Wat zijn tien elementen die een AI-project tot succes maken?
AI biedt kansen voor learning & development (L&D)-teams om organisatieproblemen op te lossen. Toch is het herkennen van een probleem en het bedenken van een digitale oplossing slechts het begin. Het artikel “The missing piece in your AI strategy” van Christian Gossan onderscheidt op basis van de Digital Project Survival Guide tien kernelementen die een AI-project tot een succes maken.
Volgens Gossan onderschatten veel L&D-professionals hoeveel domeinen een digitaal project raakt: risicomanagement, juridische zaken, IT, merkbeleid, projectmanagement en inkoop. De Digital Project Survival Guide bundelt 88 praktische tips voor het financieren, bouwen en laten accepteren van digitale projecten binnen grote organisaties. De auteur vat die tips tot tien kernelementen samen.
Het eerste element is een helder gedefinieerd probleem. Volgens het artikel is het verleidelijk om ‘verliefd’ te worden op een AI-oplossing en daarna pas een probleem te zoeken, terwijl een project juist moet starten bij de vraag wat er precies wordt opgelost, voor wie en waarom dat voor de organisatie relevant is.
Daarna volgt een onderbouwde business case: het verhaal van het probleem, de oplossing, de uitvoering en de opbrengsten. Voor AI-projecten geldt volgens Gossan dat enthousiasme over de technologie een deur kan openen, maar dat de case nog steeds moet uitleggen welke waarde wordt gecreëerd, welke risico’s worden beheerd en welke kosten na een pilot terugkomen. Wat gebeurt er na een succesvolle pilot?
De juiste ‘resources’ zijn ook van belang: niet alleen het kernteam, maar ook sponsoren, leveranciers, risicospecialisten en adviespanels. Technische vaardigheden zijn belangrijk, maar vertrouwen, werkwijze en culturele afstemming tussen partijen zijn net zo belangrijk. Een AI-project is geen puur technologisch vraagstuk.
Invloed is eveneens één van de tien kernelementen. Christian Gossan adviseert om het probleem vroeg te delen met stakeholders, hun betrokkenheid te vragen bij het beoordelen van een oplossing en te zoeken naar sponsoren met vergelijkbare doelen. Hun steun kan doorslaggevend zijn, ook als ze niet binnen je eigen afdeling zitten.
Bij doordacht ontwerp gaat het om toegankelijkheid voor zoveel mogelijk gebruikers en om vroege afstemming met merkrichtlijnen, zodat ontwerpers en ontwikkelaars niet pas laat in het proces feedback krijgen. Cultuurverschillen tussen groepen of landen kunnen zowel het ontwerp als de acceptatie beïnvloeden, aldus de auteur.
Respect voor compliance en risico betekent dat risico-, merk-, juridische, beveiligings- en privacyspecialisten vroeg worden betrokken, niet aan het einde. Late betrokkenheid van deze partijen kan volgens Gossan vertraging, extra kosten of een geblokkeerde lancering opleveren.
Het ontwerpen voor data houdt in dat vooraf wordt vastgelegd welke data een pilot moet opleveren om de ROI uit de business case te onderbouwen. Digitale ervaringen maken het volgens het artikel mogelijk om data te verzamelen op een schaal die met fysieke ervaringen niet haalbaar is, al voegt het combineren met externe databronnen ook complexiteit toe.
Veerkracht (Resilience) is het achtste element: financiering kan wegvallen, sponsoren kunnen vertrekken, teamleden kunnen doorstromen. Volgens Gossan gaat het niet om of zulke tegenslagen zich voordoen, maar om hoe daarop wordt gereageerd. Het ontwikkelen en implementeren van digitale oplossingen kent altijd pieken en dalen. Acceptatie dat er teleurstellingen, frustraties of tegenslagen zullen optreden, is belangrijk. Het gaat er om hoe je ermee omgaat. Sponsors, mentoren, overtuiging en energie zijn hierbij zeer behulpzaam.
Een lerende houding betekent dat je kennisgaten opvult, nieuwsgierig blijft en groeit gedurende het project. Als dit je eerste digitale project is, zul je ongetwijfeld te maken krijgen met nieuwe gebieden, zoals strategie, het opstellen van een businesscase, inkoop, projectmanagement, financieel beheer, IT-beveiliging, privacy, juridische voorwaarden, of data-architectuur. Zelfs ervaren professionals moeten op de hoogte blijven van de laatste ontwikkelingen op het gebied van AI. Neem de houding aan van: “Ik leer het onderweg.” Voor je zwakste punten: verbind je ertoe om meer te leren en aan het einde van het project bekwamer te zijn dan aan het begin.
Tenslotte zijn verantwoordelijkheid en vertrouwen volgens Gossan een kernelement: de projectleider is verantwoordelijk voor het gedrag van gebruikers van de digitale ervaring, en bij AI-toepassingen specifiek voor het bewust en gedocumenteerd omgaan met ethische keuzes. Vertrouwen opbouwen door eerlijke, consistente interactie met belanghebbenden vergroot volgens hem de kans dat een project standhoudt. Gossan concludeert dat AI-initiatieven niet slagen of falen op de effectiviteit van de technologie, maar op de effectiviteit van de projectuitvoering eromheen.
Mijn opmerkingen
De tien kernelementen in deze bijdrage snijden m.i. duidelijk hout, en zijn m.i. ook te scharen onder het implementatiemodel dat ik gebruik. In de praktijk stel ik ook de vraag: voor welk probleem is dit een oplossing? Aan de andere kant is het ook belangrijk om nieuwe technologie vanuit een nieuwsgierige houding te verkennen: wat kan ik hiermee (beter), wat ik eerder kon (of minder goed of efficiënt of makkelijk of met minder plezier).
Je ziet wel dat deze elementen door de auteur al langer worden toegepast bij digitale projecten, en nu ook bij AI-projecten. Ik mis daarbij wel het element ‘leiderschap’ (urgentie voelen, visie concreet maken, daad bij het woord voegen, rug recht houden bij tegenslagen, enzovoorts). Specifiek AI-gerelateerde risico’s, zoals de omgang met gegenereerde content of de gevolgen voor toetsen en beoordelen, komen slechts zijdelings of niet terug in de kernelementen.
Verder valt me op dat de tien kernelementen relatief ‘contextloos’ zijn geformuleerd. Bij resources gaat het bij L&D (en onderwijs en opleiden ook) naar mijn mening bijvoorbeeld niet alleen om technische vaardigheden, maar ook om AI-fluency en om het kunnen verbinden van pedagogisch-didactische expertise aan het gebruik van AI-technologie. Iets vergelijkbaars is het geval met het kernelement ‘doordacht ontwerp’. Daarbij mis ik toch echt de relatie met ‘learning design‘.
Tenslotte wil ik reflecteren op het belang van een businesscase. Een overtuigende businesscase is geen garantie biedt voor succes, zeker niet bij innovatieve, nog te ontwikkelen concepten. Het te vroeg afdwingen van een businesscase kan m.i. zelfs vernieuwing smoren. Er wordt ook weleens om een business case gevraagd om “meetbaarheid” af te dwingen, terwijl niet alles wat van waarde is ook makkelijk meetbaar is. Je zult wel toegevoegde waarde moeten kunnen onderbouwen.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie.
Lees het hele
artikel