Kunstmatige intelligentie slim aanpakken

1. 15 maart 2024
2. 0 reacties

Tegenwoordig heeft bijna iedereen wel gehoord van ChatGPT, Microsoft Copilot, Google Bard of andere technologieën die vallen onder het brede begrip kunstmatige intelligentie (AI). Velen van ons zijn al begonnen met ‘prompting’, een nieuwe term die misschien zelfs in de Van Dale opgenomen wordt. Prompting houdt in dat je vragen zo formuleert dat je echt bruikbare antwoorden krijgt. Maar als je daadwerkelijk met klantdata aan de slag wilt gaan, kan het een uitdaging zijn om te bepalen hoe je dat aanpakt. Je kunt natuurlijk niet voor elke klant een aparte vraag stellen aan AIoplossingen zoals ChatGPT of Copilot. Hoewel veel oplossingen op het eerste gezicht eenvoudig lijken, blijkt vaak dat je toch de hulp van een specialist nodig hebt. Deze kan advies geven over welke data relevant is en hoe je vervolgens succesvol kunt zijn met AI in jouw specifieke situatie.

Maar hoe maximaliseer je de waarde van je data wanneer je een specialist hebt ingeschakeld voor de technische aspecten? Mijn advies is om wat tijd vrij te maken om zelf met AI-oplossingen te experimenteren. Hiermee bedoel ik dat je een klantdossier neemt, dit anonimiseert en vervolgens kopieert en plakt in een AI-tool, om daarna allerlei vragen te stellen. Pas als je als professional het gevoel hebt dat je echt waardevolle antwoorden krijgt, kun je deze bespreken met een AIspecialist zodat je het kan toepassen op je gehele klantenbestand. Zo leer je zelf de mogelijkheden van AI kennen en kun je deze kennis effectief inzetten binnen je organisatie.

Bijsturen

Nadat je de juiste data hebt geselecteerd en slimme ‘prompts’ hebt opgesteld, zou je denken dat je klaar bent. Maar helaas, zo simpel is het niet. Een groot struikelblok bij AI-oplossingen is dat de antwoorden niet altijd goed zijn. En dat kan natuurlijk niet, zeker in onze streng gereguleerde sector. Gelukkig zijn er manieren om dit aan te pakken. Zo kun je bijvoorbeeld specifieke voorbeeldantwoorden opstellen waaraan de AI moet voldoen, of je bepaalt nauwkeurig welke data de AI wel of niet mag gebruiken. Je kan bijvoorbeeld aangeven dat de AI-software rekening moet houden met de Wft en de Kifid-uitspraken.

Met deze trucjes kun je de nauwkeurigheid van je AI aanzienlijk opkrikken, soms wel met tientallen procenten. Kortom, een beetje bijsturen en finetunen kan een wereld van verschil maken in de kwaliteit van je AI-resultaten.

Privacy

Wanneer je de eerder besproken AI-oplossingen gebruikt, bevind je je vaak op centrale servers die door meerdere organisaties worden gebruikt. Dit is niet ideaal als je de privacy van je klanten hoog in het vaandel hebt staan. Gelukkig is er een oplossing: je kunt zelf AImodellen installeren op een eigen server, of diensten gebruiken van organisaties die dit soort oplossingen aanbieden, zoals Amazon Web Services of Microsoft Azure. Zo blijft je data binnen je eigen beveiligde omgeving. Met deze aanpak waarborg je niet alleen de privacy van je klanten, maar houd je ook volledige controle over je data en de manier waarop deze wordt verwerkt.

Compliance

We zijn al een heel eind op weg maar uiteindelijk moet je kunnen vanuit compliance perspectief kunnen aantonen hoe je tot een bepaald antwoord bent gekomen. Het is met AI mogelijk om de brondata die gebruikt is voor de data te laten zien aan de gebruiker (bijvoorbeeld de schadeacceptant). Stel, je hebt een schademelding en AI komt met een mooi advies. Dan is het mogelijk om in te stellen dat AI zich baseert op bijvoorbeeld de polisvoorwaarden, relevante wetsartikelen en uitspraken van Kifid om tot dit advies te komen. Met deze achtergrondinformatie kan een acceptant sneller en effectiever een besluit nemen. AI neemt de taak dus niet over, maar biedt de specialist de mogelijkheid om snel tot een besluit te komen.

Reactie toevoegen

Naam

E-mailadres

Reactie

Organisatie

Telefoonnummer

VVPVIP HypothekenVVP Innovatie PlatformVIP SchadeVVP Twitter

Toevoegen 

Meer over

• Justin Schlee
• kunstmatige intelligentie