Denk aan een AI-assistent die antwoord geeft uit jullie eigen reglementen, of aan documentverwerking die gegevens uit facturen en aanvraagformulieren overneemt. Zulke toepassingen werken goed zodra de onderliggende data op orde is. Data klaarmaken voor AI betekent niet dat alles eerst perfect moet zijn. Je moet weten welke data je nodig hebt, waar die staat, wie erbij mag en hoe je meet of de uitkomst klopt.
Data klaar voor AI in het kort
Je data is klaar voor AI als vier dingen kloppen voor één concrete toepassing. De benodigde bronnen zijn bekend en bereikbaar. De inhoud is actueel en eenduidig. Toegang en privacy zijn geregeld. En je hebt vooraf vastgelegd wat een goed antwoord is. Dat beoordeel je per toepassing, niet voor de hele organisatie tegelijk.
AI-ready data begint bij één toepassing
AI-ready data is data die een AI-model betrouwbaar kan gebruiken voor een specifieke taak, zonder dat gevoelige informatie terechtkomt waar die niet hoort. Je hebt er dus geen volledig opgeschoond datawarehouse voor nodig. Het gaat om de juiste data bij de juiste vraag.
In veel toepassingen leert het model jullie documenten niet uit het hoofd. Het systeem zoekt per vraag de relevante passages op en geeft die mee aan het model. Bij de AI-toepassingen die wij bouwen, blijft de data binnen de eigen omgeving van de klant. Per vraag gaat alleen mee wat nodig is, en het antwoord verwijst naar de bron waaruit het is opgebouwd. Hoe goed het antwoord is, hangt daardoor direct af van de kwaliteit en vindbaarheid van die bronnen.
Waarom eigen data zo’n groot verschil maakt en hoe een traject in fases verloopt, lees je in ons overzicht over AI-implementatie van eerste idee naar werkende toepassing.
Checklist: data klaarmaken voor AI
De checklist hieronder volgt de volgorde waarin wij een AI-vraagstuk benaderen: eerst het werk, dan de bronnen, de kwaliteit, de toegang en de meetbaarheid. Loop hem door voor de toepassing die jullie als eerste overwegen.
Doel en afbakening
Begin bij het werk en niet bij de data. Als de taak scherp is, weet je welk deel van je data op orde moet zijn.
- Er is één concrete taak benoemd. “Ledenvragen over contributie beantwoorden” kun je toetsen. “Iets met AI in klantcontact” niet. Hoe smaller de taak, hoe kleiner het deel van je data dat je moet voorbereiden.
- Je weet wie het resultaat gebruikt en beoordeelt. Een vakspecialist die de uitkomst controleert, stelt andere eisen dan een klant die direct antwoord krijgt. Wij werken vanuit het principe dat AI voorstelt en de vakspecialist beslist.
- Het huidige volume en de tijd die het kost zijn bekend. Stel dat een team elke week 400 formulieren met de hand overtypt, à vijf minuten per formulier. Dan weet je dat het om ruim 33 uur per week gaat, en daaraan kun je de opbrengst later afmeten.
Bronnen en bereikbaarheid
AI kan alleen werken met data die het systeem kan bereiken. Dit deel van de checklist brengt in kaart waar de informatie staat en hoe die beschikbaar komt.
- Alle bronnen voor deze taak zijn op een rij gezet. Denk aan het CRM, het documentmanagementsysteem, gedeelde schijven, mailboxen en de spreadsheet die één collega bijhoudt. Die laatste blijkt vaak onmisbaar.
- Elke bron heeft een eigenaar. Iemand moet kunnen zeggen welke versie leidend is en wie wijzigingen doorvoert. Zonder eigenaar raakt een bron na de livegang ongemerkt verouderd.
- De data is digitaal uit te lezen. Met documentherkenning kun je gescande pdf’s en foto’s van bonnen gebruiken. Test handgeschreven notities of documenten met wisselende sjablonen wel eerst op een steekproef.
- De systemen zijn te koppelen. Heeft een pakket een API (een vaste aansluiting waarlangs systemen automatisch data uitwisselen), dan blijft de AI-toepassing vanzelf actueel. Zonder koppeling ben je afhankelijk van handmatige exports, die snel verouderen. Draait belangrijke data in een oud systeem, dan kan een datamigratie naar een moderne omgeving de logische eerste stap zijn.
Kwaliteit en actualiteit
Een model antwoordt even stellig uit een verouderd document als uit een actueel document. Daarom weegt de inhoud van je bronnen zwaarder dan de hoeveelheid.
- Verouderde versies zijn gemarkeerd of verwijderd. Drie versies van hetzelfde reglement leveren tegenstrijdige antwoorden op. Een duidelijke versie- of datumaanduiding is vaak al genoeg.
- Begrippen zijn eenduidig. Leg vast of ‘klant’, ‘relatie’ en ‘deelnemer’ in verschillende systemen hetzelfde betekenen, of juist niet. Een korte begrippenlijst helpt het systeem en de mensen die de uitkomsten controleren.
- Belangrijke velden zijn consequent gevuld. Lege velden, datums die als vrije tekst zijn ingevoerd of bedragen met en zonder btw door elkaar maken herkenning en controle lastig.
- Documenten hebben een herkenbare structuur. Met kopjes, datums en een duidelijk documenttype vindt het systeem sneller de juiste passage en kan het antwoord netjes naar die passage verwijzen.
Toegang, privacy en zeggenschap
Werk je met AI op eigen data, dan gaat het vaak om persoonsgegevens of vertrouwelijke stukken. Daarop is de AVG volledig van toepassing. Afhankelijk van de toepassing gelden er ook verplichtingen uit de Europese AI-verordening (AI Act).
- Je weet welke persoonsgegevens in de bronnen staan. Ga na of het nieuwe gebruik past bij het doel waarvoor de gegevens zijn verzameld. Dat heet doelbinding, en het is een van de kernprincipes van de AVG.
- Rechten uit de bronsystemen blijven gelden. Mag een medewerker een dossier niet inzien, dan mag hij er via de AI-toepassing ook geen antwoord uit krijgen. Controleer of de bestaande rollen en rechten goed genoeg zijn om over te nemen.
- Je weet waar de data naartoe gaat. Bepaal welke data de eigen omgeving verlaat, bij welke leverancier die terechtkomt en in welke regio die wordt verwerkt. Leg dat vast in een verwerkersovereenkomst. Wij sluiten die standaard af wanneer we persoonsgegevens verwerken.
- Gevoelige gegevens zijn apart benoemd. Gezondheidsgegevens, BSN’s en financiële gegevens vragen om extra maatregelen. Soms is het verstandiger ze helemaal buiten de toepassing te houden.
- Er is logging. Als je vastlegt welke vraag tot welk antwoord leidde, kun je achteraf controleren hoe het systeem werkte en verantwoording afleggen.
Meetbaarheid
Zonder vooraf vastgelegde norm blijft de vraag of AI het werk aankan een kwestie van gevoel. Dit laatste deel zorgt dat je een pilot objectief kunt beoordelen.
- Er is een testset met echte voorbeelden. Stel bijvoorbeeld 30 tot 50 representatieve vragen of documenten samen, met het juiste antwoord erbij en inclusief de lastige gevallen.
- De kwaliteitscriteria zijn vastgelegd. Bijvoorbeeld: elk antwoord verwijst naar een bron, bedragen kloppen tot op de cent en bij twijfel meldt het systeem dat. Wij leggen zulke criteria vóór de start samen met de klant vast.
- Je weet wat ‘goed genoeg’ is. Moet de uitkomst foutloos zijn, dan blijft er altijd een mens die controleert. Mag het systeem een bepaald deel van de gevallen doorzetten naar een medewerker, dan bespaar je vooral tijd op de rest.
Niet alles hoeft vooraf perfect te zijn
Ons eerlijke advies: begin niet met een groot opschoonproject voor de hele organisatie voordat je één toepassing hebt geprobeerd. Je loopt dan het risico maanden te investeren in data die voor de eerste toepassing niet nodig blijkt.
Een kleine pilot op eigen data laat juist zien welke gaten ertoe doen. Soms blijkt een rommelige bron prima bruikbaar, omdat een vakspecialist de uitkomst toch controleert. Dat zie je terug in Letselinzicht, het platform dat we samen met Helder bij Letselschade ontwikkelen. Daar worden bonnen en facturen herkend en als voorstel klaargezet, en de jurist houdt de controle. Het platform levert tot 50% tijdwinst op het rekenwerk op.
Er zijn ook situaties waarin AI niet de beste volgende stap is. Komt de informatie grotendeels binnen via papier, losse mails en spreadsheets zonder eigenaar, dan levert een eenvoudige interne tool die de invoer structureert vaak meer op. Daarmee leg je ook de basis voor AI op een later moment.
Veelgestelde vragen
Moet al onze data opgeschoond zijn voordat we met AI beginnen?
Nee. Alleen de data voor de eerste toepassing moet bereikbaar, actueel en eenduidig zijn. Een pilot laat zien welke verbeteringen het meeste opleveren, zodat je geen tijd steekt in data die je niet gebruikt.
Wordt onze data gebruikt om het AI-model te trainen?
Dat hangt af van de leverancier en de afspraken die je maakt. Bij de toepassingen die wij bouwen, blijft de data binnen de eigen omgeving van de klant en gaat per vraag alleen mee wat nodig is. Leg de afspraken altijd vast in een verwerkersovereenkomst.
Hoeveel werk is het om data klaar te maken voor AI?
Dat hangt vooral af van het aantal bronnen, de kwaliteit ervan en de vraag of systemen te koppelen zijn. Eén goed afgebakende taak met twee of drie digitale bronnen vraagt veel minder voorbereiding dan een toepassing die de hele organisatie moet bestrijken.
Kunnen we gescande documenten en foto’s gebruiken?
Meestal wel. Documentherkenning, zoals Azure Document Intelligence waarmee wij werken, haalt gegevens uit scans, facturen en formulieren. Test vooraf wel op een steekproef met afwijkende of handgeschreven documenten.
Klein beginnen met de data die er al is
Je data klaarmaken voor AI is geen eenmalig project voor de hele organisatie. Het is een gerichte voorbereiding op één taak: de bronnen in kaart, de inhoud actueel, de toegang geregeld en vooraf duidelijk wat een goed antwoord is. Lukt dat voor één toepassing, dan wordt de volgende stap een stuk kleiner.
Wil je weten welke toepassing past bij de data die jullie nu al hebben? Op onze pagina over AI-implementatie op eigen bedrijfsdata staat de gratis AI-implementatiescan. Die geeft je in vijf minuten een eerste oordeel, en het volledige rapport ontvang je per e-mail.