Hoe generatieve AI kennisdeling binnen organisaties naar een hoger niveau kan tillen
Het moge inmiddels duidelijk zijn: generatieve AI biedt talloze kansen. Eén daarvan is kennisdeling. Daarvoor is het uiteraard wel essentieel dat wat gegenereerd wordt ook te vertrouwen is. Joyce Lopulalan vertelt hoe Future Facts Conclusion organisaties hierbij helpt, zodat ze het enorme potentieel van Gen AI ook echt kunnen ontsluiten.
Eerst even een definitie – iedereen heeft het erover, maar wat is het precies? Generatieve AI (Gen AI) is een vorm van kunstmatige intelligentie die op basis van bestaande data – zoals teksten, beelden of muziek – nieuwe content kan creëren.
Het bekendste voorbeeld is zonder enige twijfel ChatGPT, dat met geavanceerde algoritmen menselijke interacties nabootst. Hoewel nog relatief nieuw, wordt deze technologie al breed ingezet in bijvoorbeeld klantenservice- en marketingafdelingen binnen sectoren als de financiële dienstverlening, zorg, softwareontwikkeling en nog veel meer.
Een veelbelovende toepassing van Gen AI is kennisdeling, een essentieel onderdeel voor iedere organisatie. Door informatie in allerlei verschillende extensies – pdf, excel, word, et cetera – als bronmateriaal te kunnen benutten, draagt Gen AI immers bij aan een efficiëntere en snellere wijze van het zoeken, vinden en genereren van de juiste antwoorden op (complexe) vragen binnen een customer care-afdeling.
“Dit versnelt de besluitvorming, verbetert samenwerking en stimuleert innovatie, wat uiteindelijk ook de dienstverlening aan klanten ten goede komt”, vertelt Joyce Lopulalan, Business Manager bij Future Facts Conclusion.
Kennisbank als ruggengraat
Aan de basis van dergelijke toepassingen ligt een goed georganiseerde interne kennisbank, die de diverse generatieve AI-applicaties voedt door relevante informatie, gegevens en context te bieden die essentieel zijn voor nauwkeurige en effectieve output.
“Een kennisbank fungeert als de ruggengraat van effectieve generatieve AI-toepassingen voor kennisdeling”, stelt Lopulalan. “Zonder een betrouwbare en up-to-date bron van informatie kan generatieve AI niet de gewenste resultaten leveren op het gebied van efficiëntie en nauwkeurigheid binnen de organisatie.”
Het fundament van een dergelijke toepassing is een zogeheten foundation model. “Als deze in de basis goed wordt opgezet en ingericht, zijn er veel verschillende toepassingen voor diverse afdelingen, zoals klantenservice, marketing en communicatie, maar ook de juridische afdeling en tenderteams mogelijk.”
Het gebruik van interne kennisbanken in combinatie met generatieve AI biedt volgens Lopulalan diverse voordelen.
“Ten eerste wordt de onboardingstrajecten voor nieuwe medewerkers significant verkort, omdat de informatie razendsnel beschikbaar is. Ook neemt de klanttevredenheid toe, omdat het raadplegen van een interne kennisbank bij telefonisch klantcontact veel sneller én preciezer gaat, zodat ook de wachtrij korter wordt. Bovendien kunnen meer calls worden afgehandeld met dezelfde capaciteit. Dit is zowel gunstig bij personeelstekorten als bij wensen tot kostenreductie.”
Ook is het mogelijk de effectiviteit van de interne kennisbank nog verder te maximaliseren. “Bijvoorbeeld door de inzet van speech-to-text summarization, waarbij gesprekken direct worden samengevat.”
Het bouwen van een AI-gedreven kennisbank
Future Facts Conclusion helpt geregeld organisaties met het inrichten, optimaliseren en industrialiseren van zo’n kennisbank. Een gestructureerde aanpak is daarbij cruciaal.
“Na een intake starten we met het plannen van interviews met de business”, vertelt Lopulalan. “Op deze manier dringen we door tot de essentie van de behoeften binnen de diverse afdelingen, onderzoeken we mogelijke synergievoordelen en vertalen we deze naar use cases die als basis dienen voor het opstellen van de definitieve businesscase.”
Daarna volgt een plan van aanpak dat gezamenlijk verder wordt uitgewerkt. “Belangrijk hierbij is dat alles in overeenstemming is met de meest recente compliance- en security-richtlijnen van de organisatie. Ook zorgen we ervoor dat onze aanpak in lijn is met de meest recente ontwikkelingen op het gebied van wetgeving, zoals de AI Act, waarbij transparantie, ethiek en compliance essentiële onderdelen zijn om goed geborgd te hebben.”
In de praktijk
Een recent voorbeeld uit de praktijk is een opdracht in de pensioensector. De bewuste opdrachtgever – een pensioenorganisatie die de pensioenen van miljoenen pensioendeelnemers beheert – was druk bezig met de voorbereidingen op de invoering van het nieuwe pensioenstelsel.
“Als gevolg van het nieuwe stelsel, en de daarmee toegenomen zorgplicht, was de hoeveelheid informatie binnen de kennisbank van de organisatie flink toegenomen”, schetst Lopulalan. “Daardoor werd het navigeren door deze kennisbanken een flinke uitdaging voor de contactcentermedewerkers. En tegelijkertijd was ook het aantal (complexe) vragen vanuit pensioendeelnemers sterk toegenomen.”
Future Facts Conclusion werd aan boord gehaald om te kijken of een interne kennisbank zou kunnen worden ontwikkeld op basis van large language models, zoals ChatGPT. Doelstelling van de nieuwe kennisbank was het optimaliseren van de vindbaarheid van informatie, het verhogen van de medewerkerstevredenheid en het verbeteren van de efficiency van de contactspecialisten.
Human in the loop
En zo geschiedde. Future Facts ontwikkelde een prototype, een systeem dat met de inzet van Gen AI automatische antwoorden kan genereren op basis van de huidig beschikbare en actuele documenten die zijn ontsloten via een zogeheten kennisbank en die door medewerkers vervolgens worden beoordeeld en geverifieerd volgens een ‘human in the loop’-benadering.”
“Deze aanpak zorgt ervoor dat de kennisbank voortdurend wordt verbeterd op basis van feedback van gebruikers”, legt Lopulalan uit. “Wanneer medewerkers twijfelen aan het antwoord, is het via een simpele clicklink mogelijk om de documentatie direct zelf in te zien en een oordeel te vormen over het gegenereerde antwoord.”
In de praktijk zal dat niet vaak nodig zijn, zo verwacht ze. “Door de uitvoerige tests, uitgevoerd door medewerkers van de customer care-afdeling, is een zeer hoge betrouwbaarheid en nauwkeurigheid van de door Gen AI gegenereerde antwoorden bereikt.”
Zowel open source-modellen als ChatGPT zijn bij aanvang onderzocht op toepasbaarheid voor dit specifieke businessvraagstuk. Uiteindelijk bleek dat ChatGPT, vooral versie 4, het meest effectief was in het verwerken van complexe vragen, hoewel de snelheid nog wel een aandachtspunt was. De volgende stap was een pilotfase voor de chatbot-oplossing met tien medewerkers, waarbij de chatbot-oplossing grondig werd getest en geoptimaliseerd.
De customer care-afdeling heeft inmiddels verschillende tests gedraaid, waarbij de toepassing zeer succesvol én welkom bleek te zijn. “Momenteel wordt de laatste hand gelegd aan het industrialisatieproces, waardoor deze pensioenuitvoerder straks goed voorbereid en uitgerust is op de verwachte toenemende vragen van zijn deelnemers en fondsen ten aanzien van het nieuwe pensioenstelsel”, concludeert Lopulalan.
