Is automatisering hetzelfde als AI? Nee, en het onderscheid is meer dan taalkundige haarkloverij. Het bepaalt wat een oplossing kost, hoe voorspelbaar hij is en wie hem kan onderhouden. Sinds AI goed verkoopt, wordt er bovendien veel gewone automatisering onder die vlag aangeboden, tegen een hogere prijs.
Automatisering: vaste regels
Gewone automatisering doet iets omdat u het letterlijk heeft opgeschreven. Als er een bestelling binnenkomt, stuur dan deze mail. Als een formulier het woord offerte bevat, zet er dan dit label op. Als het dinsdag is, maak dan een back-up.
Kenmerken: het is honderd procent voorspelbaar, het kost per handeling vrijwel niets, en u kunt achteraf exact nagaan waarom er iets gebeurde. Het werkt uitstekend zolang de werkelijkheid zich aan uw regels houdt.
Dit soort automatisering zit al overal in uw site. WordPress voert op vaste momenten taken uit, zoals uitgelegd in het stuk over geplande taken in WordPress, en uw webshop verstuurt bevestigingsmails zonder dat iemand op een knop drukt.
AI: een inschatting
Een taalmodel doet iets omdat het op basis van enorme hoeveelheden tekst inschat dat dit het waarschijnlijkste antwoord is. U schrijft geen regels, u geeft een opdracht en voorbeelden.
Kenmerken: het gaat om met formuleringen die u niet had voorzien, het kost per handeling geld, en het antwoord kan de ene keer net anders uitvallen dan de andere. Achteraf precies verklaren waarom er iets uitkwam, is lastig.
Die onvoorspelbaarheid is geen gebrek maar de prijs voor flexibiliteit. Wie beide door elkaar haalt, verwacht van AI de betrouwbaarheid van een regel, en dat loopt mis.
Wanneer u een vaste regel wilt
- Als het antwoord altijd hetzelfde is. Bevestigingsmails, facturen, verzendlabels, herinneringen.
- Als er geld of verplichtingen in het spel zijn. Een korting, een annulering, een betaling: dat wilt u niet laten inschatten.
- Als u het achteraf moet kunnen uitleggen. Bij een geschil is “de regel zei dit” een verdedigbaar antwoord.
- Als het volume hoog is. Duizend keer per dag een model bevragen kost geld; een regel kost niets.
Wat in deze categorie valt, is bijvoorbeeld het versturen van facturen na een bestelling, iets wat prima zonder enige vorm van AI kan, zoals beschreven bij het automatisch versturen van facturen vanuit uw webshop.
Wanneer u een model wilt
- Als de invoer vrije tekst is. Een bericht van een klant komt in duizend varianten binnen; daar valt geen regel op te schrijven.
- Als u wilt samenvatten of herschrijven. Vaste regels kunnen dat niet.
- Als u wilt sorteren op iets vaags, zoals toon of urgentie.
- Als u zoekt op betekenis in plaats van op woorden. “Iets warms voor buiten” vindt met een regel niets.
De valkuil: AI gebruiken waar een regel volstaat
Dit is de duurste fout die wij tegenkomen. Een voorbeeld: een bedrijf liet elke formulierinzending door een model beoordelen om te bepalen of er een telefoonnummer in stond. Dat is een controle die een eenvoudige regel in een fractie van een seconde doet, gratis en foutloos.
Nog een voorbeeld: een bot laten beantwoorden wat de openingstijden zijn. Dat kan, maar een vast antwoord is sneller, goedkoper en kan nooit iets verzinnen. Goede opstellingen combineren daarom: de tien meestgestelde vragen krijgen een vast antwoord, alles daarbuiten gaat naar het model.
Omgekeerd komt ook voor: een regelsysteem met tweehonderd als-dan-takken dat niemand meer durft aan te passen, terwijl één model met een goede opdracht hetzelfde werk doet. Beide fouten kosten geld; de eerste in verbruik, de tweede in beheeruren.
Wie het onderhoudt, en met welke kennis
Er zit nog een verschil tussen de twee soorten dat pas na een jaar opvalt: wie er iets aan kan veranderen.
Een vaste regel is te lezen. Staat er dat een bericht met het woord factuur naar de administratie gaat, dan begrijpt iedereen die het scherm openslaat wat er gebeurt en waarom. Aanpassen is een kwestie van dat woord vervangen. De kennis die u ervoor nodig heeft, zit in het systeem zelf.
Bij een model ligt dat anders. De sturing zit in een instructietekst, en die leest als een verzameling losse afspraken waarvan de aanleiding nergens genoteerd staat. Wie er na een jaar iets in wil wijzigen, weet niet welke zin er ooit is toegevoegd omdat er iets misging. Haalt u de verkeerde weg, dan komt het probleem van toen terug.
Wat daartegen helpt, is niet technisch. Bewaar de instructie op een plek waar u zelf bij kunt, buiten het beheerscherm van de leverancier. Zet bij elke regel in één zin waarom hij er staat. En noteer met welke vragen u controleert of het nog goed gaat.
Dat klinkt als administratie en dat is het ook. Maar het is het verschil tussen een onderdeel dat u kunt meenemen naar een andere aanbieder en een onderdeel dat u kwijt bent zodra de partij die het bouwde niet meer bereikbaar is. Bij gewone automatisering speelt die vraag veel minder.
Hoe u de keuze maakt
- Schrijf de taak op in één zin. Lukt dat als een als-dan-regel, dan heeft u geen AI nodig.
- Kijk naar de invoer. Vaste velden en aanvinkvakjes wijzen naar een regel. Vrije tekst wijst naar een model.
- Vraag wat er misgaat bij een fout. Is dat duur of onomkeerbaar, dan wilt u een regel, of een model dat alleen voorbereidt en een mens die bevestigt.
- Tel het volume. Boven de paar duizend handelingen per maand loont het om te kijken of het goedkoper kan.
In de meeste bedrijven eindigt die analyse op een verhouding van ongeveer tachtig om twintig: het grootste deel van de winst zit in gewone automatisering die al jaren mogelijk was, en een klein maar waardevol deel in taken waar taal in het spel is. Dat is minder spectaculair dan de folders beloven, en het is wel de manier waarop het blijft werken.
Wij beginnen daarom bij klanten altijd met de vraag welke handelingen er wekelijks handmatig gebeuren, voordat er iets over modellen wordt gezegd. Hoe die inventarisatie eruitziet en wat er dan meestal uitrolt, staat beschreven bij automatisering met en zonder AI op uw website.
