AI's last mile delivery: de laatste stap om AI echt bruikbaar te maken

Kunstmatige intelligentie belooft een revolutie in bedrijfsprocessen - van klantenservice tot marketing, en van planning tot administratie. Maar veel organisaties worstelen met de praktische toepassing. Ze gebruiken AI-tools geïsoleerd, worstelen met gebrekkige integratie en verliezen tijd aan handmatig werk. Het resultaat? AI die niet haar volledige potentieel waarmaakt.

Geïsoleerd gebruik van AI

AI wordt tot dit punt vaak nog geïsoleerd gebruikt. Veel mensen maken dus in feite al gebruik van tools als ChatGPT, Claude, NotebookLM of Gemini, maar slechts binnen het ecosysteem van deze aanbieders. De consequentie hiervan ervaar je doordat je nog veel aan het kopiëren en plakken bent. Maar ook de ‘struggle’ met het consistent gebruiken van de juiste prompts voor taken die je vaker wilt uitvoeren of de manier waarop je context (documentatie, pdf's of andere relevante informatie) keer op keer moet toevoegen. De combinatie hiervan maakt dat de mens AI in bedrijven nog niet optimaal benut. Maar vooral ook dat AI voor de gebruiker op dit moment nog niet altijd heel gebruiksvriendelijk aanvoelt. Ook moet je als gebruiker best wat eigen kennis aan tafel brengen, om goed gebruik te kunnen maken van AI tools. Dit, terwijl het echt niet zo complex hoeft te zijn.

The last mile in AI: waar het écht om draait

In de logistiek is de 'laatste kilometer' (ook wel ‘the last mile’) die staat voor de laatste stap naar de eindbestemming, vaak het meest complex. Ditzelfde principe kun je ook bij AI-implementatie herkennen. Het gaat bij AI niet alleen om het genereren van inzichten, maar vooral om het praktisch toepasbaar maken ervan binnen je organisatie. Deze 'laatste kilometer' in AI-implementatie betekent:

• Directe integratie met bestaande bedrijfssystemen zoals CRM en ERP
• Naadloze verwerking van AI-inzichten in dagelijkse werkprocessen
• Gebruiksvriendelijke interfaces voor alle gebruikers

Voorbeeld: Je werkt op de financiële administratie van een container forwarder. Een van de belangrijkste taken is om te zorgen dat alle verkooporders overeenkomen met de inkoopfacturen die jullie van rederijen ontvangen. Maar tussen het versturen van de verkooporder en het ontvangen van de inkoopfactuur kunnen er situaties ontstaan die de inkoop duurder maken, zoals wachttijden in een haven omdat documentatie nog niet compleet is. Hiervoor worden dan ‘extra charges' gerekend, die terugkomen op de inkoopfactuur. Het kost jouw team nu enorm veel tijd en energie om deze verschillen op te merken en ze daarna goed af te handelen. AI kan hierin enorm van hulp zijn. Maar het kost je nu nog veel energie om per dossier alle documenten in bijvoorbeeld ChatGPT toe te voegen en daarna de juiste prompts te geven. Ook bij het verkrijgen van de juiste antwoorden moet je dit nog handmatig verbeteren in de documenten. 

Door AI te integreren in jouw CRM systeem, TMS (Transport management software) of interne systemen, kun je dit handmatige proces direct opvangen. Door het koppelen van de juiste AI met een use-case binnen je bedrijf, kun je direct de juiste context (documenten en klantgegevens) meegeven aan het context window van het AI model. Door middel van een API-koppeling met deze AI-tools kun je ook informatie terugschieten binnen de bestaande interface van je systeem. Denk aan het automatisch aanpassen van je verkoopfactuur, zodat dit niet meer handmatig hoeft te gebeuren. Kortom, de kansen zijn oneindig wanneer je ‘the last mile delivery’ in AI goed hebt geregeld. 

Waarom veel AI-projecten struikelen

De meeste organisaties focussen zich op de technische kant van AI: het trainen van modellen en het genereren van voorspellingen. Maar juist in de praktische toepassing gaat het mis. 

Veelvoorkomende valkuilen zijn:

1. AI-systemen die in isolatie werken, los van andere bedrijfssoftware
2. Inzichten die wel beschikbaar zijn, maar niet automatisch leiden tot actie
3. Complexe interfaces die gebruikers afschrikken
4. Gebrek aan integratie met bestaande werkprocessen

Van theorie naar praktijk: een succesverhaal

Neem een technisch servicebedrijf als voorbeeld. Ze implementeerden AI niet alleen voor het voorspellen van onderhoudsbehoefte, maar zorgden ook voor:

Directe actie

• Automatische werkorders zodra AI onderhoud voorspelt
• Slimme planning die rekening houdt met beschikbaarheid van monteurs
• Proactieve communicatie naar klanten over aankomend onderhoud

Praktische integratie

• Koppeling met voorraadsystemen voor directe beschikbaarheidscontrole
• Integratie met planningssoftware voor optimale routeplanning
• Directe synchronisatie met klantenportaal voor realtime updates

AI’s last mile delivery in 4 stappen

1. Begin bij het eindpunt: Bepaal eerst hoe AI-inzichten gebruikt gaan worden in de dagelijkse praktijk. Werk vanaf daar terug naar de technische implementatie.
2. Focus op integratie: Kies AI-oplossingen die aansluiten bij bestaande systemen, automatiseer de vertaling van inzichten naar acties en zorg voor naadloze gegevensuitwisseling tussen systemen.
3. Maak het gebruiksvriendelijk: Ontwikkel intuïtieve interfaces, biedt relevante informatie op het juiste moment en automatiseer routinematige beslissingen.
4. Meet en verbeter continu: Monitor gebruikersacceptatie, meet de impact op bedrijfsresultaten en verfijn processen op basis van feedback.

Focus op de praktische kant, van klein naar groot

Om te kunnen starten met het integreren van AI-modellen is het zinvol om een aantal zaken te weten. AI is maar een deel van de oplossing en geen magisch toverwoord voor alles. AI biedt development teams slechts een grotere ‘toolkit’. Op een aantal cruciale punten in het automatiseringsproces is het zeker essentieel om AI te implementeren. Maar veel overige onderdelen berusten puur op het automatiseren van processtappen met hardcoded, low code of no code oplossingen. 

Daarnaast is het belangrijk om te begrijpen dat praktische implementaties pas kunnen ontstaan als de data waarop automatisering uitgevoerd wordt, zuiver en compleet is. Wanneer dit niet zo is, kunnen veel proces automatiseringstaken niet runnen. Ze lopen dan gewoonweg dood in het proces omdat er geen input is waarop ze verder kunnen. Het is dan ook cruciaal om de data die nodig is om een proces te automatiseren bij elkaar te krijgen. 

Tot slot kun je veel met AI, maar je kunt pas 100 km per uur rijden wanneer de ‘snelweg’ is aangelegd. Begin daarom met het aanleggen van een wegennet binnen je organisatie. Dat begint bij het identificeren van de processen die het makkelijkst met AI geautomatiseerd kunnen worden. Leg daarna de use-case en user-stories vast en bepaal welke data je nodig hebt binnen de verschillende stappen van het proces. Wanneer je dit hebt gedaan, kun je stap voor stap integraties ontwikkelen met de systemen waarin deze data beschikbaar is. Begin dus klein, met een onderdeel dat makkelijk te automatiseren is. En doe dit met het begrip dat de data op orde moet zijn en veel onderdelen van de automatisering helemaal geen AI nodig hebben. Dit zijn slechts reguliere automatiseringstaken.

Data-integratiestrategie als kern van succesvolle AI-implementatie

Zoals je hierboven leest, is je data-integratiestrategie de kern van een succesvolle AI-implementatie. Om AI optimaal in te zetten, moet je nadenken over hoe jouw systeemorganisatie is ingericht en hoe makkelijk het is om verschillende systemen met elkaar te koppelen. Wij overwegen vaak de volgende onderwerpen:

• Hoeveel systemen zet je in? Te veel systemen kunnen leiden tot inefficiënties en een gebrek aan overzicht, terwijl te weinig systemen misschien niet alle benodigde functionaliteit bieden.
• Wat is jouw waarheid? Welk systeem is leidend? Het is belangrijk om duidelijk te bepalen welk systeem als 'single source of truth' fungeert, zodat data consistent en betrouwbaar blijft.
• Is het zinvol om een data lake te ontwikkelen? Een centraal data lake kan helpen om data uit verschillende systemen te combineren, wat flexibiliteit en schaalbaarheid bevordert.
• Vanuit welke interface laat je medewerkers interacteren? Intuïtieve en efficiënte interfaces voor medewerkers zorgen voor betere adoptie en minder fouten.
• Vanuit welke interface laat je klanten of externe gebruikers interacteren? Externe gebruikers hebben vaak andere behoeften. Zorg ervoor dat hun ervaring naadloos en gebruiksvriendelijk is.

Door een heldere data-integratiestrategie te ontwikkelen, maak je de weg vrij voor AI om direct bruikbare inzichten te leveren die geïntegreerd zijn in je bedrijfssoftware en processen. Dit is essentieel om AI praktisch en schaalbaar te maken binnen je organisatie.

Company owned interfacing: de kracht van maatwerk

Een cruciaal onderdeel van een succesvolle AI-implementatie is het beheer van je eigen interface-laag. Door deze laag zelf te beheren en op maat te ontwikkelen, creëer je een brug tussen je data lake, geautomatiseerde processen en AI-toepassingen. Deze aanpak maakt het mogelijk om complexe systemen soepel te laten samenwerken en zorgt ervoor dat AI-tools optimaal kunnen presteren.

Waarom company owned interfacing essentieel is:

• Volledige controle: Door zelf eigenaar te zijn van de interface-laag, kun je ervoor zorgen dat deze perfect aansluit op jouw bedrijfsprocessen en unieke behoeften.
• Flexibiliteit en schaalbaarheid: Een zelfontworpen interface kan eenvoudig worden aangepast naarmate je organisatie groeit of technologieën evolueren.
• AI zichtbaar maken: Integreer AI-tools direct in je interface, zodat medewerkers en klanten intuïtief toegang hebben tot inzichten en geautomatiseerde functies.
• Naadloze integratie: Je interface fungeert als het scharnierpunt waar data, AI-modellen en workflows samenkomen, wat zorgt voor een gestroomlijnde ervaring.

Door een maatwerkinterface te ontwikkelen, zorg je ervoor dat AI niet alleen inzichten genereert, maar ook direct bijdraagt aan je operationele efficiëntie en gebruikerservaring. Dit maakt het verschil tussen een AI die theoretisch indrukwekkend is en een AI die daadwerkelijk waarde toevoegt aan je organisatie.

De toekomst van AI in bedrijven

Succesvolle AI-implementatie draait niet om de meest geavanceerde algoritmes, maar om praktische toepasbaarheid. Organisaties die de 'laatste kilometer' goed inrichten, transformeren AI van een veelbelovende technologie naar een onmisbaar bedrijfsinstrument.

Sleutel tot succes:

• Integreer AI in bestaande werkprocessen
• Automatiseer de vertaling van inzichten naar acties
• Maak gebruik eenvoudig voor alle medewerkers
• Meet resultaten en verbeter continu

Door deze aanpak kunnen bedrijven AI écht laten werken - niet als losstaande technologie, maar als geïntegreerd onderdeel van dagelijkse operaties. Dat is waar de echte waarde van AI ligt: niet in de technologie zelf, maar in de praktische toepassing ervan.