Het experiment voorbij

In mijn vorige blog schreef ik over de stijgende kosten van AI. Toch kunnen er genoeg redenen zijn om met AI aan de slag te gaan, maar het blijkt nog niet makkelijk om daadwerkelijk te profiteren van de inzet van AI. In de praktijk zien we dat veel organisaties niet verder komen dan pilots, proeftuinen en experimenten. Er worden gebruikerstests uitgevoerd en rapporten opgeleverd met lessons learned, maar veel organisaties komen uiteindelijk niet in het stadium dat ze langdurig kunnen profiteren van de voordelen van AI. Dit is een complex probleem met meerdere oorzaken.

AI als organisatorisch vraagstuk

Allereerst wordt AI vaak als een technisch vraagstuk benaderd, terwijl het voor een groot deel ook een organisatorisch vraagstuk is. Technisch gezien is het zeker complex om een nieuwe AI toepassing te integreren in bestaande systemen in de productieomgeving, zeker in grotere organisaties. Toch durf ik te stellen dat het uiteindelijk juist vaak stukloopt op organisatorische vraagstukken, denk aan processen, verantwoordelijkheden, juridische vereisten, draagvlak, weerstand, opleiding, bewustwording en budget. En om met die laatste te beginnen: het is vaak makkelijk om budget of subsidie te vinden voor een experiment, maar ingewikkeld om structureel budget te krijgen voor doorontwikkeling en structureel beheer. Soms is er ook te weinig bestuurlijke commitment en draagvak (of zelfs weerstand) in de organisatie. 

De kunst van het opschalen

Om dit te doorbreken wordt vaak gezocht naar iemand met vooral technische kennis, maar beter zou het zijn om iemand met veranderkundige ervaring in te huren (en het liefst natuurlijk allebei). Daarnaast is het goed om een opschaal workshop standaard onderdeel te maken van de pilot fase. Dit helpt om de complexiteit van opschalen in kaart te brengen, en te identificeren wat er nodig is voor een volgende fase. 

Ook AI-geletterdheid is een thema wat voor opschalen essentieel is. Er zijn nog steeds veel bestuurders en medewerkers die terughoudend zijn over de inzet van AI. Soms omdat er andere prioriteiten zijn, maar ook uit angst voor incidenten of om fouten te maken. AI-geletterdheid kan daarbij ondersteunen. AI-geletterdheid is namelijk meer dan een juridische (inspannings)verplichting uit de AI-verordening. Het is belangrijk dat bestuurders met verantwoordelijkheden goed snappen hoe AI werkt, wat de voordelen zijn en waar de risico’s liggen. Ook de mensen die met AI werken dienen goed te begrijpen hoe de output van AI geïnterpreteerd moet worden zodat er betekenisvolle menselijke controle mogelijk is. Dit kan helpen bij AI-adoptie, want niet iedereen voelt zich nu vertrouwd om met AI te werken. Bij het ontwikkelen of inkopen van AI is het bovendien belangrijk dat er voldoende kennis is om een gedegen business case te maken en risico’s te kunnen inschatten en mitigeren. Dit vraagt om AI-geletterdheid op verschillende niveaus. Een goed startpunt hiervoor is een meerjarig actieplan (zoals ook voorgeschreven door de autoriteit persoonsgegevens) en een 0-meting om te bepalen waar de organisatie nu staat. Ook zijn er veel bestaande AI-opleidingen. Platform AI en Overheid publiceerde onlangs een praktisch overzicht. Zoals wij het zien kan AI-geletterdheid ervoor zorgen dat onderkend wordt waar AI daadwerkelijke toegevoegde waarde levert en ook waar het beter niet ingezet kan worden.

AI-ecosystemen

Ten slotte raden we aan om het vraagstuk rondom de inzet van AI niet alleen op te pakken. De ontwikkelingen rondom AI gaan razendsnel en dan kan het beter zijn om samen op te trekken. Een belangrijk startpunt hiervoor is de AI Coalitie 4 NL. Onder deze coalitie hangen AI hubs, werkgroepen, Elsa Labs en Innovatie Labs, allemaal samenwerkingsvormen om AI ontwikkelingen in Nederland te stimuleren.

Op het moment van schrijven hebben 7 regio's een AI-hub. Dat zijn samenwerkingsverbanden tussen overheid, ondernemers en kennisinstellingen op het gebied van AI. Zo is er een AI-hub Oost Nederland, heeft Eindhoven Brainport opgericht en noemen ze het in het zuidelijkste deel van ons land Brightlands.

Daarnaast zijn er werkgebieden die georganiseerd zijn rondom een specifiek thema. Ze maken onderscheid tussen sectorale werkgebieden en thematische werkgebieden. Sectorale werkgebieden zijn georganiseerd rondom een sector, zoals defensie, landbouw of onderwijs. Hiervoor worden op maat gemaakte AI-programma’s ontwikkeld, worden communities opgebouwd en wordt ondersteund bij pilotprojecten. De thematische werkgebieden gaan over bredere thema's die de sectoren overstijgen, zoals talent, kennis en vaardigheden. 

Om deze werkgebieden nog meer praktische invulling te geven zijn er ELSA labs en innovatie labs. ELSA staat voor Ethical, Legal, and Societal Aspects. Dit zijn publiek-private samenwerkingsverbanden om bij te dragen aan de ontwikkeling, kennis en toepassing van betrouwbare en mensgerichte AI. Ze ontwikkelen in de praktijk praktische instrumenten zoals handreikingen, juridische kaders en beleidsadviezen zodat AI-toepassingen eerlijk, betrouwbaar en mensgericht zijn. De innovatielabs zijn publiek-private samenwerkingen gericht op het bedrijfsleven. Ook hier gaat het om praktische instrumenten gericht op kennisoverdracht, implementatie van AI-tools, -prototypen en -modellen.

Stap voor stap kan er zo voor gezorgd worden dat AI daadwerkelijk meerwaarde biedt in organisaties en in de samenleving. Toch hangt er nog een donkere wolk boven deze materie die in de volgende blog aan bod zal komen: hoe zorgen we dat we niet te afhankelijk worden van Big Tech. Ik zal uitleggen waarom die afhankelijkheid problematisch is en ook wat we kunnen doen om die afhankelijkheid te verkleinen.