Iedereen die serieus met AI aan de slag wil, loopt tegen dezelfde dilemma's aan. Je hebt bergen aan waardevolle informatie, zoals klantdata, contracten, mailgeschiedenis en projectdocumentatie. Je weet dat AI daar iets mee zou kunnen, en dat je daarmee patronen kunt vinden die je zelf over het hoofd ziet en verbanden kan leggen waar je nooit aan dacht.
Maar de koudwatervrees met deze nieuwe technologie, in handen van grote doorgaans Amerikaanse technologiebedrijven, is terecht. We snappen onze eigen informatiesystemen doorgaans niet eens. Laat staan dat we kunnen doorgronden hoe die grote AI-modellen precies werken en waar onze data terechtkomt en hoe wenselijk of onwenselijk dat is.
Gelukkig is er een slimme oplossing die alle koudwatervrees als sneeuw voor de zon laat verdwijnen. En de meeste mensen die ik spreek hebben hier domweg nog nooit bij stilgestaan.
De grootste misvatting: AI betekent niet automatisch datadeling
De afgelopen maanden heb ik mijn eigen data van twintig jaar ontsloten. Ik haalde mijn mailarchief op bij Gmail, exporteerde mijn locatiegeschiedenis uit Foursquare en downloadde mijn connecties van LinkedIn en de transacties van mijn bank. Al die informatie heb ik lokaal opgeslagen en vervolgens met hulp van AI gestructureerd en doorzoekbaar gemaakt, zonder dat er ook maar één byte mijn laptop heeft verlaten.
Collegaspreker en auteur Peter Ros heeft het vaak over gratis letters bestellen. Iets waar de meeste mensen AI vooral voor gebruiken, zoals het maken van plaatjes en het genereren of analyseren van tekst, maar je kunt nog iets slimmers ermee doen.
Zo voorkom je dat je bedrijfsdata bij techreuzen belandt
Maar een massaal onderschatte superkracht van AI is het maken van stukjes computerscript en softwarecode. Iets wat spannend en eng lijkt, maar in de praktijk niet is, zo ondervond ik afgelopen maanden. AI is fantastisch in het maken van brokjes code, zoals een simpel Python-script, dat je lokaal op je eigen machine draait. Hierdoor kun je dus software maken die jouw bestanden lokaal op je computer doorwerkt, verwerkt of omzet in betere en rijkere bestanden. De AI raakt jouw data zelf dus niet aan.
Een krachtig voorbeeld is hoe ik een aantal CSV-bestanden met dertigduizend banktransacties van een onleesbare bak met kolommen in bruikbare analyses kon omzetten via AI-tool Claude Code. Ineens kon ik elk brokje informatie ontsluiten, analyseren, sorteren, filteren en bij elkaar optellen. En toen ik dat eenmaal gedaan had, maakte ik met dezelfde tool mijn eigen iPhone-app met mijn eigen financiële geschiedenis, maar dan ontsluitbaar op een voor mij fijne manier. Nu kan ik zoeken op locaties, op personen, op organisaties. En ik kan de totalen zien van alle transacties met die partij, maar ook de kleinste en de grootste transactie en de som per jaar. Ongekend krachtig met veel potentie. Dit is maar een van de zestien iPhone-apps die ik inmiddels gemaakt heb nu ik het spelletje doorheb.
Anthropic heeft geen wat er in mijn data staat
En zeker heel belangrijk: de AI-partij, in dit geval Anthropic de eigenaar van Claude Code, heeft geen idee wat er in mijn data staat. En dat was precies de bedoeling.
Bij vrijwel elke organisatie waar ik kom ligt er een berg aan ongestructureerde informatie waar niemand meer doorheen komt. Er zijn PDF-archieven waar geen metadata aan hangt en mailboxen met jarenlange correspondentie die nooit meer wordt teruggevonden. En telkens als iemand met pensioen gaat verdwijnt er weer een stuk kennis dat nergens is vastgelegd. Met deze door AI ondersteunde krachten kun je vrij snel beginnen met het structureren van je data. Want zonder gestructureerde data heb je er niet zo heel veel aan en kun je niks terugvinden.
Die berg aan informatie is geen last maar kapitaal. Informatiekapitaal dat braak ligt omdat niemand de tijd heeft om het met de hand te ordenen en niemand het risico wil nemen om het door AI te laten verwerken. Maar dat dilemma is vals, want er is een derde optie.
Ik heb gemerkt dat veel mensen wel een mening over AI hebben, maar er niet zelf serieus mee aan de slag zijn gegaan buiten het maken van plaatjes of teksten
Martijn Aslander
Het omzetten van dertigduizend regels in meerdere CSV's met een lokaal draaiend script kan in twee seconden. Ik was verbluft. En de AI die dat script schreef heeft nooit een letter van mijn data gezien.
Hier handigheid in krijgen of een paar handige geeks in je organisatie hiermee laten spelen kan je een vermogen besparen aan externe consultants die je AI-bergen beloven. Dat lijkt me een goede zaak. Nog beter is zelf dit soort experimenten doen. Ik heb gemerkt dat veel mensen wel een mening over AI hebben, maar er niet zelf serieus mee aan de slag zijn gegaan buiten het maken van plaatjes of teksten. Dat is een dringend advies, omdat je zomaar miljoenen aan onnodige IT-investeringen en documentsystemen kunt besparen.
AI inzetten zonder je autonomie te verliezen
Je hoeft geen programmeur te zijn om dit te doen. Je moet goed kunnen uitleggen wat je wil. En daarna kunnen controleren of het resultaat klopt. De rest wordt wel door AI gedaan. Waarom ik zo hamer op dit zelf doen is dat je dan de handigheid erin krijgt en de routine om beter te worden in wat je wil vragen. Een vaardigheid die je overigens op veel meer plekken geen windeieren gaat leggen.
Deze aanpak sluit precies aan bij alle zorgen die organisaties hebben in het leren omgaan met AI. Je data blijft lokaal en je bent van niemand afhankelijk en een gesprek met Claude of ChatGPT kost een paar cent. Terwijl het script dat je ermee maakt eindeloos herbruikbaar is. Ik heb grote zorgen over tools als Copilot die in organisaties geïmplementeerd worden en waardoor je data in één keer bij de Amerikanen terechtkomt. Je kunt beter Copilot gebruiken om stukjes code te maken. Dan ben je van die ellende af.
Ontvang elke week - op maandag - het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in en maak kans op een Apple Watch!
