Waarom de techniek niet de bottleneck is bij AI-implementaties met Sophia Zitman

We spreken Sophia Zitman, Director of AI Projects bij Kickstart.ai. Sophia deelt haar ervaringen met AI-implementaties van A tot Z, van corporates tot non-profits zoals de Voedselbank en het Erasmus Medisch Centrum. Ze legt uit waarom de techniek zelden de bottleneck is en waarom een can-do-mentaliteit het verschil maakt tussen succesvolle en mislukte AI-trajecten. Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live. Vandaag, nou niet in mijn eentje, want uiteraard hebben we een gast, maar in ieder geval zonder Niels. Die kon er niet bij zijn vanwege omstandigheden. Maar gelukkig de gast in de studio, Sophia Zitman. Sophia, ontzettend fijn dat je hier wilde komen. Zou je jezelf eerst willen voorstellen aan de luisteraar? Zeker. Sophia Zitman, zoals je zelf al zei, director of AI projects bij Kickstart.ai. Een mooie titel. Wat dat eigenlijk betekent. Wij van Kickstart.ai zijn een stichting. Opgericht door een aantal grote corporates in Nederland. Zijn de AH Delhaize, KLM, ING en NS. Met als missie de adoptie van AI in Nederland versnellen. En dat doen we op verschillende manieren. En één daarvan zijn echt van A tot Z implementatie en ontwikkeltrajecten van AI. En dat heb ik samen met het team eigenlijk die propositie opgezet. En dat is ook wat ik nu doe. Dus ook eindverantwoordelijk voor het succes van al die trajecten bij onze partners. Oh ja, wat een mooie functie. Zeker, heel vet om te doen. Ja, en je zegt het is opgericht door corporate. Wat was de achterliggende reden dan? Nou, ik denk er zat een besef bij al die bedrijven. En ik denk dat het ook wel breder gedragen werd. Van hey, daar zit echt wat in. Ik denk zeven jaar geleden zijn eigenlijk die gesprekken al begonnen. Van hey, daar moeten we echt wat mee. We weten niet precies hoe en wat, maar we zijn sterker als we onze krachten bundelen. Dus laten we dat ook doen. En op die manier kunnen we verder wat teruggeven aan Nederland. Dus niet alleen zelf de bedrijven die hierachter zitten. Maar ook voor een breder maatschappelijk doel ons inzetten. En dat is eigenlijk hoe ze toen de stichting Kixer de Hai hebben opgericht. Dus jullie werken niet alleen maar voor de oprichters? Nee, zeker niet. We doen nog heel veel daar omheen. Een voorbeeld van is dat we heel lang met Voedselbank hebben samengewerkt. Voor het Erasmus MC, het ziekenhuis in Rotterdam, hebben we bijvoorbeeld ook een project gedaan. En zo zijn er nog veel meer samenwerkingen met andere bedrijven. Interessant. Dus ook voor het non-profit in die zin? Ja, zeker. Een heel groot maatschappelijk doel zit daarbij. Zou je verschil kunnen vertellen over wat je ziet qua AI-implementatie in de corporates waar je komt en in die non-profit organisaties? Ja, zeker. Er zit sowieso denk ik wel, er zit ook een stukje overlap in. En ik denk dat is mooi om te beginnen. Alle organisaties zien het nut en de urgentie. Dus iedereen wil er wat mee. Ik denk waar grote verschillen in zitten. Is dat je ziet dat die grotere corporates al jaren hebben gehad om te investeren. In de techniek en de mensen. Dus daar staan al teams. Daar zit al meer ervaring in. En vaak bij de wat kleinere bedrijven of non-profits. Die lopen daar in die zin nog wat in achter. Maar dat zijn vaak in die zin ook wat kleinere organisaties. Dus als we dan binnenkomen, kunnen we alsnog daar heel veel mee doen. Omdat je gewoon wat flexibeler bent. Maar het type project wordt soms wel wat anders. Het is wat meer greenfield, zoals we dat soms noemen. Oh ja. En waar merk je dat aan, zeg maar, wat er dan structureel anders gaat? Nou ja, ik denk in structureel anders. Als wij een project beginnen, dan beginnen we eigenlijk altijd bij het bedrijf zelf. Dus we kijken nog helemaal niet, in eerste instantie niet, naar de techniek. Ik geloof niet in een techniek push als je echt duurzame impact wil hebben. Dus we kijken echt, waar wil zo'n bedrijf naartoe? Of naar zo'n corporate of een non-profit of andere organisaties waar we mee samenwerken. En dan ga je kijken, oké, wat is je visie? Waar wil je naartoe? En dan kan je dat terug gaan brengen naar, oké, maar wat gebeurt er dan nu op de vloer? En waar zitten dan je echte pijnpunten? En vanuit daar kan je dan verder. En in zo'n corporate heb je vaak gewoon veel meer om te navigeren. Want het is veel groter, veel meer silo's. Veel meer soms incentives die een beetje tegen elkaar ingaan. Of toch ergens anders liggen. En bij zo'n kleine organisatie of zo'n non-profit zitten vaak toch meer mensen met een soort passie. Met heel veel liefde voor het werk wat ze doen. En die willen gewoon heel graag. En die zijn wat pragmatischer. Maar die zijn vaak wat minder overstijgend in hoe ze dat aanpakken. Dus waar je ziet dat we in zo'n corporate toch wat meer de organisatie aan het navigeren zijn. Eigenlijk dat we die non-profits vooral helpen. Met echt kijken, oké jongens, dit is een probleem. Even een stapje terug. Hoe kunnen we dit echt op een duurzame manier efficiënter maken? Mooi. Ik weet niet of het mag hoor, maar zou je wat kunnen vertellen over de case van de voedselbank? Ja, zeker. Eigenlijk de voedselbank, iedereen weet wat ze doen neem ik aan. en zij dachten op een gegeven moment ze hebben zelf een project opgericht onder de radar waarin ze eigenlijk zeggen, er zijn heel veel mensen die recht hebben op hulp, die wij kunnen helpen die wij willen helpen, maar die we nu op een of andere manier niet bereiken of die niet bij ons terecht komen en toen zijn wij gaan kijken, waar zit dat probleem nou in en waar kunnen wij daarin helpen en een van de dingen die binnen dat project zijn gebeurd is dat de Voedselbank heeft zelf gekeken een soort toolbox gemaakt van Hoe moet je bepaald soort type mensen nou bereiken? Die hebben eigenlijk profielen gemaakt van mensen die ze kunnen helpen. Je kan je voorstellen dat voor een alleenstaande ouder in de bijstand... die moet je op een andere manier benaderen dan misschien iemand... een bejaard persoon die ergens anders zit. Dus die hebben andere contactpunten. En wat wij toen zijn gaan doen samen met gegevens die de Voedselbank zelf heeft... En publieke data vanuit het CBS hebben inzichtelijk gemaakt waar die mensen nou eigenlijk zitten in Nederland. Welke postcodegebieden en waar je dan naartoe moet. En vervolgens kan je zelfs gaan zeggen, we gaan voorspellen wat dat in de toekomst gaat doen. Dus we zien nu waar je nu mensen mist en welke mensen je wist. En in de toekomst kan je dan ook gaan kijken van oké, maar waar gaat dat zich naartoe bewegen? Dus dan kan je de actie die de voedselbank nu daarop zou hebben is zeggen van, dit is waar we gaan targeten. Dit is waar we het meest efficiënt kunnen targeten. Maar op langere termijn kan je ook over grotere stappen gaan denken. Als waar moet je bijvoorbeeld een nieuwe locatie of een nieuw punt openen. Oh, op die manier ja. Wat mooi. Ja, dus dat was ook zeker een leuk project om te doen. En het duur van zo'n project, kan je daar iets over zeggen? Ja, dat verschilt. Ik denk bij de grote corporate zitten we vaak rond anderhalf jaar. Dan denk ik dat we nog steeds vrij snel zijn als je van A tot Z gaat. Maar dat is ook waarvoor we zijn. Echt die accelerator, het echt sneller doen. Veel doelgerichter ook vaak. Maar soms is het ook korter. Het kan ook korter. Ik heb bijvoorbeeld een project bij het Erasmus MC. Dat is in negen maanden hebben we van A tot Z gedaan. En ik heb ook een keer een project gedaan samen met het team voor Ampere. Dat is een dochteronderneming van Bol. Die zit in de logistiek. En daar hebben we het in iets meer dan een half jaar van A tot Z gedaan. Dus het kan heel snel als je echt iets goeds te pakken hebt. Maar dat is toch nog best wel, we hebben het over maanden. Ik denk dat er best wel bedrijven en ondernemers zijn die denken dat een AI traject nu supersnel kan. Vanwege alles wat je eventueel in de media ziet of wat je op social media ziet. Wat maakt het nou dat het van begin tot eind eigenlijk wel maanden, misschien wel anderhalf jaar kost? Ik denk dat het bouwen van de AI vaak, dat kost het minste tijd. En dat kan inderdaad heel snel. Dus in die zin klopt dat sentiment helemaal. Alleen dan heb je het nog niet gebruikt. Dan staat het nog niet in je bedrijf en heb ook niet per se het goede aangepakt. Dus wat wij echt in elk traject doen, is dat we in het begin echt heel veel tijd nemen om echt zeker te weten, zijn we nou het goede ding aan het oplossen? Want iedereen kan, je kan heel makkelijk inderdaad iets van een modelletje importeren. Zeggen, dit zou potentieel, whatever kunnen. Maar wij gaan echt voor die gerealiseerde impact. Dat is echt onze North Star. Je wil gewoon dat het rendeert, je wil dat het oplevert. En dat gebeurt alleen als je echt iets maakt waar echt behoefte aan is. En wat mensen ook echt willen gebruiken. En wat je gewoon heel vaak ziet. Is dat gewoon om het idee van. Dit klinkt vet. Of dit is leuk. Of dit is een nieuwe technologie. Dus er moet wat mee. Dan wordt er een project opgestart. Waar eigenlijk niet de grote businesswaarde ligt. Of dan wordt er vergeten. Hoe dat eigenlijk in de workflow. Van een uiteindelijke gebruiker moet passen. Dus daar staan we in het begin. Echt heel stevig bij stil. Echt van strategisch niveau. Tot targets. Tot gewoon acties. Taken die mensen hebben. En vervolgens kan je natuurlijk die AI maken. Dat kan over het algemeen relatief snel. Maar het vervolgens implementeren in IT-architectuur duurt vaak al wat langer. Zeker als zo'n bedrijf groter wordt. Dan heb je gewoon van alles om te navigeren. Moet met allerlei dingen praten. Moet compliant zijn. Dat kost gewoon tijd. En wat ook gewoon een hele grote is. Is uiteindelijk gewoon de adoptie van mensen zelf. Kijk, je wil uiteindelijk verbeteren. Maar verbeteren is veranderen. Veranderen is best wel lastig. En dat is ook gewoon iets waar je de tijd voor moet nemen. Wat je goed moet doen. En wat ook goed moet landen. Ik zie het heel vaak alsof je toch een soort werknemer of iets toevoegt. En als jij iemand aanneemt, die moet je ook inwerken bij wijze van spreken. En die moet ook de collega's leren kennen. En noem maar op. Dus als je dat eigenlijk als dat hele holistische pakket pakt. Ja, dan ben je gewoon wat langer bezig dan alleen het bouwen van zo'n model. Ja, heel herkenbaar hoor. Ja. Ja, en je zei in je introductie dat je verantwoordelijk bent voor het succes van de implementaties. Wanneer is iets een succes? Voor mij is dat echt als er gerealiseerde businesswaarde op een manier is. Dus van tevoren kijken we echt heel erg van, oké, wat is het probleem dat we willen oplossen? Als je bijvoorbeeld het project van Ampere, de logistieke tak van Bol, pakt. Zij hebben heel veel duurzaamheidstargets. targets. Dus we hebben ook een business case uitgerekend op CO2 reductie. Het is voor mij een succes als dat ding in MOLI staat en je komt na een half jaar terug, dat je aantoonbaar hebt bijgedragen aan die CO2 reductie. Dan is het voor mij een succes. Want dan heeft het echt zijn doel gediend en dan heeft het echt gefunctioneerd. Ja, precies. Maar dat betekent ook dat je inderdaad je zegt gewoon in dat voortraject leg je dit soort dingen vast. Leg je ook dus je KPIs leg je vast waar je naar streeft. Ja, zeker. Zou je misschien iets van drie succesfactoren naast dit nog kunnen noemen van wat het verschil maakt tussen een traject wat uiteindelijk moeilijk loopt ten opzichte van een succesvol traject? Ik denk succesvolle trajecten kunnen soms ook lastig lopen. Zeker. Ik denk dat ieder traject uiteindelijk zo zijn uitdagingen kent. Ja, zeker. Ik denk, ja, dus één is een beetje dat, wat ik net al zei, heel goed stilstaan. Maar wat je nou aan het doen bent, ik zie dat vaak als iets entrepreneurials. Dat is echt een ding. En wat ook, denk ik, de grote drijf hier aan die projecten is, die wij hebben in tegenstelling tot hoe het vaak anders gaat, dat je bijvoorbeeld met een innovatieafdeling of een standaard consultancyclub werkt, is die hebben niet per se verantwoordelijkheid over het eindresultaat. maar voor subresultaten. Dat is op een bepaald momentje natuurlijk heel logisch, want je moet veel doen, je moet veel overbruggen. Maar echt gewoon puur kunnen sturen op gerealiseerde impact, dat is echt die Noordstar en echt die driver. Want dan blijf je ook in elke keuze, als er iets moeilijks weer opkomt, kan je altijd je keuze weer baseren op, ga dit me verder brengen bij dit gerealiseerde resultaat, wat uiteindelijk is wat je echt wil. Dus dat is denk ik echt een van de driving forces die erachter zit. En dat klinkt misschien heel evident, maar je ziet toch heel vaak dat het niet zo is. Hoe ga je daar dan mee om? Ik had laatst ook, zat ik bij een bedrijf en er zaten meerdere directieleden. En ik vroeg zeg maar, wat zijn jullie doelstellingen voor de aankomende periode? En onder de streep kwam er eigenlijk niks uit. Hoe pak jij dat dan? Nou ja, uiteindelijk als er niet per se bepaalde doelstellingen zijn dan zit het uit de positieve kant en daar hoop je natuurlijk altijd te vinden als je die niet vindt, dan ga ik toch kijken naar pijnpunten dan ga ik toch een beetje kijken waar ligt iemand nou wakker van en dat kan van alles zijn soms zijn mensen met een persoonlijke drive die heel graag iets willen, nou ja, dat kan maar het kan natuurlijk ook iets zijn als je weet dat op een gegeven moment aandelen ergens van gaan kelderen. Ja goed, heb je ook dat. Dus je moet een beetje gaan vissen naar toch de drijfveren van mensen. En het komt inderdaad best wel vaak voor dat ze die zelf niet altijd even goed kunnen verwoorden. Maar dan is het wat vaker koffiedrinken, wat vaker meelopen, soms een beetje gissen en dan komt er vanzelf iets boven. Maar dat is, even kijken hoor, want ik vroeg om drie. Ja, sorry. Ja, dus ik zou zeggen die hele grote, dat is eigenlijk het entrepreneurship gedeelte. Ik denk wat ook een hele grote is, is op een gegeven moment moet je gewoon ervaring hebben met zo'n traject doorgaan. Ik denk heel veel bedrijven die zijn inmiddels wel comfortabel met een proof of concept draaien. Of iets van een hackathon organiseren. Want dat hebben ze gezien, dat is veilig, ze weten hoe dat moet. Legal weten hoe ze de data gewoon clearance kunnen geven, noem maar op. Maar eigenlijk daarna zie je een soort van gat in toch een stukje ervaring. Er zijn maar heel weinig mensen die dat echt hebben. En dan is het toch stiekem best wel spannend. En wat wij dan ook meebrengen is dat we wel die ervaring hebben. Dus we nemen ze dan gewoon eigenlijk aan het handje mee. En zeggen we gaan dit gewoon samen oplossen. Ik heb bijvoorbeeld bij NS zijn we bezig met een heel cool project. Op het gebied van sociale veiligheid. Maar daarvoor moesten we wel camerabeelden gebruiken. en daar staan reizigers op. Dus dat is gevoelige data. En daar kan je helemaal netjes mee omgaan. Maar dat betekent niet dat het soms toch niet een beetje spannend is. En dat betekent gewoon dat je wel echt even de tijd ervoor moet nemen om samen met legal, maar ook met ethiek, maar ook met de engineers toch echt in één ruimte moeten zitten en elkaar begrijpen. En dan komt er eigenlijk altijd wel iets uit. Een beetje het hebben van het vertrouwen dat het goed komt. En van one way or another, there is a way. Die mentaliteit helpt gewoon heel erg. Ja, precies. Dus dat is ook zeker iets waar we veel in doen. En ik denk, nu zitten we er eigenlijk op twee. Ik denk uiteindelijk waar het soms ook vaak toch nog een beetje spannend wordt in een project. Is als uiteindelijk staat alles klaar en dan moet je echt lijken. Dan moet natuurlijk niks. En dan zie je toch ook heel vaak nog een beetje zo'n huivering in zo'n bedrijf. Want dan opeens is het niet meer dit coole, innovatieve ding waarmee je voorloopt en toch ook al je schouderklopjes kan verzamelen en op de boel echt de coolste kan zijn. Maar dan moet je er opeens op gaan vertrouwen. En dan komt zo'n besef van dit is echt. En dat is echt denk ik een stukje waar klassiek soort van change, innovatiemanagement naar voren komt. Dat je dat comfort... Je weet dat het er is. Natuurlijk weet iedereen dat het er is. Maar dat je dat ook echt even bij iedereen kan laten voelen. Dat is ook nog wel zo'n kritiek moment. Waar je even doorheen moet met elkaar. Heb je een voorbeeld van zo'n ongemak? Dat iemand dat ook uitte? Ja, het is een indirect voorbeeld. Maar ik zat inderdaad op een gegeven moment in zo'n project. En alles stond klaar. Het was al twintig keer getest. Meer getest. Het deed beter dan we hadden verwacht. Alle metrics van tevoren. Je spreekt natuurlijk van tevoren met elkaar af. Waar het aan moet voldoen. Om het goed genoeg te laten zijn. En dat zat er allemaal heel dik boven. Op een gegeven moment hadden we zo'n meeting gepland. Best wel groot. Alle stakeholders erbij. En de main stakeholder. De business owner. Die had hem toen afgezegd. Kan gebeuren. En een nieuwe gepland. Weer naar achter geschoven. Dus ik bel die man op een gegeven moment op. Ik zeg. Wat komt er? En hij zo, ja, ja, ik vind dat we nog wat moeten testen. Ik zo, ja, oké, maar wat wil je dan testen? Kijk, als jij denkt dat we een test vergeten zouden, moet je dat natuurlijk doen. Maar wat wil je dan doen? Nee, nee, maar ik wil toch eerst nog een keer met het team bespreken. Ik zo, oké, maar wat wil je dan bespreken? En zo ging dat een beetje back and forth. En dat is gewoon, ik denk dat dat toch een hele duidelijke uiting was van dat ongemak, zonder dat het echt gezegd werd. En op een gegeven moment herhaal je nogal dingen. Dan zeg je, we hebben dit samen gedaan, het is super vet. En uiteindelijk komt het allemaal wel goed. Een week later werd er op de knop gedrukt en het draait nog steeds. Kijk, wat mooi. Af en toe heb je van dat soort... Nou, en dat is denk ik best wel een uitdaging met AI-projecten. Is natuurlijk dat je het gevoel hebt dat je misschien wat controle ook verliest. Ja, want je wil iets automatiseren, efficiënter maken, whatever. Dus er verandert inderdaad iets. En waar dat heel vaak eerst of niet gebeurde, of bij mensen lag, ligt dat nu bij een stukje techniek. Die ook nog niet deterministisch is. Dus het is niet altijd dat hetzelfde resultaat geeft. En ik kan me voorstellen dat mensen dat ook wel lastig dan vinden. Ja, zeker. En mijn reactie is altijd, mensen zijn ook niet deterministisch. Nee, zeker niet. Maar zo voelt dat natuurlijk niet, laten we maar zeggen, voor mensen. Maar wat dan ook wel weer de grap is, en ik denk dat dat ook een stukje comfort en ervaring opdoen is met dit soort trajecten. Als het dan eenmaal draait en mensen geloven het helemaal. De eerste twee, drie weken wordt nog heel erg gecheckt. Dan wordt een keer per maand gecheckt en dan opeens kijkt niemand ernaar. Want dan is het gewoon normaal. Dan is het gewoon, dan wil je niet meer zonder. En dan denken ze, oh ja, ik geloof het wel. Dus als je daar eenmaal doorheen bent, dan is het alsof die discussie eigenlijk nooit heeft plaatsgevonden bij zo'n bedrijf. Ja, mooi is dat. En een tijdje terug heb ik een aflevering gemaakt over wat is nou erger. Of nou de mens een fout maakt of de AI een fout maakt. Zie jij dat soort vraagstukken voorbij komen? Nee, niet direct. Ik denk wel een beetje indirect in een soort sentiment. Wat ik heel vaak zie of hoor is van... Ja, maar de AI kan het niet altijd perfect doen. En over het algemeen klopt dat. Maar dan zeg ik ook dat dat ook niet per se de lat... die je in heel veel cases moet hebben. Het is, kan je het beter doen dan dat je het nu doet? Dat is denk ik de vraag die je moet stellen. Want dat is hoe ik vooruitgang eruit ziet. Dus ja, ik denk dat het sentiment is dat het erger is als de AI het doet. Maar of dat uiteindelijk ook echt zo is, ik denk het niet. Nee, als het goed is, net wat je zegt, ontwikkel je dat hij het in ieder geval beter doet dan wat je had. Maar ik kan me zo voorstellen dat het verhaal wat je net vertelde over die business owner, Dat het best wel moeilijk is om... Dat je toestaat dat de AI af en toe een fout maakt. Dus als jij een traditioneel software systeem hebt... Dan weet je gewoon als de testen draaien... Als we het dan toch over testen hebben... Dan doet hij in ieder geval alles wat we gespecificeerd hebben... Dat doet hij. En dat is natuurlijk lastiger als we met machine learning... Of met AI aan de slag gaan. Ja, de verantwoordelijkheidskwestie verandert eigenlijk. Want als het een mens is... Ook al maakt die meer fouten of grotere fouten of whatever. Die kan je nog op z'n vinger stikken. Of dan kan hij er een keer langs zeggen, je functioneert niet. Met een AI heeft dat natuurlijk wat minder zin. Dat werkt niet echt zo. En ik denk dat dit eigenlijk ook wel een heel mooi voorbeeld is. Want ik denk heel vaak wordt ook AI-innovatie toch nog een soort van benaderd. Alsof het een soort van klassieke digitalisering innovatie is. Ik denk uiteindelijk ook de potentie die AI heeft. Juist omdat het misschien dat niet deterministisch heeft. Juist omdat het groter kan. Juist omdat het gewoon meer kan dan klassiek een blokje automatiseren. Wat nu in je proces zit. Is dat juist ook denk ik waar de kracht en uiteindelijk ook echt de potentie van AI ligt. Alleen de consequentie daarvan is natuurlijk wel dat je businessprocessen er ook helemaal uit gaat zien. Want van die klassieke digitaliseringstrajecten, je hebt gewoon een proces. Daar haal je een blokje uit en dat automatiseer je. En normaal als dat deterministisch is, dan heb je deze hele discussie niet. Maar wat ik het vette en het mooie van AI vind, is dat het eigenlijk de kracht heeft om gewoon zo'n heel proces op de kop te zetten en beter te maken en efficiënter te maken. En heeft dat dan impact in hoe je je bedrijf rund, 100 procent? Maar volgens mij is dat wat we moeten willen. Want dat is gewoon waar de echte waarde ligt. Maakt dat het groter? Maakt dat het complexer? Maakt dat het multidisciplinairder? Maar in the end denk ik, dat is juist waar we naartoe moeten met elkaar. Zie jij ook dat als je dat hebt over de processen, dat mensen het ook beter gaan begrijpen wat ze op dat moment aan het doen zijn? In hun eigen werkwoordelijkheid? Ja. Kijk, als je je werk operationeel hebt, dan doe je de dingen zoals je dat gewend bent. En ben je je niet zozeer bewust van hoe je proces loopt. En vooral eigenlijk de uitzonderingen. Als je met AI of zelfs misschien met agents aan de slag wil, dan moet je dat proces in kaart gaan brengen. En blijkt het proces misschien zelfs wel complexer te zijn dan dat je denkt. Oh, honderd procent. Ja, toch? Daarom die eerste fase waar ik het over had. Daar komt dit eigenlijk altijd in naar boven. Want wat je heel vaak ziet is dat je toch een soort management, middelmanagement niveau iemand heeft. En die zegt, ja vet idee, gaan we doen. Ja dat kan gewoon. En dan loop je een keer, ga je een keer koffie drinken ofzo met mensen die het echt doen. En zeggen, ja ik denk dat het wel kan. Ik denk dat het ook wel meer kan. En dan, nou heel vet. En dan ga je inderdaad echt zo'n proces uitmappen. En dan komt er zo'n heel oerwoud eigenlijk uit naar voren. En ik denk ook once again, ik vind dat heel grappig om te zien. Want als je inderdaad dat hele soort van oerwoud en hoe complex die processen vaak echt zijn. Helemaal inderdaad met die uitzonderingen. En dan ook nog eens domeinkennis die mensen hebben. En dat sommige dingen wel goed gedefinieerd zijn. Andere dingen ook vaak niet goed echt, of tenminste niet strak op papier staan. En dan is het heel lastig om inderdaad weer te zeggen. Oké, ik ga naar dat blokje zoeken wat ik eruit wil pakken en wil automatiseren met AI. Maar juist dat soort processen, denk ik, daar heeft AI dan die fantastische potentie. Alleen dan moet je natuurlijk wel dat zien en dat ook aandurven als bedrijf. Van hé, oké, wacht maar, we gaan echt iets veranderen met elkaar. Wat is nou voor bedrijven nodig als startpunt om met AI te beginnen? In jouw beleving. Laat ik het zo zeggen. Er wordt vaak gedacht van al je data moet op orde zijn. Je data huishouding moet goed zijn. Je processen moeten in kaart zijn gebracht. En die gedachte werkt denk ik heel erg drempelverhogend om te beginnen. Waardoor je de eerste stappen niet maakt. En ook niet meegaat in het leren met deze technologie. Zelf denk ik dat die drempel lager ligt. Ja dat denk ik ook. Er zit natuurlijk allemaal wat in. Dat je een bepaalde basis moet hebben. Maar zelfs al heb je die niet. Kan je denk ik beginnen. Ik denk de rol die wij als Kickstarter.ti. heel erg vervullen in de project. Ook bij onze partners. Wij zijn een beetje de changemakers. Wij zijn degene die gewoon door barrières heen gaan. Met een grote glimlach. En heel vriendelijk. Maar we zijn toch wel degene die de muren een beetje naar beneden slopen. En ik denk dat dat hetgene is. Wat het vaak inderdaad gemist wordt. En ik denk ook in de hele soort van. Hoe ook vaak over AI gepraat wordt. Of dat nou binnen bedrijven is. Of misschien zelfs gewoon politiek. Wordt er inderdaad heel vaak zegt. Ja maar je moet dit hebben. Je moet dat hebben. Je moet zus hebben. Je moet hier. En als je al die checkbokjes niet hebt afgevinkt. Dan moet je er eigenlijk niet aan beginnen. Want dan is het te spannend en te eng. En pas maar op. En uiteindelijk denk ik gewoon. Je moet gewoon gaan doen. Je moet gewoon je handen vies maken. Je moet er eigenlijk bijna een beetje blond in gaan staan. En gewoon gaan zeggen. Ik heb het nog nooit gedaan. Maar dat betekent niet dat het niet kan. Het kan waarschijnlijk gewoon wel. En laten we gewoon naar een manier gaan zoeken hoe het wel kan. Dus ik denk in die zin is het enige wat je echt nodig hebt, is een can-do mentaliteit. Oh, dat is een mooie. Just do it. Nike. Ja, want dan komen ook die dingen vanzelf wel. Mocht je inderdaad je data niet helemaal op orde hebben, dan loop je daar vanzelf wel tegen aan. Maar als je die mentaliteit hebt, dan kan je dat ook oplossen. Ja. Nou, en dat is ook de enige manier om erachter te komen dat je de data niet hebt, toch? Ja, zeker. En misschien kom je er ook wel achter dat je heel veel data wel hebt. Ja. Ja, dat zou ook zomaar kunnen. Of je komt erachter dat je veel minder complexe IT-infra nodig hebt dan dat je dacht. Precies. Ja, en zeker met al die large language models. Ik bedoel, je gooit er een prompt in en die zet die infra al voor je neer, laat maar zeggen. Je moet altijd even goed naar kijken, maar er kan zoveel als je er gewoon met die blik in gaat. Als je nou echt een extreem laag budget zou hebben, wat zou het eerste component zijn, en dat mag technisch, dat kan qua proces zijn, wat je mee zou nemen in zo'n traject? Ja, ik zou heel graag een persoon binnen het bedrijf waar we zo'n traject doen. willen vinden met die mentaliteit. Want dat zijn degenen die gewoon de wegen vinden hoe het wel kan. Loop je ergens tegenaan, die persoon kent nog wel iemand. Of die heeft nog wel, die kan je aan iets linken. Of die kan je de achtergrond vertellen. Of die wil het wel. En die, hoe je het ook wil noemen, de can-do'ers, de changemakers, geef ze een mooie naam. De beukers. Dat zijn de mensen die uiteindelijk echt versnellen en echt verandering veroorzaken. Mooi. Hoef je er maar eentje van te hebben. Ja, dat is een goeie. Ik pak hem even erbij, want ik had nog een mooie vraag voorbereid. Dat is namelijk, ik hoor wel eens dat non-profit organisaties innovatiever kunnen zijn, juist omdat zij wat minder risicomijdend zijn dan de corporates. Herken je dat? Ja, zou kunnen. Ik bedoel, de ene non-profit is ook niet per se de andere non-profit. Wat ik wel heel erg zie vanuit Kickstarter AI zelf, is omdat wij in die non-profit structuur zitten, kan ik ook volledig optimaliseren voor die gerealiseerde impact. Natuurlijk als je ergens commercieel in zit, wat ik ook zeker heb gedaan, wat ook heel mooi is om te doen. Maar dan zit je toch vaak, je moet ook je volgende sale binnenhalen. En er zit een hele grote overlap in. Maar is toch net iets anders. En omdat we ook die lange termijn relaties met die partners hebben. Bouw je ook een relatie met elkaar op. Dus in die zin is dat anders werken met elkaar. Veel impact gerichter eigenlijk. En ik denk over het algemeen. Zeker Nederlandse corporates. Die zijn gewoon heel risico avers. Dat zit in de cultuur. Zo zijn de incentives ingericht. en dat is heel zonde en ik denk dat dat veel breder gaat dan alleen met AI en innovatie maar ja wat je toch vaak ziet is verandering is toch eng want als het dan misgaat dan kunnen er wel echt koppen rollen terwijl als het gewoon hetzelfde blijft en het gaat dan uiteindelijk slecht met een bedrijf dan is het zoals het altijd gaat om het heel plat te zeggen dus ja kijk ik ben de eerste die zou zeggen laten we daar op een manier natuurlijk ook een cultuurverandering in krijgen in dit land Dat zou innovatie alleen maar ten goede komen. Je had het over het impact maken van die non-profits. Daar wil ik eigenlijk wel wat over doorvragen. Want we hebben het over KPIs gehad. En wat je heel vaak ziet is dat zeker in bedrijven wordt AI voornamelijk ingezet voor productiviteitsverbetering. Bij die non-profits gaf je al aan een hele andere type impact. Zou je een aantal andere KPIs kunnen noemen dan de productiviteit waar AI juist ook heel erg bij kan helpen? Ja, zeker. Ik denk, die bijvoorbeeld Nesproject ook al eerder noemde, dat zit op een stukje sociale veiligheid. Dus daar zit ook natuurlijk wel een productiviteitsangle aan. Ik denk dat je die op een manier altijd kan vinden, maar dat zit hem heel erg in het ondersteunen van de meldkamer. In detectie van onbeheerde objecten op stations. En daar meet je op een stukje veiligheid. Wat je groter maakt. Dat kan je doen omdat je de meldkamer efficiënter maakt. Omdat je een AI ter ondersteuning daar neerzet. Maar uiteindelijk meet je een stukje veiligheid. En dat is neem ik dan aan ook het primaire doel. Veiligheidsverhoging. Dus dat is eigenlijk dan je belangrijkste doel die je wil gaan beïnvloeden. Ja. Die van Amperre is dus een business case in CO2. Reductie. Ja, die had je inderdaad ook al genoemd. Dat is ook een hele mooie. We hebben ook een project bij KLM gedaan. En daar zat hem op food waste, vermindering. Dat was ook een hele mooie. Daar kwam ook echt, hoe heet het? Het resultaat daarvan was ook echt heel mooi. Op de intercontinentale vlucht hebben ze nu 63% minder verspilling. Oh, wauw. Dus dat zijn... Ja, dat is enorm. ...voor je doet. En bij het Erasmus MC hebben we een project voor de spoedeisende hulp gedaan. en dat is eigenlijk op beter kunnen managen van de inflow en dus de drukte en de bezetting van de spoedeisende hulp. Dus dat is goed, daar kan je meten op. We hebben toen gezegd, onze primaire metric is eigenlijk het op rood gaan kunnen verminderen. Maar daar zit natuurlijk van alles achter, van een stukje kwaliteit dat je levert tot gewoon werkgeluk van de mensen die daar zitten en gewoon ook jouw ervaring mocht je daar als patiënt langskomen. Ja, hele mooie voorbeelden. En ik denk dat daar te weinig aandacht voor is. Tenminste, bij de bedrijven waar ik kom, is het heel snel productiviteit, productiviteit, productiviteit. Ik vind het echt waanzinnige voorbeelden van hoe je daar ook anders naar kan kijken. Ja, zeker. We hebben een kaartspel ontwikkeld om juist ook met elkaar, je had het over multidisciplinair werken. Er bestaan natuurlijk best wel heel veel onuitgesproken ideeën over hoe je ermee om moet gaan, hoe je dat adopteert. We hebben een kaartspel ontwikkeld om juist met elkaar te spreken over allerlei verschillende stellingen. Zodat je die eigenlijk expliciet maakt. En daarvan wil ik er ook eentje aan jou voorleggen. Helemaal goed. Ik ben benieuwd. Oké, ik heb hem niet open. Dat is wat. Ik loop een potje te klungelen ermee. Even kijken. Nou. Ik zal de langste stilte eruit knippen. Hij wil echt niet. Moet ik eens kijken of ik hem... Als je zou willen. Ja. Even kijken. Ik denk dat doe ik even snel in het muziekje. Ik zal daar een willekeurige stelling uit het kaartspel halen nadat het klungel gestopt is. De stelling komt uit gebruik en toepassingen. Generatieve AI verrijkt menselijke creativiteit. Ja, ik denk dat het best zou kunnen. Ik weet niet meer precies waar ik hem heb gezien. Maar het is eigenlijk een soort extra tool. Net als dat een kwast je ook kan helpen met verf. Dat je dat niet meer met je vingers op kan vasen of te schilderen. Ik denk, het wordt inderdaad heel vaak in een soort context gebruikt. Dat je er gewoon iets in kan gooien. Er komt iets uit. En er komt over het algemeen best kwalitatief iets uit. Daarom vinden we dat zo eng. Ik denk wel dat het een stukje creativiteit kan veranderen. Of hoe wij met onze eigen creativiteit omgaan veranderen. Dat merk ik soms bij mezelf ook een beetje. Als ik het tekst bijvoorbeeld laat genereren. Misschien als voorbeeld. Af en toe schrijf ik gewoon kleine stukjes. Gewoon als hobby. Vind ik leuk om te doen. en ik doe dat wel eens samen met een AI dat ik gewoon zeg, schrijf gewoon een heel stuk voor mij, maar dan zeg ik ik zit hier aan te denken, heb je wat snippets of heb je wat voorbeelden of heb je wat schrijvers of stijlen noem maar op, om dan een beetje een soort sparringspartner er eigenlijk van te maken en voor mij ik vind dat heel leuk, ik word er eigenlijk alleen maar een soort van hele creatieve bubbel die sparkt dan helemaal, dus ik denk dat je het zeker zo kan gebruiken voor de mensen die het gebruiken als in Gewoon dingen automatiseren. Als dat überhaupt creatief werk. Om mee te beginnen. Dat kan je dan denk ik überhaupt afvragen. Dus ik zou zeggen. Yet another tool. Die gewoon heel veel kan. Maar zeker niet af doet aan creativiteit. Ja mooi. Dankjewel. Ik ben ook nog wel benieuwd. Nu dat je in het vakgebied zit. Zou je kunnen aangeven. Wat zijn nou specifieke vaardigheden. Die je nodig hebt om in dit vakgebied te floreren. Ja, zeker. Ik denk dat het heel veel verschillend kan zijn. Juist omdat het als je echt naar die grote potentie gaat. Dat echt dat baanbrekende. Dan is het gewoon heel inter-multidisciplinair. Ik denk waar je ook zit. Of je meer aan de technische ontwikkelkant zit. Of meer aan de people kant ervan. Gewoon goed met nieuwe informatie, verandering. Dat soort dingen om kunnen gaan. Het verandert zo snel. Het kan steeds meer. Dus de impact die het kan hebben ook heel erg. Dus ik denk. Jezelf een soort van trainen. In dat hele neuroplastische. Of hoe je het ook zo moet noemen. Ik heb daar geen experiment in. Maar dat je gewoon. Goed gaat op verandering. Denk ik. Nieuwigheid. Ik denk dat dat een hele groei is om te hebben. Maar ik denk zelfs daarna. En dat gaat weer een beetje terug op waar we het eerder over hadden. Waar ik gewoon nu zie. Wat echt het grootste tekort zit. Of de blokker zit. In waarom we nog niet alle potentie uit de jaren halen. Die erin zit. Is omdat er te weinig can do in zit. We praten er zoveel over. Als jij gewoon zegt. Ik schroom mijn mouwen op. En ik ga dit gewoon aanpakken. Dan ga je zoveel verandering teweeg brengen. Met wat er nu al is. Die verandering. Is niet alleen in ons werken. Is ook maatschappelijk. Is er iets waar je van wakker ligt vanwege deze technologie? Nou ja, als ik ergens van wakker ligt, is dat we er denk ik te weinig mee doen. Kijk, alles heeft zijn voeren en zijn nadelen. En natuurlijk, je kan jou ook heel erg verkeerd gebruiken. Je kan er allemaal slechte dingen mee doen. Ik geloof bottomline dat het wel echt een net positief is. Gewoon voor Nederland, voor de wereld, voor de mensen. En wat ik gewoon zie is dat we er heel veel vanuit een soort angst de hele tijd naar kijken. En dat we heel erg bezig zijn met, we moeten van tevoren eigenlijk al alle rules en guidelines, dat soort dingen vastgelegd voordat we überhaupt iets gaan doen. En ik denk dat dat gewoon heel erg remmend is voor de potentie. En als je er gewoon ingaat met, zoals wij dat ook altijd doen, natuurlijk wil je het netjes doen, natuurlijk wil je het ethisch doen. Echt geen vraag over mogelijk. Alleen je moet op een gegeven moment gewoon je handen vuil maken. En het gewoon gaan doen om te weten waar je het echt over hebt. En dan gaandeweg kan je dat hele framework en ding gaan opbouwen. En dan kom je gewoon een stuk verder. En dan zie je ook dat het nu al veel meer waarde kan gaan leveren. Dus waar ik van wakker lig. Is dat we gewoon te veel nu aan het filosoferen zijn. Over wat er potentieel allemaal mis kan gaan. En hoe we het nu nog verder kunnen indammen. En volgens echt niks aan het doen zijn met elkaar. Ja, duidelijk. Heel goed. Wat zijn in de techniek, wat zijn daar de uitdagingen die je gezien hebt bij de implementaties die jullie gedaan hebben? Mijn algemene filosofie en de engineers uit het team gaan het echt een hele vervelende opmerking doen. Maar ik zeg altijd, de techniek is nooit de bottleneck. De techniek is nooit de uitdaging. Natuurlijk, je hebt daar uitdagingen. Ik ben zelf ook AI machine learning engineer geweest. Ik ben zelf ook developer geweest. Dus ik know the struggle. Maar zeker voor die toepassingen waar die bedrijven werken naar kijken. De techniek is echt nooit de limitatie. Het zijn hele vette puzzels om op te lossen. Maar het zit hem zo vaak op een manier in het organisatorische. Dat je met elkaar moet navigeren. Kijk, natuurlijk hebben we wel eens last van datakwaliteit issues gehad. Maar daar kan je wat omheen. Of dat we hele zware modellen eigenlijk heel low latency wilden laten draaien. Als je bijvoorbeeld met de computervisie werkt, op heel veel verschillende beelden tegelijk. Dan wil je niet dat die kosten uit de pan stijgen. Dus dan ga je kijken hoe je zo'n model nou eigenlijk een stuk efficiënter kan maken. Of infrastructuurwijs, als je maar gewoon een hele kleine bandbreedte hebt. Waar je over wat kan communiceren met elkaar. Hoe ga je dat nou zo efficiënt mogelijk doen? Dus daar zitten inderdaad allemaal van dat soort uitdagingen in. Maar die zijn altijd op te lossen. Ja, mooi. Ik kijk nog even voor... Wat... Ja... Aan de ene kant zou je kunnen zeggen dat AI net software implementaties zijn. Maar toch zit daar een wat fundamenteel verschil in. Merk je dat in het werk wat jullie doen? Ja, ik denk dat je die uit meerdere hoeken merkt. Je kan het heel technisch beantwoorden, deze. Want je hebt een stukje dat niet deterministisch bijvoorbeeld wat erin zit. Uiteindelijk zit die AI natuurlijk in een vorm van implicatie. Dus daar zit een net stukje software omheen. En dan kan je misschien wat discussies voeren over waar het ene dan begint en waar het andere eindigt. Maar uiteindelijk heb je natuurlijk gewoon die, ik zeg altijd tegen die technische mensen, die AI moet ergens leven in de digitale wereld, dat moet je bouwen. Maar ik denk inderdaad uit de bedrijfsmatige, of vanuit de proceshoek, dat je hem daar veel meer merkt, omdat je met AI gewoon hele andere dingen kan doen dan met klassieke software. voor klassieke automatisering. Wat gewoon niet in regels te vatten is. Of wat niet in regels te vatten is. Of wat inderdaad proces overstijgend kan zijn. En dan dus ook hoe je het benadert. Hoe je dat aanpakt. Hoe je dat gewoon implementeert. Hoe zo'n adoptietraject echt van de gebruiker eruit ziet. Dat wordt gewoon heel anders. We zijn van de machine learning gegaan naar de generatieve AI. en er wordt steeds meer gesproken over AI agents. Hoe kijk jij naar deze ontwikkeling en waar zie je dat naartoe gaan? Ik denk, om echt te zeggen, ik vind zelf de AI agent een soort grappige hype. Het is zeker waarde, maar het hele idee van een agent bestaat al veel langer. Dat het niet opeens dat dat iets nieuws is. Het is niet alsof het per se een nieuw type model of techniek of whatever is. En zo wordt er vaak wel over gesproken. Dus dat vind ik altijd een beetje grappig. Ik denk wat het laat zien, dat we het nu opeens over agents met elkaar hebben. Is dat we het inderdaad zien als iets wat misschien een wat breder takenpakket kan vervangen, vervullen. En ik denk dat dat een goede ontwikkeling is. Ik denk dat het feit dat we het over agents hebben betekent dat het collectieve besef wat concreter wordt over wat je met AI kan. Dus ik denk dat dat iets goeds is. En ik hoop ook dat dat verder gaat. En welke naam er dan aankomt, dat zien we vanzelf. Maar dat dat uiteindelijk wel uitkomt in een soort besef dat hij nog meer kan dan we nu denken dat ze kunnen. En vooral niet in de soort van hypothetische van er komt nu een nieuwe vettere LLM uit die nog iets sneller kan. Of weet ik het wel normaal en integraal kan uitrekenen of noem maar op. Maar dat we dat echt meer kunnen plotten op het werk dat ze doen. Als je nou een tip zou kunnen geven aan degene die luistert, hoe je bijblijft op dit gebied. Je zegt al van het gaat heel snel. Heb jij een manier hoe je daarmee omgaat? Heb je bepaalde bronnen waar je graag naar kijkt, luistert, leest? Ik denk op het moment dat je zelf in deze space werkt, dan zou ik zeggen, ga gewoon echt van A tot Z wat doen. Het doen is de beste manier van bijblijven, want dan weet je gewoon echt wat er speelt. Dan weet je ook echt wat er nodig is. En dan kan je denk ik zelf ook veel meer informed mening krijgen over wat er gaande is. In plaats van dat je gewoon altijd soort van maar consumeert. Dus gewoon zelf doen, meer doen, doen, experiment. Ga een keer van A tot Z in je eigen bedrijf opzetten. Noem maar op. En als het meer gewoon vanuit interesse is. Dat je dit een heel interessant vakgebied vindt. Dan zou ik ook zeggen. Je kan altijd gewoon een keer proberen. Om zelf iets te bouwen. Zeker met al die LLM's die er nu zijn. Die kunnen je daar echt zeker bij helpen. En verder. Ja. Podcast lezen zoals deze dingen. Dat is denk ik heel goed. Maar ik denk voor mezelf wat gewoon werkt. Het doen. Nou dat lijkt me een geweldige tip om af te sluiten. Dank je wel. Dank je wel dat je in de studio wilde zijn. Dat je echt mooie voorbeelden hebt gegeven. Ik was zelf onder de indruk van al die verschillende KPI's. Naast de productiviteit. Dus dank daarvoor. Graag gedaan. Zo, die klapte erin. Dank je wel weer voor het luisteren. Vergeet je niet te abonneren via je favoriete podcast app. Dan mis je geen aflevering. Tot de volgende keer. En die is waarschijnlijk gewoon weer met Niels.