AI Garage zorgt voor AI businesscase én werkend prototype

Capgemini Invent heeft een nieuwe dienstverlening op de markt gebracht: de ‘AI Garage’. Deze propositie helpt bedrijven bij het realiseren van een prototype van het AI-concept en geeft hiermee inzicht in de concrete waarde die AI straks kan toevoegen.

“AI is zo ‘hot’ dat het een hypestatus begint te krijgen”, vertelt Henk Vermeulen, AI Garage Lead en expert in AI bij Capgemini Invent. “Als zelfs tandenborstels al worden aangeprezen met het label AI en verkocht worden”, zo stelt Vermeulen, dan toont dit de snelle opkomst aan van AI, niet alleen onder IT’ers of bestuurders die hun dienstverlening of operaties willen verbeteren. Met andere woorden, AI heeft zijn weg reeds gevonden naar het grote publiek. Vermeulen: “Hierdoor zien veel organisaties, al dan niet onderbouwd, de noodzaak om op z’n minst aandacht aan AI te besteden.”

Veelal begint het omarmen van AI met een theoretische onderbouwing van de waarde die AI kan brengen. Voor veel bestuurders geldt dat hoewel een begin maken met AI vaak op deze manier wordt ingekleed, het nog altijd voelt als een stap in het duister. “Een gevoel van ‘we zien de toekomst, maar hoe gaan we beginnen?’”, legt Vermeulen uit.

AI Garage

Dit is precies waar de ‘AI Garage’ van Capgemini Invent om de hoek komt kijken. Deze propositie helpt klanten niet alleen alle relevante data en cijfers in kaart te brengen en zo een aansprekende business case voor AI te formuleren, maar ook met het concreet ontwikkelen en bouwen van een prototype voor AI. Vermeulen licht toe: “Het resultaat is een aantal functionaliteiten die de essentie van de toepassing van de AI bewijst in de vorm van bewegende delen. Met de data van de organisatie in het proces van de organisatie. En daarmee ontstaat het beeld ‘we zien de toekomst, en we zijn al begonnen!”

Het ontwikkelingsproces van de propositie bestaat uit een aantal stappen: “In de eerste fase wordt vastgesteld wat een zinvolle bedrijfstoepassing is die zal worden nagestreefd en wordt de te gebruiken data op kwaliteit beoordeeld.

Vervolgens wordt in sprints van een week de bouw van het prototype uitgevoerd door data scientists en developers”, legt Vermeulen uit, om daar aan toe te voegen: “Elke week is een vertegenwoordiging van de gebruikersgroep betrokken om de voortgang te delen. Hiermee wordt ook een eerlijk beeld over de haalbaarheid, hindernissen en effectiviteit van de mogelijkheden gedeeld.”

Vervolgens wordt in dezelfde samenwerking gewerkt aan de manier waarop het resultaat wordt gedeeld. “Hier hoort ook een eerlijke inschatting bij rond de haalbaarheid van het verkende concept. Het resultaat is een stap van ‘We denken dat het kan’ naar ‘We weten dat het kan en we zijn al begonnen!’”, geeft Vermeulen aan.

Onderbouwde beslissing

Van het prototype staat al vast dat het in die vorm niet in gebruik zal worden genomen. Hiermee worden lastige afhankelijkheden als architectuur en platformkeuzes buiten beschouwing gelaten. Wanneer groen licht wordt gegeven op de haalbaarheid en wenselijkheid, dan wordt het concept voortgezet naar een oplossing die ook in gebruik zal worden genomen inclusief alle IT-requirements. Met de plannen en een of meerdere prototypes op tafel, kan het management een onderbouwde beslissing nemen over ontwikkeling en implementatie van AI-technologieën. “Want,” zo besluit Vermeulen, “een werkende demo zegt meer dan duizend PowerPoint slides.”