Vier stappen die MKB’ers moeten zetten voor ze beginnen aan AI
Je hebt vast wel eens voorbeelden gehoord van wat AI in de toekomst voor ons gaat doen:
- Klantenservice medewerkers hebben het antwoord op de vraag al op hun scherm staan voordat de klant is uitgepraat.
- Voorspellend onderhoud wordt zo goed dat het nieuwe onderdeel is gemonteerd, twee minuten voor het oude kapot ging.
- Marketing agencies hoeven nooit meer een blog te schrijven.
We zien bij onze klanten (MKB ondernemingen) dat er vaak nog een paar stappen te zetten zijn voordat we in deze toekomst zijn. Daarom nemen we je in deze blog mee in het proces dat de meeste MKB’ers doorlopen als ze willen beginnen met AI.
1 Welke data hebben we?
Als niet duidelijk is waar mee gewerkt wordt, kunnen we ook niet weten wat we eruit hopen te halen. Zorg dat duidelijk is waar verschillende data staat. Uw sales team werkt wellicht in een CRM-systeem, er wordt een ERP-systeem gebruikt en in een klantenservice systeem of op sociale media staat wat klanten over het bedrijf zeggen. Identificeer ook hoe die data eruit ziet en hoe dit gestandaardiseerd kan worden.
Stakeholders: De projectleider, IT-manager en medewerkers die in de systemen werken.
2 Wat willen we bereiken met die data?
"Setting goals is the first step in turning the invisible into the visible." - Tony Robbins
Zorg dat er duidelijke doelen gesteld worden. Voorbeelden hiervan zijn het verminderen van de tijd om een klant te beantwoorden met 30% of het verhogen van de productie-efficiëntie met 20% door beter voorspellend onderhoud.
Stakeholders: Directeur, overig management en IT-manager.
3 Hoe gaan we die informatie centraliseren?
Nu duidelijk is welke data stromen er zijn en wat ermee bereikt moet worden, is het tijd om alles samen te brengen. De data wordt gekoppeld met een database, voor een lijst van databases klik je hier. Met alleen een database is de data nog niet makkelijk toegankelijk. Om de database toegankelijk te maken is het belangrijk om een eenduidig en gestructureerd format te gebruiken voor de opslag van de data.
Stakeholders: IT-manager
4 Hoe gaan we de data begrijpen?
Een database met duizenden rijen informatie die door elkaar staan maakt nog steeds niets duidelijk. Daarom is het in deze stap essentieel om te kijken naar dashboarding. Een plaatje zegt meer dan duizend woorden, toch?
Stakeholders: Directeur, overig management, projectleider, (senior) managers
Dit zijn de eerste stappen die een MKB-onderneming gaat zetten die waarde wil halen uit AI. Omdat we bij Valuso niet zo flauw zijn voegen we graag nog een klein stukje toe over het uitwerken van de AI-strategie.
5 Hoe gaan we het iets met die informatie laten doen?
Om vervolgens te werken naar een AI die alles weet van wat er binnen het bedrijf gebeurt, is de laatste stap zeker niet de makkelijkste; Haal AI-expertise binnen het bedrijf. Het schrijven of gebruiken van algoritmes is een vak apart en is niet te doen voor een normale sterveling. Daarom leiden mensen personeel op tot AI-engineer of huren ze expertise van buiten.
Dit zijn de eerste stappen die een MKB bedrijf moet zetten om hun concurrenten voor te blijven op het gebied van technologie. Het is belangrijk om te beseffen dat dit een een beknopt overzicht is en geen exacte handleiding.
