Dienst
AI-workflowautomatisering
AI is uitstekend in taalwerk waar één fout op de honderd acceptabel is, en ongeschikt voor rekenwerk waar dat niet zo is. Het verschil goed leggen is het hele vak.
Waar AI in de praktijk wat oplevert
- Documenten uitlezen. Gegevens uit offertes, facturen, contracten of formulieren halen en in een gestructureerd bestand zetten — met een controlestap, niet blind.
- Concepten opstellen. Offertes, standaardcorrespondentie en rapportteksten die een mens daarna nakijkt in plaats van vanaf nul schrijft.
- Ongestructureerde tekst classificeren. Klantvragen, meldingen of vrije-tekstvelden voorsorteren, zodat een mens alleen nog de randgevallen ziet.
- Samenvatten met bronverwijzing. Lange documenten terugbrengen tot wat relevant is, met vindplaats, zodat de lezer kan controleren.
Ik bouw dit soort werk zelf ook. Op dit moment ontwikkel ik CAB Calc, een AI-ondersteunde offerteapplicatie voor de interieurbranche. Dat betekent dat ik uit ervaring spreek over waar deze technologie in productie tegenaan loopt — niet alleen over wat er in een demo indrukwekkend uitziet.
Waar ik AI juist afraad: voor berekeningen, financiële logica en alles wat exact reproduceerbaar moet zijn. Een taalmodel dat sommen maakt geeft een plausibel antwoord, en plausibel is bij cijfers precies het gevaarlijke geval: fout maar overtuigend. Dat soort logica hoort in Power Query, DAX of SQL, waar de uitkomst deterministisch is en te controleren. AI zet ik ervoor of erna, nooit middenin de rekenkern.
Hoe ik het aanpak
-
Het proces in kaart brengen
Welke stappen zitten erin, hoe vaak, en wat kost een fout? Dat laatste bepaalt hoeveel controle er ingebouwd moet worden.
-
Splitsen in wat wel en niet geschikt is
Taalwerk en interpretatie naar AI, rekenwerk en beslisregels naar deterministische logica. Deze scheiding is het belangrijkste ontwerpbesluit.
-
Klein beginnen en meten
Eerst op een steekproef, met een meting van hoe vaak het goed gaat. Pas uitrollen als dat percentage bekend en acceptabel is.
-
Controle inbouwen
Een mens in de lus waar het ertoe doet, logging van wat het systeem heeft gedaan, en een duidelijke route voor wanneer het misgaat.
Veelgestelde vragen
Gaat onze bedrijfsdata dan naar een AI-leverancier?
Dat is een keuze die we bewust maken, geen bijkomstigheid. Er zijn opties met zakelijke voorwaarden waarbij uw invoer niet voor training wordt gebruikt, opties binnen uw eigen Azure-omgeving, en voor gevoelige gegevens modellen die lokaal draaien. Welke geschikt is hangt af van uw data en uw verplichtingen; dat bespreken we vooraf, niet achteraf.
Hoe weten we of het betrouwbaar genoeg is?
Door het te meten voordat het in gebruik gaat. We draaien het op een steekproef waarvan de juiste uitkomst bekend is en tellen de fouten. Zonder dat getal is elke uitspraak over betrouwbaarheid een gevoel, en gevoelens zijn hier een slechte raadgever.
Vervangt dit banen?
In het werk dat ik doe zelden. Wat verdwijnt is het overtypen, opzoeken en voorsorteren — het deel dat mensen ook het minst graag doen. Wat overblijft is beoordelen en beslissen. Belooft iemand u dat AI een hele functie overneemt, wees dan sceptisch.
Kunnen we niet gewoon zelf ChatGPT gebruiken?
Voor losse taken zeker, en dat moedig ik aan. Het verschil zit in herhaalbaarheid: een proces dat honderd keer per maand draait heeft vaste invoer, controle en logging nodig. Dat is iets anders dan iemand die af en toe iets vraagt in een chatvenster.
Welk proces kost u het meeste leeswerk?
Ik zeg u eerlijk of AI daar iets toevoegt — en zo niet, wat wel.