S07E92 - AI productiviteitsparadox: waarom persoonlijke tools niet genoeg zijn

In een recente aflevering van AIToday Live wordt de AI-productiviteitsparadox besproken. Onderzoek toont aan dat persoonlijke AI-tools vaak niet de beloofde productiviteitswinst opleveren.

De echte waarde van AI ligt volgens de podcast in de integratie in bedrijfsprocessen met hoge frequentie, groot volume en duidelijke patronen. Drie implementatiepatronen worden besproken: Retrieval Augmented Generation, AI-enabled applicaties en AI-agents.

De aflevering concludeert dat organisaties zich beter kunnen richten op het herontwerpen van bedrijfsprocessen waar AI echt verschil kan maken, in plaats van te focussen op individuele tijdsbesparing.

Onderwerpen

• AI-productiviteitsparadox
• Waarde van AI in bedrijfsprocessen
• Risico van suboptimalisatie
• AI-implementatiepatronen
• Focus op procesoptimalisatie

Links

• Podcast: AIToday Live podcast
• Onderzoek: National Bureau of Economic Research | NBER
• Podcast aflevering: AIToday Live - Aflevering 42 van seizoen 6 over creatief werk
• Podcast aflevering: AIToday Live - Aflevering over de kunst van het niet doen
• Technologie: What is RAG? - Retrieval-Augmented Generation AI Explained - AWS
• Technologie: Applications of artificial intelligence (AI) | Google Cloud
• Technologie: Doeltreffend met AI Agents - Joop Snijder | Managementboek.nl

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
00:00:02,580 --> 00:00:06,460
Hoi, welkom bij deze nieuwe aflevering van AIToday Live.

2
00:00:06,980 --> 00:00:11,800
Vandaag ietsje langer dan je gewend bent, maar ik wil ook ergens even wat dieper induiken.

3
00:00:12,160 --> 00:00:14,480
Mijn naam is Joop Snijder, CTO bij AIgency.

4
00:00:14,680 --> 00:00:22,180
En vandaag gaan we het namelijk hebben over de paradox die ik wat vaker tegenkom in gesprekken met organisaties.

5
00:00:23,020 --> 00:00:26,740
Kijk, iedereen praat namelijk over AI en productiviteit.

6
00:00:27,480 --> 00:00:29,240
ChatGPT hier, Copilot daar.

7
00:00:29,600 --> 00:00:36,900
We krijgen allemaal persoonlijke AI-assistenten die ons helpen met e-mails schrijven, documenten samenvatten en ideeën brainstormen.

8
00:00:37,210 --> 00:00:38,200
Nou, fantastisch toch?

9
00:00:38,860 --> 00:00:46,940
Maar hier is het ding, die uren die je bespaart verdwijnen vaak gewoon weer in nieuwe, soms gewoon triviale taken.

10
00:00:47,600 --> 00:00:50,620
En de werkelijke productiviteitswinst, ja, die valt dan tegen.

11
00:00:52,360 --> 00:00:55,480
Kijk, de echte doorbraak zit er namelijk niet in persoonlijke tools.

12
00:00:55,720 --> 00:00:58,640
Die zijn leuk, nuttig zelfs. Ik gebruik ze ook.

13
00:00:58,770 --> 00:01:02,619
Maar de werkelijke waarde ontstaat wanneer je AI integreert in je bedrijfsprocessen.

14
00:01:03,700 --> 00:01:07,320
Wanneer AI deel wordt van hoe je organisatie echt werkt.

15
00:01:07,940 --> 00:01:11,980
Want laten we eerlijk zijn, veel bedrijven worstelen met een simpele realiteit.

16
00:01:12,580 --> 00:01:16,280
Je moet hetzelfde werk doen met minder mensen terwijl de markt alleen maar krapper wordt.

17
00:01:16,940 --> 00:01:20,460
Denk aan personeelstekorten, stijgende kosten, dat soort zaken.

18
00:01:21,120 --> 00:01:22,700
En de vraag blijft hetzelfde.

19
00:01:23,160 --> 00:01:26,860
Hoe houd je kwaliteit en prestaties op peil wanneer je middelen beperkt zijn?

20
00:01:27,560 --> 00:01:33,600
In onze eerdere afleveringen over AI agents bespraken we al hoe je één proces kunt optimaliseren.

21
00:01:34,100 --> 00:01:37,360
Maar dat het knelpunt dan vaak gewoon verschuift naar de volgende stap.

22
00:01:38,260 --> 00:01:41,660
En daarom is het zo belangrijk om het totale plaatje te bekijken.

23
00:01:43,200 --> 00:01:46,720
AI wordt vaak behandeld als de heilige graal.

24
00:01:48,080 --> 00:01:52,580
Zodra er een uitdaging opduikt, grijpen we meteen naar deze nieuwe technologie.

25
00:01:53,100 --> 00:01:55,040
Hopen op een oplossing die alles verandert.

26
00:01:55,680 --> 00:02:00,000
Maar echte bedrijfswaarde komt voort uit eerst begrijpen van het probleem.

27
00:02:00,580 --> 00:02:05,460
Dan pas zorgvuldig de juiste technologie kiezen als die er al is.

28
00:02:07,120 --> 00:02:09,600
En de grote vraag is natuurlijk waar zit de echte winst?

29
00:02:09,880 --> 00:02:14,240
Want uit recent onderzoek van het National Bureau of Economic Research.

30
00:02:14,920 --> 00:02:16,320
Staat trouwens in de show notes.

31
00:02:17,730 --> 00:02:19,740
Het is een instituut uit Denemarken.

32
00:02:20,220 --> 00:02:22,380
En die brengt echt wel verrassende inzichten.

33
00:02:22,860 --> 00:02:26,520
Ze hebben echt grootschalig onderzoek gedaan naar adoptie.

34
00:02:26,860 --> 00:02:31,020
Om die te koppelen aan administratieve arbeidsgegevens.

35
00:02:31,800 --> 00:02:35,980
En dan vonden ze twee jaar na de introductie van AI chatbots.

36
00:02:36,660 --> 00:02:39,840
Geen meetbaar effect op inkomsten of gewerkte uren.

37
00:02:40,460 --> 00:02:44,900
Effecten groter dan 2% die konden ze gewoon uitsluiten.

38
00:02:45,960 --> 00:02:50,160
En dit gold zelfs voor intensieve gebruikers, early adapters.

39
00:02:50,740 --> 00:02:53,000
Werkplekken met aanzienlijke AI investeringen.

40
00:02:53,000 --> 00:02:56,920
En zoals zij schreven werknemers die zelf grote winsten rapporteerden.

41
00:02:57,920 --> 00:03:02,440
Kijk wat ze wel zagen is adoptie leidde tot bijvoorbeeld beroepsverandering.

42
00:03:02,680 --> 00:03:05,820
En taakherstructurering zoals zij dat zo mooi schreven.

43
00:03:06,480 --> 00:03:11,700
Maar dus eigenlijk zonder netto veranderingen in uren of in inkomsten.

44
00:03:12,660 --> 00:03:16,720
En de verhalen daarom over een dreigende verstoring door generatieve AI.

45
00:03:17,440 --> 00:03:19,860
Ja die wordt door dit onderzoek weerlegd.

46
00:03:21,400 --> 00:03:25,420
tenminste in die persoonlijke productiviteitsverbetering.

47
00:03:25,820 --> 00:03:27,980
En betekent dit dat dan AI geen waarde heeft?

48
00:03:27,980 --> 00:03:28,880
Nou dat denk ik niet.

49
00:03:29,480 --> 00:03:32,080
Alleen anders dan wat misschien nu denken

50
00:03:32,120 --> 00:03:34,220
of waar we heel erg nadrukkelijk mee bezig zijn.

51
00:03:35,560 --> 00:03:39,120
Kijk de sleutel ligt wat mij betreft in het zoeken naar processen

52
00:03:39,700 --> 00:03:42,860
met kenmerken zoals dat het een hoge frequentie heeft.

53
00:03:42,980 --> 00:03:44,300
Dus dingen die je vaak herhaalt.

54
00:03:44,300 --> 00:03:45,160
Een groot volume.

55
00:03:45,400 --> 00:03:47,060
Taken die op grote schaal gebeuren.

56
00:03:47,700 --> 00:03:50,000
Waar je duidelijke patronen in kan herkennen.

57
00:03:51,000 --> 00:03:52,800
En dat het repetitief is.

58
00:03:53,060 --> 00:03:56,360
Voorspelbare activiteiten die veel tijd, geld of middelen kosten.

59
00:03:56,940 --> 00:04:01,720
En door hier te beginnen ontsluit je de werkelijke schaalbare waarden van AI.

60
00:04:01,780 --> 00:04:03,620
Dus niet in je persoonlijke workflow.

61
00:04:04,040 --> 00:04:06,440
Maar dus in grote volumes in je bedrijfsprocessen.

62
00:04:07,600 --> 00:04:09,480
Maar ook hier schuilt een risico.

63
00:04:09,780 --> 00:04:11,699
En dat is het risico van suboptimalisatie.

64
00:04:13,300 --> 00:04:16,480
Je optimaliseert dan één stap of afdeling.

65
00:04:17,079 --> 00:04:19,780
Maar de rest van het bedrijfsproces wordt er misschien niet beter van.

66
00:04:20,400 --> 00:04:21,459
Soms wordt het zelfs slechter.

67
00:04:22,560 --> 00:04:25,720
Daarom zijn technieken uit de procesanalyse zo waardevol.

68
00:04:25,920 --> 00:04:28,520
Je brengt het hele proces in kaart van begin tot eind.

69
00:04:28,900 --> 00:04:32,780
En niet alleen de activiteiten, maar ook de wachttijden tussen stappen.

70
00:04:33,860 --> 00:04:36,560
Samen met de mensen die het werk daadwerkelijk doen.

71
00:04:36,740 --> 00:04:40,820
Want wat er op papier staat en wat er in de praktijk gebeurt, zijn vaak twee verschillende dingen.

72
00:04:41,440 --> 00:04:47,020
In aflevering 42 van seizoen 6 over creatief werk hadden we het al over het belang van medewerkers bedrijven.

73
00:04:47,040 --> 00:04:49,520
trekken bij het in kaart brengen van dit soort processen.

74
00:04:50,700 --> 00:04:55,720
En zelfs wanneer je het knelpunt hebt gevonden, is AI niet altijd het antwoord.

75
00:04:55,940 --> 00:04:58,800
Soms kun je de stap gewoon elimineren, weghalen.

76
00:04:59,240 --> 00:05:04,420
Of het proces herontwerpen, traditionele automatisering gebruiken.

77
00:05:05,000 --> 00:05:11,340
De vraag is, kunnen we deze taak echt automatiseren en verbeteren met AI?

78
00:05:12,460 --> 00:05:17,720
Als AI de juiste keuze is, zijn er drie veel voorkomende patronen die je kunt gebruiken.

79
00:05:18,000 --> 00:05:19,780
En laat me ze wat dieper uitleggen.

80
00:05:19,880 --> 00:05:24,640
De eerste is Retrieval Augmented Generation of RAG RAC.

81
00:05:25,280 --> 00:05:28,660
En dit is wel vaak de meest toegankelijke optie.

82
00:05:29,060 --> 00:05:33,060
Dus RAC combineert de kracht namelijk van taalmodellen met je eigen bedrijfsdata.

83
00:05:33,420 --> 00:05:34,660
En waarom is dat zo belangrijk?

84
00:05:35,640 --> 00:05:37,840
Grote taalmodellen zijn ongelooflijk krachtig.

85
00:05:38,320 --> 00:05:41,840
Ze kunnen realistische tekst genereren, helpen met code schrijven.

86
00:05:42,020 --> 00:05:42,480
Dat soort dingen.

87
00:05:43,160 --> 00:05:47,080
Maar ze worstelen vaak met feitelijke nauwkeurigheid.

88
00:05:49,300 --> 00:05:52,440
Kijk, ze weten niets van de laatste informatie bijvoorbeeld.

89
00:05:52,820 --> 00:05:57,760
En vooral niet over onderwerpen die specifiek zijn voor jouw bedrijf, voor jouw organisatie.

90
00:05:59,000 --> 00:06:05,900
En deze techniek, RAC, Retrievolkman de Generation, los het op door je taalmodel te verbinden met eigen kennisbanken.

91
00:06:08,140 --> 00:06:16,900
De eerste is dat deze aanpak houdt dus risico's en complexiteit laag, terwijl de betrouwbaarheid en waarde van AI oplossingen, die kunnen dan echt dramatisch verbeteren.

92
00:06:18,320 --> 00:06:22,440
De andere is de AI-enabled applicaties.

93
00:06:22,590 --> 00:06:27,340
Het is een software waar AI geïntegreerd onderdeel is van je workflow.

94
00:06:28,000 --> 00:06:32,180
Dus hier is AI geen losstaand hulpmiddel, het is verweven in je bedrijfsproces.

95
00:06:33,340 --> 00:06:40,720
Hoe werkt dat? Denk eens aan een applicatie die AI gebruikt voor specifieke taken, zoals voorspellingen, kwaliteitscontrole of documentverwerking.

96
00:06:41,240 --> 00:06:47,040
Alle logica, controles en workflows van traditionele software, die blijven gewoon bestaan.

97
00:06:48,280 --> 00:06:55,040
Je begint bijvoorbeeld met de input van de gebruiker en de applicatie die je gebruikt dan data uit verschillende databronnen.

98
00:06:55,390 --> 00:06:58,100
Dan roept het AI aan om intelligentie toe te voegen.

99
00:06:58,700 --> 00:07:02,160
Dat kan zijn data analyseren, patronen herkennen, voorspellingen maken.

100
00:07:02,780 --> 00:07:06,920
En die output wordt vervolgens weer geleverd aan de volgende stap in de workflow.

101
00:07:08,000 --> 00:07:14,100
En door duidelijke workflow logica te combineren met prompt gebaseerde AI krijg je het beste van beide werelden.

102
00:07:14,220 --> 00:07:17,260
Het is de structuur, betrouwbaarheid, een duidelijke foutafhandeling.

103
00:07:18,200 --> 00:07:21,720
Plus de mogelijkheid om complexe taken te automatiseren.

104
00:07:22,340 --> 00:07:28,500
En natuurlijk betekent dit ook dat je de sterke en zwakke punten van de technologie moet afwegen.

105
00:07:29,180 --> 00:07:35,400
AI-enabled applicaties zijn geweldig voor het hanteren van complexe problemen, ongestructureerde data en natuurlijke taal.

106
00:07:36,220 --> 00:07:42,360
Maar je moet dan wel wat fouten tolereren en hebben hogere operationele kosten.

107
00:07:43,240 --> 00:07:51,160
Traditionele software is nog steeds de beste keuze wanneer je voorspelbare outputs, consistent gedrag en zo'n laag mogelijke kosten nodig hebt.

108
00:07:52,220 --> 00:07:54,540
Dan komen we op de derde uit, de AI-agents.

109
00:07:55,300 --> 00:08:00,740
Het meest geavanceerde patroon van deze drie zijn de AI agents.

110
00:08:01,520 --> 00:08:04,300
En deze systemen volgen niet gewoon vaste regels of workflows.

111
00:08:04,880 --> 00:08:07,220
In plaats daarvan werken ze naar een specifiek doel.

112
00:08:07,400 --> 00:08:15,880
Ze maken onderweg hun eigen beslissingen, interacteren vaak met meerdere tools, databronnen of zelfs andere agents om de cluster te klaren.

113
00:08:17,260 --> 00:08:21,520
En in de kern zit nog steeds het grote taalmodel, maar zo'n agent gaat verder.

114
00:08:21,880 --> 00:08:30,360
Dus het kan informatie ophalen, externe tools gebruiken, onthouden wat al gedaan is en de acties als het ware in real time aanpassen.

115
00:08:31,060 --> 00:08:33,140
Alles om het doel te bereiken dat je hebt gegeven.

116
00:08:33,710 --> 00:08:39,840
Die agents zijn vooral krachtig wanneer de stappen die nodig zijn om het doel te bereiken niet strikt vooraf gedefinieerd zijn.

117
00:08:40,780 --> 00:08:43,680
Of wanneer flexibiliteit en autonomie vereist zijn.

118
00:08:44,820 --> 00:08:48,720
Het volgt geen vooraf bepaalde workflow, geen vaste stappen.

119
00:08:50,340 --> 00:09:03,120
De AI-enabled applicaties vanuit de nummertje 2 zijn ideaal wanneer je proces goed gedefinieerd is en je intelligentie wil toevoegen aan specifieke stappen zonder structuur of controle te verliezen.

120
00:09:03,820 --> 00:09:08,060
Terwijl de agents gebruik je waar autonomie en flexibiliteit nodig is.

121
00:09:09,520 --> 00:09:14,440
Laten we afsluiten met drie hoofdpunten die het Deense onderzoek bevestigt.

122
00:09:14,820 --> 00:09:20,420
Ten eerste focus op bedrijfsprocessen en niet op individuele productiviteit.

123
00:09:20,960 --> 00:09:22,460
Het onderzoek toont het aan.

124
00:09:22,960 --> 00:09:28,340
Zelfs intensieve AI gebruikers zagen geen meetbare productiviteitswinst.

125
00:09:28,920 --> 00:09:32,620
Als je het hebt over individuele processen.

126
00:09:33,280 --> 00:09:35,060
De echte winst zit ergens anders.

127
00:09:35,920 --> 00:09:37,040
Zo komen we op de tweede.

128
00:09:37,070 --> 00:09:38,300
Dus kies het juiste proces.

129
00:09:39,500 --> 00:09:44,320
Dus kijk naar volume waar je daadwerkelijk winst kan halen.

130
00:09:44,460 --> 00:09:48,020
Betrek de mensen die het werk doen en voorkom suboptimalisatie.

131
00:09:48,800 --> 00:09:51,500
Anders krijg je eigenlijk alleen die taakherstructuring.

132
00:09:51,730 --> 00:09:56,140
Dus hoe jij persoonlijke taken anders uitvoert zonder een netto winst.

133
00:09:56,820 --> 00:10:00,400
En in onze aflevering over de kunst van het niet doen.

134
00:10:00,720 --> 00:10:04,280
Bespraken we al hoe belangrijk het is om kritisch te kijken naar wat je eigenlijk doet.

135
00:10:05,380 --> 00:10:07,640
Ten derde gebruik de juiste aanpak.

136
00:10:08,080 --> 00:10:14,340
Of het nu RAG, Retrieval Augmented Generation, AI Enabled Applicaties of AI Agents zijn.

137
00:10:14,920 --> 00:10:19,340
match de oplossing bij het proces, de risico's en de complexiteit.

138
00:10:20,020 --> 00:10:24,520
Niet omdat het de nieuwste technologie is, maar omdat het past bij wat je wilt bereiken.

139
00:10:25,660 --> 00:10:27,880
Dus hier is de paradox waar we mee begonnen.

140
00:10:28,250 --> 00:10:35,960
We investeren massaal in persoonlijke AI tools, maar de beloofde productiviteitsrevolutie blijft eigenlijk uit.

141
00:10:36,510 --> 00:10:42,200
Als je dat onderzoek ziet, die bevestigt wat veel organisaties toch al vermoeden,

142
00:10:42,920 --> 00:10:46,720
Dat de verhalen over verstoring door AI kloppen niet helemaal met de realiteit.

143
00:10:47,420 --> 00:10:48,900
Dit is geen reden voor pessimisme.

144
00:10:49,350 --> 00:10:50,980
Het is denk ik eerder een soort van wake up call.

145
00:10:51,170 --> 00:10:55,240
Dus stop met focus op individuele tijdsbesparing die toch weer verdampt.

146
00:10:55,880 --> 00:11:00,120
Maar begin met het herontwerpen van bedrijfsprocessen waar AI echt verschil kan maken.

147
00:11:00,980 --> 00:11:04,100
Want de organisaties die dit begrijpen, die verder kijken dan de hype.

148
00:11:04,130 --> 00:11:06,540
Die de processen fundamenteel herontwerpen.

149
00:11:07,100 --> 00:11:09,620
Die de juiste technologie kiezen voor het juiste probleem.

150
00:11:10,120 --> 00:11:13,380
Nou, dat zijn de organisaties die straks voorop lopen.

151
00:11:14,900 --> 00:11:20,540
En bedenk, zoals altijd, AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past.

152
00:11:21,080 --> 00:11:24,840
En wanneer je weet waar het past, daar ontstaat dan die werkelijke waarde.

153
00:11:27,560 --> 00:11:29,820
Dankjewel weer voor het luisteren naar deze aflevering.

154
00:11:30,100 --> 00:11:31,760
Ik ben heel benieuwd wat je ervan vindt.

155
00:11:31,840 --> 00:11:33,720
Laat het eens even weten via de socials.

156
00:11:34,140 --> 00:11:37,380
Vergeet je niet te abonneren via je favoriete podcast app.

157
00:11:37,620 --> 00:11:38,820
Dan mis je geen aflevering.

158
00:11:39,120 --> 00:11:39,500
Dankjewel.

159
00:12:08,600 --> 00:12:08,620
[Muziek]