GenAI-strategie en adoptie binnen organisaties

Een concreet gebruiksdoel is het vertrekpunt. “Medewerkers laten werken met GenAI” is te algemeen om een toepassing te ontwikkelen. “Medewerkers laten zoeken in goedgekeurde werkinstructies en een conceptsamenvatting laten maken” beschrijft wel een taak, bron en gewenst resultaat.

Vervolgens moet worden bepaald welke invoer de toepassing ontvangt. Dat kan een vraag van een gebruiker zijn, maar ook informatie uit een formulier, document of bestaand softwaresysteem. Hoe nauwkeuriger de invoer en context zijn afgebakend, hoe beter de gegenereerde uitvoer binnen de bedoelde taak kan worden beoordeeld.

Ook de beschikbare kennisbronnen zijn belangrijk. Een algemeen taalmodel kent niet automatisch de actuele interne procedures, productinformatie of contractafspraken van een organisatie. Via een technische zoeklaag kan de AI-toepassing geselecteerde documenten of gegevens raadplegen voordat zij een antwoord genereert. Deze werkwijze wordt vaak retrieval-augmented generation of RAG genoemd.

De organisatie bepaalt welke bronnen mogen worden opgenomen, wie ze beheert en wanneer een document geldig is. APPelit kan de technische verbinding met deze bronnen ontwikkelen en relevante passages bij de gegenereerde uitvoer tonen. Zo kan een gebruiker controleren waarop het antwoord is gebaseerd.

Generatieve AI produceert geen vaste uitkomst zoals een traditionele rekenregel dat doet. Twee vergelijkbare opdrachten kunnen verschillend worden geformuleerd en een antwoord kan onvolledig of feitelijk onjuist zijn. Daarom moet vooraf worden vastgelegd welke mate van menselijke controle bij de taak hoort.

Bij een conceptsamenvatting kan een medewerker de tekst beoordelen en aanpassen voordat deze wordt gebruikt. Voor een handeling met grotere gevolgen kan aanvullende goedkeuring nodig zijn of kan GenAI alleen informatie voorbereiden. De opdrachtgever bepaalt deze grenzen en blijft verantwoordelijk voor de inhoudelijke besluitvorming.

De gebruikersomgeving heeft directe invloed op de adoptie. Een los invoerveld zonder toelichting geeft weinig houvast. Een gerichte interface kan juist vaste invoervelden, voorbeeldvragen, bronvermeldingen en een duidelijke knop voor beoordeling bevatten. Hierdoor begrijpt de gebruiker beter wat van hem of haar wordt verwacht.

De toepassing moet ook aangeven wat zij niet kan. Wanneer geen relevante bron is gevonden, kan de software dit zichtbaar maken in plaats van een ogenschijnlijk volledig antwoord te presenteren. Ook kan worden ingesteld dat bepaalde vragen niet worden verwerkt of naar een bevoegde medewerker worden doorgestuurd.

Gebruikersrechten bepalen wie toegang krijgt tot de AI-functie en de onderliggende informatie. Een medewerker mag bijvoorbeeld alleen zoeken in documenten van de eigen afdeling, terwijl een beheerder meerdere kenniscollecties kan onderhouden. Dezelfde toegangsregels moeten gelden voor zowel het zoeken als het genereren.

Voor adoptie is daarnaast feedback nodig. Gebruikers kunnen bijvoorbeeld aangeven of een antwoord bruikbaar, onvolledig of onjuist is. Deze feedback hoeft niet automatisch het model te veranderen. Zij kan ook worden opgeslagen voor inhoudelijke beoordeling, aanpassing van bronnen of verbetering van de gebruikersworkflow.

Technische logging kan vastleggen welke functie is gebruikt, welke bronnen zijn geraadpleegd en of een gegenereerd concept is goedgekeurd. Welke invoer en uitvoer daadwerkelijk mogen worden bewaard, hangt af van de eigen afspraken over gegevensgebruik en bewaartermijnen.

Begin bij voorkeur met een beperkt proces en een afgebakende gebruikersgroep. Zo kan worden gecontroleerd of de bronnen, interface en controlemomenten in de praktijk werken. Uitbreiding naar andere teams of taken kan daarna als afzonderlijke functionaliteit worden ontwikkeld.

Case: GenAI voor het voorbereiden van aanbestedingsantwoorden

Goedgekeurde bedrijfsinformatie sneller terugvinden en verwerken

Een technisch adviesbureau reageert regelmatig op aanbestedingen. Medewerkers zoeken daarvoor in eerdere antwoorden, projectbeschrijvingen, certificaten en standaardteksten. De informatie staat in verschillende mappen en niet ieder document is nog actueel.

Het bureau wil geen systeem dat zelfstandig inschrijvingen indient. De gewenste toepassing moet medewerkers helpen om relevante broninformatie te vinden en op basis daarvan een eerste concept voor een afzonderlijke vraag op te stellen.

De organisatie wijst aan welke documenten als goedgekeurde kennisbron mogen worden gebruikt. Per document worden een categorie, eigenaar en geldigheidsstatus vastgelegd. Verouderde bestanden worden niet beschikbaar gemaakt voor het genereren van nieuwe concepten.

APPelit ontwikkelt een afgeschermde webapplicatie waarin een gebruiker een aanbestedingsvraag invoert. De toepassing zoekt vervolgens naar relevante passages in de geselecteerde documenten en geeft deze als context aan het taalmodel.

Het gegenereerde concept wordt samen met verwijzingen naar de gebruikte bronnen getoond. De medewerker kan daardoor teruggaan naar de oorspronkelijke informatie en controleren of het antwoord juist en passend is. De tekst krijgt altijd de status concept.

Een medewerker kan het concept bewerken en daarna ter beoordeling aanbieden aan een bevoegde collega. Pas na deze menselijke controle kan de tekst buiten de toepassing worden gebruikt. De AI verzendt geen antwoord en voert geen besluit zelfstandig uit.

Wanneer de zoekfunctie geen voldoende relevante bron vindt, vermeldt de toepassing dat aanvullende informatie nodig is. Zij vult ontbrekende projectgegevens niet automatisch in. Daarmee wordt het risico beperkt dat een overtuigend geformuleerd maar onbevestigd antwoord wordt overgenomen.

Beheerders kunnen zien welke bronnen vaak worden gebruikt en welke antwoorden als onvolledig zijn gemarkeerd. De organisatie gebruikt die informatie om haar documentcollectie te onderhouden. APPelit bouwt de zoek-, generatie-, feedback- en goedkeuringsfuncties volgens de vastgelegde werkwijze.