in een spreadsheet, en mailt het antwoord. Als hij op vakantie is, wacht de vraag.

Dat is de kern. Het gaat niet over AI. Het gaat erover dat de gegevens er allang zijn en dat er geen deur in zit.

Waarom een dashboard dit niet oplost

De gebruikelijke oplossing is een dashboard. Iemand bedenkt vooraf welke vragen er gesteld gaan worden, bouwt daar grafieken bij, en die staan er dan.

Dat werkt voor de vragen die iemand vooraf bedacht heeft. Het werkt niet voor de vraag van vanmiddag.

*”Wat was de doorlooptijd in de eerste twee weken van januari, alleen voor de klanten in Noord-Holland, en hoe verhoudt zich dat tot vorig jaar?”* Daar is geen grafiek voor. Die komt er ook niet, want tegen de tijd dat hij gebouwd is, is de vraag weg.

Wij bouwen om die reden soms expres géén dashboard. Een dashboard beantwoordt de vragen van vorig jaar. Het probleem is de vraag van nu.

De vraag die u eerst moet beantwoorden

Vóór de techniek komt er één vraag, en die bepaalt of dit werkt:

*Staat er in uw gegevens wat u denkt dat er staat?*

Dat klinkt flauw, en het is het niet. In elk systeem dat jaren meegaat zitten velden die ooit voor iets anders bedoeld waren. Een statusveld waar drie mensen een eigen betekenis aan geven. Een datum die bij de één de afspraak is en bij de ander de oplevering. Een klantnummer dat twee keer voorkomt omdat iemand ooit een dubbele kaart maakte.

Zolang een mens de vragen stelt, gaat dat goed. Die weet dat status 4 bij Jan iets anders betekent. Zodra een machine het antwoord geeft, verdwijnt die kennis, en het antwoord ziet er precies zo overtuigend uit als een antwoord dat wél klopt.

Daarom beginnen wij hier niet met bouwen maar met kijken. Zo werken wij: eerst uitzoeken wat er werkelijk in staat, dan pas wat we ermee doen.

Waarom “meestal goed” hier niet goed genoeg is

Dit is het punt waar de meeste van deze projecten omvallen, en het is geen technisch punt.

Een zoekmachine die in negen van de tien gevallen het juiste resultaat bovenaan zet, is een goede zoekmachine. U ziet zelf wel of het klopt.

Een antwoord in een hele zin is iets anders. *“In de eerste twee weken van januari was de gemiddelde doorlooptijd 6,4 dagen.”* Daar gaat niemand achteraan. Het is een getal in een zin, het klinkt precies, en het wordt doorverteld in een vergadering.

Klopt het niet, dan merkt u dat weken later, of nooit. En dan is het vertrouwen weg, niet alleen in dit ding maar in het hele onderwerp. Dat is wat wij bedoelen met AI zegt te vaak ja: het moeilijkste is niet een antwoord krijgen, het is een “dat weet ik niet” krijgen.

Hoe wij het dan wél doen

Vier dingen, en ze zitten er vanaf het begin in. Achteraf inbouwen lukt niet, want dan is het vertrouwen al een keer gebroken.

De vraag wordt vertaald naar een échte zoekopdracht. Niet een taalmodel dat een getal verzint dat plausibel is, maar een model dat de vraag omzet naar een opdracht die uw database zelf uitvoert. Het getal komt dus uit uw systeem, niet uit het model.

Het antwoord wijst naar zijn bron. Onder elk antwoord staat waar het vandaan komt: welke tabel, welke periode, hoeveel regels. Zodat iemand het na kan lopen, en zodat u ziet wanneer het over de verkeerde verzameling ging.

Hij mag nee zeggen. Een vraag die niet te beantwoorden is met de gegevens die er zijn, hoort “dat kan ik hier niet uit halen” op te leveren. Dat is de moeilijkste eis van de vier, en de belangrijkste.

Hij komt niet verder dan hij mag. Wie de vraag stelt, bepaalt wat hij te zien krijgt. Iemand van de werkvloer krijgt geen omzetcijfers omdat hij toevallig de goede vraag typte.

Uw bestaande pakket hoeft er niet uit

Dit is geen vervanging. De gegevens blijven staan waar ze staan; er komt een deur bij.

Meestal is dat een koppeling met uw pakket, Exact Online, SnelStart, AFAS, of het pakket dat bij u al jaren meegaat. In veel gevallen blijkt onderweg dat het pakket niet het probleem was en dat het systeem er helemaal niet uit hoeft.

Dat is ook meteen het verschil met een project dat vastloopt. Waarom AI-projecten mislukken gaat bijna nooit over het model en bijna altijd over de aanname eronder.

Wanneer wij zeggen: niet doen

Er zijn drie gevallen waarin wij dit afraden, en dat zeggen we liever vooraf dan achteraf.

Als er maar één vraag is. Wilt u elke maandag hetzelfde weten, dan is dat een rapport van een halve dag werk, geen gesprek met uw database.

Als de gegevens rommelig zijn en niemand ze wil opruimen. Dan bouwt u een machine die met grote stelligheid onzin uitspreekt. Opruimen eerst; dat is saai en het is de hele winst.

Als het antwoord ergens toe leidt waar u niet aan wilt vastzitten. Gaat iemand op basis van zo’n antwoord een prijs afgeven of een toezegging doen, dan wilt u een mens in de lijn. Niet omdat de techniek het niet kan, maar omdat u het risico dan zelf draagt.

Wat het bij u zou opleveren

Dat weten wij niet zonder gekeken te hebben, en we gaan het niet raden.

Wat we wél kunnen doen is dit: één middag meekijken met de persoon die nu de exports maakt. Welke vragen krijgt hij, hoe vaak, en hoe lang doet hij erover. Daar komt een getal uit dat van u is, en op dat getal kunt u een besluit nemen.

Bel Marc op 036 52 98 447, of mail info@cloudzicht.nl. Dan plannen we die middag.