Iedereen wil AI, maar de data staat nog in Excel

Iedereen wil AI. Maar veel organisaties willen hoog springen en dansen, terwijl ze nog niet eens kunnen lopen.

Ik zeg dat niet om AI af te serveren. Ik denk dat AI veel gaat veranderen in hoe bedrijven werken. Juist daarom vind ik het belangrijk dat u er op de goede manier aan begint.

Hetzelfde gesprek als tien, vijftien jaar geleden

Ik heb dit eerder meegemaakt. Tien, vijftien jaar geleden was het big data. Iedereen moest er ineens iets mee. Het ging over grote volumes data die snel veranderen, liefst live getoond, met analyses die de nieuwe technologie mogelijk maakte. De technologie kon het, dus iedereen moest het willen.

Als ik dan doorvroeg, bleek iets anders. Een groot deel van de bedrijven die big data riepen, had de “small data” niet op orde. De rapportages stonden in Excel. Er was geen fatsoenlijk datawarehouse en geen stabiele datastroom.

Met AI zie ik nu precies hetzelfde patroon. De vraag die ik dan stel is eenvoudig: van welke databron wilt u dat AI gebruikmaakt?

Daar wordt het vaak even stil.

Een fout rapport valt op, een fout AI-besluit niet

Het risico zit in de schaal. Met een slecht rapport krijgt u verkeerde cijfers. Dat is vervelend, maar meestal valt er wel iemand over. Een controller ziet dat een getal niet kan kloppen, of in de vergadering gaat het gesprek over waar dat cijfer vandaan komt.

Met AI op rommelige data krijgt u volledig geautomatiseerd een heleboel verkeerde beslissingen. En niemand die er tussendoor nog naar kijkt.

Bij rapportages zien we al jaren hetzelfde: als de datakwaliteit niet goed is, is het rapport minder bruikbaar. Mensen vertrouwen het niet, pakken hun eigen Excel er weer bij en gaan de cijfers rechtbreien. Bij AI werkt het net zo, alleen heeft u dan geen mens meer die de fout opvangt. Dan lost AI geen problemen op, maar creëert het een heleboel nieuwe.

AI is de laatste stap op de ladder

In ons BI-volwassenheidsmodel zien we AI als een van de laatste stappen. Een organisatie begint ergens met losse Excel-bestanden en groeit via een centrale, betrouwbare dataset naar rapportages waar iedereen op kan bouwen.

Pas als de data goed gestructureerd is, kan AI er inzichten uit halen die u als mens niet zo snel ziet. Ingewikkelde verbanden, correlaties, voorspellingen. Dat is waardevol, maar het staat bovenaan de ladder, niet onderaan.

De basis die daarvoor nodig is, is niet spectaculair:

• een stabiele datastroom uit uw bronsystemen
• een datamodel dat klopt
• heldere definities van wat u meet

Dat laatste wordt vaak onderschat. Met Copilot in Power BI kunt u vragen stellen aan een semantisch model. Maar dan moet wel van elke kolom duidelijk zijn wat die betekent. Wat is “omzet”? Wanneer is een klant “actief”? De kennis die nu in de hoofden van uw mensen zit, moet zo veel mogelijk in het datamodel zelf terechtkomen. Dat vraagt dat u als organisatie scherp heeft wat u allemaal doet.

Experimenteren mag, inbouwen vraagt meer

U kunt prima nu al met AI experimenteren en kijken wat er mogelijk is. Voor veel mensen is het nu al een handig hulpmiddel om hun eigen werk efficiënter te doen.

Maar AI echt inbouwen in uw bedrijfsprocessen is iets anders. Daarvoor heeft u een stabiele databasis nodig. En vertrouwen, dat u stap voor stap opbouwt.

Een voorbeeld van waar het naartoe kan. Stel dat u een AI-model heeft dat voorraad en vraag zo goed voorspelt dat u er na een tijd op durft te vertrouwen. Dan kunt u de volgende stap zetten: laat het model zelf de inkooporders maken. Dat is niet ver weg meer.

Dat vertrouwen krijgt u alleen als de data eronder klopt. Zonder dat fundament durft niemand een systeem zelf orders te laten plaatsen, en terecht.

Saai werk weghalen

Er wordt veel gesproken over AI die medewerkers overbodig maakt. Ik formuleer het liever anders: AI kan het saaie, repeterende werk wegnemen. Dan houden medewerkers tijd over voor het werk waar echt mensen voor nodig zijn.

Bedrijven die dat als eerste voor elkaar hebben, krijgen een voorsprong op hun concurrenten. Maar die voorsprong begint niet bij het AI-model. Die begint bij de vraag of uw data op orde is.

Waar u kunt beginnen

Bij ITsmart zetten we het Smart Data Platform neer als fundament. Data uit uw verschillende bronsystemen komt gestructureerd op één plek, met een datamodel en definities waar de organisatie op kan bouwen. Daarmee heeft u de basis voor betrouwbare rapportages vandaag, en voor AI op het moment dat u daar klaar voor bent.

Klassieke BI blijft daarbij onze kern. AI is wat ons betreft een aanvulling die pas echt iets oplevert als het fundament staat.

Wilt u weten waar uw organisatie nu staat? Met de AI-ready check ziet u in ongeveer vijf minuten op welk van de zes niveaus van ons BI-volwassenheidsmodel u zit, en welke stap logisch is als volgende.