De ontwikkeling van Artificial Intelligence (AI)-systemen gaat razendsnel. Het laatste nieuws over Generative  Artificial Intelligence (Gen AI) wekt zowel verbazing als bezorgdheid, en de volledige implicaties, zowel op korte als lange termijn, blijven onzeker. Gen AI is een subset van de overkoepelende term AI en kan nieuwe inhoud genereren, terwijl het normaal gaat om het analyseren van bestaande data of het reageren hierop. Gen AI maakt gebruik van geavanceerde machine learning-modellen om inhoud te genereren, gebaseerd op de invoer van de gebruiker en een interpretatie van de data waar het toegang toe heeft. Gen AI opent een nieuwe wereld aan mogelijkheden en toepassingen, waaronder het helpen van organisaties bij het overwinnen van uitdagingen tijdens het digitaliseren en optimaliseren van end-to-end (E2E) processen. Het is mogelijk om deze uitdaging aan te gaan met bekende methodologieën zoals Robotic Process Automation (RPA), Low-code en Intelligent Automation-technologieën, maar het combineren van deze technologieën met Gen AI versnelt het hele proces aanzienlijk.

Dit artikel gaat in op het hoe en wat van het ontwikkelen van potentiële Gen AI-gebruiksscenario's en de implementatie ervan in de operationele processen van jouw organisatie. Enerzijds richten we ons op de positieve kant van Gen AI en hoe het bedrijven zal ondersteunen. Anderzijds gaan we dieper in op de uitdagingen bij het implementeren van Gen AI in jouw organisatie, inclusief de bestuurlijke en ethische uitdagingen. Aan het einde wordt uitgelegd hoe Gen AI de digitaliseringsreis van een organisatie kan verbeteren door Gen AI te combineren met bestaande digitale technologieën.

Hoe verbetert Gen AI de operationele bedrijfsprocessen binnen een organisatie?

Gen AI biedt een breed scala van mogelijkheden. Het kan de efficiëntie en schaalbaarheid van de processen van een organisatie verhogen, waardoor medewerkers zich kunnen richten op activiteiten die meer waarde toevoegen. Daarnaast biedt Gen AI de mogelijkheid om inhoud te creëren die preciezer aansluit bij specifieke doelgroepen, waardoor jouw boodschap persoonlijker en aantrekkelijker wordt. Ook kan Gen AI het tempo van handmatige of repeterende taken aanzienlijk verhogen.

Een voorbeeld is onze Gen AI Chatbot die helpt bij de CSRD-gapanalyse. CSRD, ofwel Corporate Sustainability Reporting Directive, is een Europese richtlijn voor duurzaamheidsrapporten en veel bedrijven zijn verplicht om te voldoen aan de CSRD-rapportagestandaarden. KPMG Sustainability Reporting voert als service een gapanalyse uit, gebaseerd op recent gepubliceerde jaar- en duurzaamheidsrapporten. Maar het uitvoeren van een gapanalyse is een tijdrovend proces. Dankzij de toepassing van ‘prompt engineering’ kan de chatbot bronnen diepgaand analyseren, samenvatten en eventuele afwijkingen van rapportagestandaarden identificeren. Deze door Gen AI ondersteunde technologie versnelt het gapanalyseproces en verkleint de behoefte aan personeel en middelen. Deze technologie kan bij elk vergelijkbaar operationeel proces in organisaties worden toegepast om handmatig werk te reduceren, zoals voorraadbeheer, product- en servicekwaliteitsgarantiechecks of het rapporteren van operationele gegevens over de organisatie.

Het toepassen van Gen AI technologie stelt organisaties in staat om een datagedreven besluitvormingsproces te ontwikkelen, wat resulteert in strategischere en succesvollere bedrijfsresultaten. Er zijn veel factoren in overweging te nemen bij een implementatie van Gen AI. In het volgende hoofdstuk bespreken we deze implementatiefactoren en de bijbehorende uitdagingen.

Overwinnen van uitdagingen bij de implementatie van Gen AI

Het correct implementeren van Gen AI in de organisatie en ondersteunende bedrijfsprocessen kan voordelen opleveren, maar deze implementatie moet wel aan bepaalde voorwaarden voldoen om de risico’s ervan te minimaliseren. Het is dus essentieel om goed voorbereid te zijn voor een succesvolle implementatie van Gen AI in jouw organisatie. Belangrijke uitdagingen die overwonnen moeten worden, hebben betrekking op de kennis en expertise van werknemers, dataprivacy, en het ontwikkelen van businesscases met een duidelijke strategie en leiderschap.

Een fundamentele voorwaarde voor de implementatie van Gen AI is de aanwezigheid van een gespecialiseerd team van werknemers, zoals datawetenschappers en softwareontwikkelaars, die in staat zijn AI-technologieën te ontwikkelen en te integreren. Er is wereldwijd een tekort aan talent in deze vakgebieden, waardoor het voor organisaties moeilijk en kostbaar wordt om dit talent aan te trekken en te behouden. Een andere belangrijke investering is het implementeren van maatregelen voor gegevensbescherming, zoals persoonsgegevens. Vanwege de grote hoeveelheid gevoelige informatie waarmee grote organisaties werken, zijn zij vaak terughoudend om AI volledig in te zetten, uit vrees voor het lekken van deze gegevens en mogelijke overtredingen van privacyregels.
Door deze risico’s te mitigeren, kunnen ze een solide basis creëren voor de adoptie van Gen AI. Daarnaast is het belangrijk om een duidelijke businesscase te ontwikkelen. Dit omvat een goed begrip van hoe Gen AI specifieke zakelijke behoeften zal aanpakken, operationele gebieden zal verbeteren of een nieuwe strategische richting zal bieden. Voor een succesvolle implementatie van Gen AI is dus betrokken leiderschap van het management aan de top vereist.

Ook ethische overwegingen komen naar voren bij de implementatie van Gen AI, aangezien het misbruik van gegenereerde inhoud kan leiden tot een schending van intellectuele eigendomsrechten of privacy. Omgaan met deze uitdagingen vereist risicobeheer, sterke digitale governance en de integratie van robuuste ethische kaders. Proactief beheer van Gen AI is cruciaal om de daaraan verbonden risico’s te beteugelen. Dit omvat het hebben van duidelijke kaders en richtlijnen waarin is geregeld hoe AI-mogelijkheden worden ontwikkeld en toegepast binnen organisaties. Zonder een goed gedefinieerde governance bestaat het risico dat AI-systemen compliancenormen overtreden als ze operationeel zijn. Het ontbreken daarvan kan ook leiden tot een gebrek aan verantwoordelijkheid voor de besluitvorming. Bovendien bestaat het risico van ‘black box’-besluitvorming doordat Gen AI zelfstandig leert en zich aanpast. Hierdoor blijf het onduidelijk hoe AI-modellen tot bepaalde conclusies komen.

digital stack

Figuur 1: Digital Stack-technologieën kunnen op meerdere manieren profiteren van Gen AI.

Versterken van de Digital Stack met Gen AI

Organisaties komen de eerdergenoemde uitdagingen tegen bij het implementeren en onderhouden van technologische oplossingen. Een organisatie kan kiezen uit een scala van nieuwe technologische oplossingen die kunnen worden toegepast voor verschillende vormen van procescommunicatie en/of integratie, ook wel hyperautomation genoemd. Werken met hyperautomation- oplossingen kan moeilijk zijn vanwege complexe interfaces, organisatorische uitdagingen en complexe integraties tussen verschillende technologieën. Als gevolg hiervan vallen organisaties vaak terug op inefficiënte en conventionele methoden voor procesoptimalisatie, waardoor ze het risico lopen achter te blijven bij de concurrentie. Hier komt Gen AI om de hoek kijken, die als een 'versneller' fungeert en de Digital Stack (figuur 1) verbetert.

Om de tekortkomingen van hyperautomation te ondervangen, kan Gen AI putten uit een breed scala van menselijke ervaringen, kennis en gezond verstand. Topbestuurders voorzien dat Gen AI van alle opkomende technologieën de grootste impact op hun bedrijven zal hebben. De meerderheid gelooft dat het de manier waarop organisaties werken, met klanten communiceren en inkomsten genereren, zal transformeren.

Gen AI heeft het potentieel om inspanningen op het gebied van hyperautomation aanzienlijk te verbeteren door computers ongekende niveaus van creativiteit en aanpasbaarheid te laten bereiken, waardoor organisaties hun operationele flexibiliteit kunnen vergroten. In verschillende vormen, waaronder intelligente assistentie, fungeert Gen AI als de ruggengraat voor interacties tussen gebruikers en de Digital Stack. Deze verbetering stelt gebruikers in staat om problemen met complexe interfaces, organisatorische implementatie-uitdagingen en integratie-obstakels te overwinnen. Bijvoorbeeld, Gen AI kan aanvullende informatie verschaffen binnen gebruikersinterfaces, op maat gemaakte strategieën voor verandermanagement genereren en de automatisering van de integratie tussen E2E-oplossingen vergemakkelijken. Dit stelt medewerkers in staat hun taken efficiënter en effectiever uit te voeren, wat resulteert in verbeterde bedrijfsresultaten. Daardoor wordt hyperautomation toegankelijker en onderdeel van een groter systeem.

Klaar om de reis met Gen AI te starten?

Jij hebt gelezen hoe Gen AI de efficiëntie en schaalbaarheid van de operationele processen van een organisatie kan verhogen als het correct wordt uitgevoerd. Er moeten ethische, bestuurlijke en implementatie-uitdagingen worden overwonnen om Gen AI succesvol te implementeren. Gen AI heeft het potentieel om hyperautomation aanzienlijk te verbeteren door onze Digital Stack te versnellen, waardoor organisaties een grotere operationele wendbaarheid verkrijgen.

Bij KPMG begeleiden we klanten met een op maat gemaakte, gestructureerd traject van analyse en ideeën tot Proof of Concept in de snelgroeiende wereld van Gen AI. Onze aanpak is afgestemd op jouw bedrijfsdoelstellingen, organisatiestructuur, werknemers en klanten. Door gebruik te maken van onze uitgebreide kennis en ervaring, en ons vaste partnerschap met marktleider Microsoft, stellen we klanten in staat het volledige potentieel van Gen AI te ontdekken. Onze inspanningen focussen zich op het stroomlijnen en moderniseren van datasystemen en het aanpakken van uitdagingen zoals andersoortige gegevens en inefficiënte workflows. We beschouwen automatisering niet louter als een trend, maar als een transformatieve kans om de toekomst van jouw bedrijf anders vorm te geven. De KPMG Hyperautomation maturity Scan is een waardevol hulpmiddel om de gereedheid van jouw organisatie voor deze transformatie te beoordelen. De scan beoordeelt jouw huidige ‘as is’-situatie en geeft een eerste inzicht in hoe ver jij als organisatie bent op de schaal van hyperautomation. Dit inzicht dient als richtlijn voor de volgende stappen in jouw automatiseringsproces en draagt bij aan het maximaliseren van waarde voor jouw organisatie. Met de krachtige impuls die ons model van ethische governance biedt, zijn wij gefocust op een verantwoorde en effectieve implementatie van Gen AI binnen jouw gehele organisatie.