S06E56 - Ontsluit het volledige potentieel van jouw AI-experiment

In deze aflevering van AIToday Live staat het opzetten van een effectief AI-experiment centraal. De luisteraars krijgen inzicht in de essentiële stappen voor het plannen en uitvoeren van AI-experimenten, met de nadruk op het belang van een helder doel en een goed gedefinieerde hypothese.

Aan de hand van een concrete case, waarbij een universiteit jaarlijks 13.000 e-mails over toelatingseisen ontvangt, wordt verkend hoe generatieve AI kan bijdragen aan het verbeteren van de efficiëntie en effectiviteit van de communicatie. Deze aflevering belicht de uitdagingen en overwegingen bij het kiezen van de juiste technologische oplossing, of het nu gaat om een verbeterde zoekfunctie, het gebruik van templates of de implementatie van een gespecialiseerde chatbot.

Luisteraars worden aangemoedigd om na te denken over de specifieke doelen die ze willen bereiken met hun AI-initiatieven en hoe deze doelen meetbaar gemaakt kunnen worden.

Links

• Canvas: Aigency AI Experiment Canvas (https://aigency.com/wp-content/uploads/2024/07/Achterkant_AI_Canvas_v3-scaled.jpg)

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:00,001 --> 00:00:06,600
Hoi, leuk dat je weer luistert naar een korte aflevering van AIToday Live.

2
00:00:06,600 --> 00:00:11,200
Dit is wel een leuke want het wordt namelijk een drieluik.

3
00:00:11,200 --> 00:00:14,040
Dus vandaag krijg je deel 1 te horen.

4
00:00:14,040 --> 00:00:19,960
En we gaan het namelijk hebben over hoe zet je nou een goed AI-experiment op.

5
00:00:19,960 --> 00:00:25,080
Mijn naam is Joop Snijder, CTO bij Aigency en ik ga je erbij helpen.

6
00:00:25,080 --> 00:00:32,480
Waarom is het nou zo belangrijk dat als je wilt gaan experimenteren met AI dat je dat

7
00:00:32,480 --> 00:00:35,040
op deze manier gaat aanpakken?

8
00:00:35,040 --> 00:00:41,280
Het eerste punt is dat het belangrijk is dat je dingen goed vastlegt wat je gaat doen.

9
00:00:41,280 --> 00:00:43,920
Dus dat je een duidelijk plan hebt.

10
00:00:43,920 --> 00:00:51,560
Een experiment is kort, is een soort van pressure cooking formaat waarin je in een hele korte

11
00:00:51,560 --> 00:00:59,440
periode wil bewijzen dat wat je in je hoofd hebt, dat dat kan, dat dat werkt, dat je data

12
00:00:59,440 --> 00:01:04,000
daarvoor in orde is en eigenlijk dat het ook waarde oplevert.

13
00:01:04,000 --> 00:01:06,480
Dus dat is het allerbelangrijkste.

14
00:01:06,480 --> 00:01:13,600
Ik heb bij zoveel kickstart-offs gezeten, bij zoveel start van projecten waarbij er vooral

15
00:01:13,600 --> 00:01:18,000
wordt gesproken over wat voor processen we gaan volgen en allemaal dat soort dingen.

16
00:01:18,000 --> 00:01:20,960
Maar er wordt eigenlijk niet vastgelegd namelijk wat is het doel.

17
00:01:20,960 --> 00:01:26,000
Dus dat betekent dat je aan de start staat, het startslot gaat af en iedereen loopt een

18
00:01:26,000 --> 00:01:28,520
hele andere kant op en niemand rent naar de finish.

19
00:01:28,520 --> 00:01:29,520
Dus dat wil je niet.

20
00:01:29,520 --> 00:01:34,080
Dus goed vastleggen wat ga je doen en waarom ga je het doen.

21
00:01:34,080 --> 00:01:40,840
En dat is zeker voor AI experimenten van essentieel belang omdat er namelijk heel veel onzekerheden

22
00:01:40,840 --> 00:01:41,840
zijn.

23
00:01:41,840 --> 00:01:47,560
Kijk, als we een, laten we zeggen, traditioneel software systeem gaan maken dan kan je daar

24
00:01:47,560 --> 00:01:51,840
requirements voor schrijven, specificaties, weet je wat je moet doen.

25
00:01:51,840 --> 00:01:57,360
Eigenlijk gaat het daarom als je maar genoeg tijd, geld en de juiste expertise er tegenaan

26
00:01:57,360 --> 00:02:00,800
zet weet je dat je krijgt wat je vraagt.

27
00:02:00,800 --> 00:02:03,200
Dus bij AI is dat gewoon anders.

28
00:02:03,200 --> 00:02:05,720
Dus welke data heb je?

29
00:02:05,720 --> 00:02:10,240
Zitten de patronen die je denkt dat in die data zou moeten zitten, zitten die er wel

30
00:02:10,240 --> 00:02:11,240
in?

31
00:02:11,240 --> 00:02:17,800
Heb je je data, heb je die wel, zitten die niet in bijvoorbeeld andere silo's of heb

32
00:02:17,800 --> 00:02:25,760
je je data op een heel ander detailniveau dan die je nodig hebt voor het creëren van het

33
00:02:25,760 --> 00:02:26,760
algoritme.

34
00:02:26,760 --> 00:02:32,240
Bij generatieve AI gaat het er natuurlijk ook over van ja is de stand van de techniek

35
00:02:32,240 --> 00:02:36,680
al zover dat precies dat kan wat jij hoopt dat het kan.

36
00:02:36,680 --> 00:02:45,080
Dus wat je met een AI experiment probeert te doen is risico's verlagen, je probleem kleiner

37
00:02:45,080 --> 00:02:50,160
maken en heel snel inzicht krijgen in waarden.

38
00:02:50,160 --> 00:02:53,520
Van hoeveel waarden zit je in?

39
00:02:53,520 --> 00:03:03,040
Om het allemaal concreet te maken leek het mij leuk om ook een concrete case te pakken.

40
00:03:03,040 --> 00:03:07,160
Er is een open aanbesteding geweest van de universiteit.

41
00:03:07,160 --> 00:03:15,040
En de universiteit die krijgt 13.000 mailtjes per jaar binnen over de toelatingseisen of

42
00:03:15,040 --> 00:03:18,840
studenten ook de studie kunnen volgen.

43
00:03:18,840 --> 00:03:26,040
En wat zij dachten is van hey mailtjes misschien kunnen we die automatisch beantwoorden.

44
00:03:26,040 --> 00:03:27,560
Zeker nu met generatieve AI.

45
00:03:27,560 --> 00:03:29,600
Dus die hadden een case uitgezet.

46
00:03:29,600 --> 00:03:34,120
En ze dachten dat is nou een mooi case om te laten zien hoe je dit soort dingen aanpakt.

47
00:03:34,120 --> 00:03:39,280
En het geldt voor, want we gaan het hier zo direct hebben over generatieve AI, maar het

48
00:03:39,280 --> 00:03:44,640
geldt ook zo direct voor andere machine learning AI systemen.

49
00:03:44,640 --> 00:03:45,800
Het gaat eigenlijk om het idee.

50
00:03:45,800 --> 00:03:48,200
Nou, dus die case.

51
00:03:48,200 --> 00:03:49,400
13.000 mail.

52
00:03:49,400 --> 00:03:54,800
Ze zijn ongeveer vier minuten per mail bezig om dat te beantwoorden.

53
00:03:54,800 --> 00:04:01,800
Maar daar komt ook nog allerlei opvolging omdat er info ontbreekt van de student.

54
00:04:01,800 --> 00:04:06,640
Dus dat er niet precies gezegd kan worden van "oh ja, weet je, je voldoet aan de toelatingseisen,

55
00:04:06,640 --> 00:04:07,640
ja of nee".

56
00:04:07,640 --> 00:04:11,000
Dus daar komt nog zo'n 180 uur opvolging bij.

57
00:04:11,000 --> 00:04:18,760
En zeg dat dat 100 euro per uur kost voor het beantwoorden van dit soort mail.

58
00:04:18,760 --> 00:04:26,560
Dan heb je te maken met 100.000 euro die je besteedt per jaar aan het beantwoorden van

59
00:04:26,560 --> 00:04:27,560
deze mails.

60
00:04:27,560 --> 00:04:32,480
Dus in ieder geval, als je dat soort dingen uitrekent, weet je van "oh ja, misschien…"

61
00:04:32,480 --> 00:04:36,120
Dan weet je in ieder geval wat een mogelijk budget zou kunnen zijn.

62
00:04:36,120 --> 00:04:40,720
Met 100.000 euro per jaar is wat te doen als je dat naar beneden zou kunnen krijgen.

63
00:04:40,720 --> 00:04:47,280
En dan bij zo'n experiment, ik begon al van "wat is je doel?".

64
00:04:47,280 --> 00:04:52,200
Want als we het hebben over die kosten, dan zou je misschien denken "oh maar, het gaat

65
00:04:52,200 --> 00:04:54,720
misschien om het verlagen van de kosten".

66
00:04:54,720 --> 00:04:58,400
Maar wat als dat nou niet je doel was?

67
00:04:58,400 --> 00:05:04,640
Als het nou het doel is van "ja maar misschien willen we juist meer studenten aantrekken".

68
00:05:04,640 --> 00:05:10,480
Waardoor het dus veel belangrijker is om hele goede informatie te geven zodat veel meer

69
00:05:10,480 --> 00:05:15,240
studenten zich aanmelden voor deze studie.

70
00:05:15,240 --> 00:05:22,640
Misschien gaat het wel over dat je eigenlijk je medewerkers tevredenheid wil verhogen.

71
00:05:22,640 --> 00:05:25,040
Zodat ze minder mail hoeven af te handelen.

72
00:05:25,040 --> 00:05:30,440
Omdat dat misschien wordt ervaren als een heel vervelend, lastig klusje.

73
00:05:30,440 --> 00:05:33,320
Dan heb je het over een heel ander doel.

74
00:05:33,320 --> 00:05:39,800
Uiteraard kan het ook zijn dat je zegt "ja maar we willen die kosten willen we verlagen.

75
00:05:39,800 --> 00:05:46,520
Dus we willen die mailtjes veel meer geautomatiseerd beantwoorden".

76
00:05:46,520 --> 00:05:50,480
Maar het zou ook kunnen zijn dat je juist de studenten tevredenheid wil hebben omdat

77
00:05:50,480 --> 00:05:52,440
je dan sneller antwoordt.

78
00:05:52,440 --> 00:05:56,400
Dus nu zit er een bepaalde doorlooptijd in het beantwoorden van die mailtjes.

79
00:05:56,400 --> 00:05:59,320
Dan zeg je misschien "ja, misschien willen we dat verlagen".

80
00:05:59,320 --> 00:06:06,000
Dus het heel goed nadenken over "ja maar wat wil je nou exact bereiken?"

81
00:06:06,000 --> 00:06:15,680
Is het allerbelangrijkste voordat je überhaupt verder nadenkt over "wat is nou de invulling

82
00:06:15,680 --> 00:06:18,120
en wat gaan we exact doen?"

83
00:06:18,120 --> 00:06:25,080
Dus stel, we kiezen ervoor als doelstelling kunnen we meer studenten werven als de toelatingseisen

84
00:06:25,080 --> 00:06:26,080
duidelijker zijn.

85
00:06:26,080 --> 00:06:30,440
En als dit de doelstelling is die bij je past, kunnen we het nog specifieker maken.

86
00:06:30,440 --> 00:06:37,000
Namelijk kunnen we 10% meer studenten werven in dit jaar als de toelatingseisen duidelijker

87
00:06:37,000 --> 00:06:38,000
zijn voor studenten.

88
00:06:38,000 --> 00:06:42,400
En dan heb je uiteindelijk ook een meetbaar resultaat, een meetbaar doel.

89
00:06:42,400 --> 00:06:47,960
En dan ga je nog een stapje verder en dan gaan we zeggen van "ja maar wat is dan de

90
00:06:47,960 --> 00:06:48,960
hypothese?"

91
00:06:48,960 --> 00:06:54,040
En de hypothese, net hebben we eigenlijk een vraag gesteld, vraagteken erachter.

92
00:06:54,040 --> 00:06:58,240
Hypothese hebben we, gaan we een uitroepteken erachter zetten.

93
00:06:58,240 --> 00:07:02,320
En bij de hypothese gaan we dus nadenken "ja hoe zouden we dan invulling kunnen geven

94
00:07:02,320 --> 00:07:03,880
aan deze vraag?"

95
00:07:03,880 --> 00:07:09,880
Dus je zou kunnen denken van "hebben we misschien een betere zoekfunctie nodig op de website?"

96
00:07:09,880 --> 00:07:12,280
"Zouden we templates kunnen gebruiken?"

97
00:07:12,280 --> 00:07:15,440
Of "hebben we een chatbot nodig?"

98
00:07:15,440 --> 00:07:19,560
Kijk uiteindelijk in die aanbesteding stond meteen al de chatbot, maar de vraag is of

99
00:07:19,560 --> 00:07:23,880
je die technologie ook meteen zeg maar als uitgangspunt moet nemen.

100
00:07:23,880 --> 00:07:31,520
Want als we de betere zoekfunctie website kiezen, dan heb je misschien vaak nog specifiekere

101
00:07:31,520 --> 00:07:34,160
persoonlijke info nodig van de mensen.

102
00:07:34,160 --> 00:07:38,960
Of als je templates gaat inzetten, heb je nog steeds wel handwerk, maar neem misschien

103
00:07:38,960 --> 00:07:42,160
dat handwerk heel erg af en kan je ook je doel bereiken.

104
00:07:42,160 --> 00:07:47,720
Ga je een chatbot inzetten, ja dan moet je er een hele gespecialiseerde chatbot van maken

105
00:07:47,720 --> 00:07:52,240
die dus alleen antwoord geeft op die toelatingseisen.

106
00:07:52,240 --> 00:07:57,720
En hoe verlaag je dan uiteindelijk het aantal mail?

107
00:07:57,720 --> 00:08:04,600
Nou de volgende stap is het kiezen van je hypothese en hoe dat gaat en hoe je die uiteindelijk

108
00:08:04,600 --> 00:08:10,560
ook heel specifiek en meetbaar maakt, dat hoor je volgende week in deel 2.

109
00:08:10,560 --> 00:08:16,160
Trouwens, het AI-experiment kun je downloaden, gratis, geen data.

110
00:08:16,160 --> 00:08:19,000
En ze zeggen al "gratis dan kost je dat wat".

111
00:08:19,000 --> 00:08:22,360
Hier helemaal niks, alleen downloaden en het gebruiken.

112
00:08:22,360 --> 00:08:23,960
Link staat in de show notes.

113
00:08:23,960 --> 00:08:25,240
Dankjewel voor het luisteren!

114
00:08:25,240 --> 00:08:27,240
[Muziek]