Bedrijven die kunstmatige intelligentie willen inzetten om hun processen te ondersteunen of automatiseren, lopen aan tegen lange en kostbare trajecten om hun datahuishouding op orde te brengen. Dat is de strekking van een artikel in het FD.

Bij ONVZ worden de mogelijke toepassingen herkend: een AI-aangestuurde chatbot die vragen van klanten over hun zorgverzekering beantwoordt, vraagt alleen om het installeren van een LLM-aangedreven chatbot die toegang geven tot polissen, klantgegevens en transcripten van servicegesprekken. Anna Chernilovskaya, cio bij zorgverzekeraar ONVZ ziet nog niet dat chatbots customer facing processen kunnen verwerken. Daarvoor zou een team van 20 data-analisten eerst een paar jaar bezig zijn met de randvoorwaarden.

Voorbeeld ONVZ

Klantinformatie is bij ONVZ verspreid over het CRM-systeem, het backofficesysteem en een (nieuw) contactcenterplatform. Informatie uit die drie omgevingen is zowel aanvullend als overlappend. Volgens Chernilovskaya hebben grote zorgverzekeraars in plaats van drie soms wel 30 tot 50 systemen. ONVZ is wel bezig om een nieuw dataplatform in te richten. Daarbij worden data opnieuw verzameld, opgeruimd en gestructureerd. In een gezonde datahuishouding zijn data niet alleen rijk aanwezig en divers, maar ook actueel.

Dit proces duurt al snel een jaar en bij grote organisatie meerdere jaren. Job van den Berg van AI.nl verwacht dan ook dat de opbrengst van AI pas ‘op lange termijn’ zichtbaar wordt. Op korte termijn is er winst te behalen door GenAI te gebruiken als hulp bij taken als het schrijven van e-mails of het opstellen van rapporten.

Fusies en overnames

Overnames en fusies kunnen die datahuishouding verder in de war schoppen en ook het mantra ‘alles bewaren’ is eerder een probleem dan deel van de oplossing. Aan de andere kant kunnen GenAI-toepassingen ook een hulpmiddel zijn bij het opnieuw organiseren van data.

Wanneer de datahuishouding op orde is, kunnen organisaties de bekende taalmodellen beter voor ze laten werken, aldus het FD. Ook wordt het dan mogelijk om kleinere, op een industrie toegespitste modellen te gebruiken, óf om zelf een LLM te ontwikkelen dat getraind is met specifieke terminologie en kennis.

Andere obstakels

In het FD-artikel wordt niet ingegaan op de risico’s en de kosten waar bedrijven mee te maken krijgen als ze op grote schaal GenAI-oplossingen gaan gebruiken. OpenAI heeft met de overgang van stichting naar commerciële onderneming al voorgesorteerd op tariefstijgingen. Ook hebben bedrijven vaak een slecht beeld van de kosten en randvoorwaarden die bij de benodigde infrastructuur komen kijken. (FD)