VERA-AI: verantwoorde AI-keuzes voor Vlaamse kmo’s

Een klant belt met een vraag over een product en het antwoord staat in een technische fiche ergens op de server. Tegen de tijd dat iemand ze bovenhaalt, is het gesprek al voorbij. In meer dan honderd gesprekken die we met Vlaamse kmo’s voerden, kwamen zulke situaties opvallend vaak terug.

AI kan daar helpen, al is het niet altijd de beste keuze. Voor eenzelfde taak bestaan namelijk drie aanpakken die er van buitenaf gelijkaardig uitzien en toch heel anders werken. Bij klassieke automatisering haalt een zoekfunctie met vaste regels de juiste fiche boven, zonder taalmodel. Dat is voorspelbaar en goedkoop, maar het antwoord moet de medewerker er zelf nog uithalen. Bij een LLM-workflow liggen de stappen vast. Het systeem zoekt de relevante passages op en een groot taalmodel, zoals dat achter ChatGPT, maakt er een antwoord van met de bron erbij. Een AI-agent bepaalt zelf welke bronnen hij raadpleegt en welke stappen hij zet. Die aanpak kan het meest, maar is ook het duurst en het moeilijkst te beheersen.

Daarnaast moet een bedrijf beslissen of het model en de gegevens in eigen beheer blijven of bij een clouddienst terechtkomen, in lijn met de GDPR en de EU AI Act. Een kmo heeft zelden een eigen AI-team om die afweging te maken, en of de keuze goed was blijkt vaak pas wanneer er al gebouwd is. Bestaande beslissingskaders zijn vooral afgestemd op grote ondernemingen en koppelen de keuze zelden aan een meting van wat de oplossing achteraf oplevert.

We werken de methode uit in opeenvolgende rondes en toetsen ze telkens in de praktijk (design science research). In de eerste maanden brengen we via interviews met bedrijven en experts in kaart hoe kmo’s vandaag voor AI kiezen.

Daarna ontwikkelen we samen met bedrijven de vier hulpmiddelen van de methode:

• Typologie van kennistaken: om te bepalen met welk soort taak je te maken hebt.
• Beslismatrix: om af te wegen welke aanpak past en hoeveel het systeem zelf mag beslissen.
• Privacy-by-design canvas: om per soort gegevens te bepalen of ze in eigen beheer blijven of naar de cloud mogen.
• Evaluatieraamwerk: om te meten wat de oplossing oplevert aan tijdwinst en kwaliteit, en hoe medewerkers ze gebruiken en ervaren.

Vervolgens passen we de methode toe bij drie Vlaamse kmo’s uit verschillende sectoren, bij voorkeur met minstens één bedrijf uit de (bio-)technologie. Elk bedrijf brengt een ander soort taak in, zoals antwoorden zoeken in technische fiches, de ervaring van een specialist vastleggen of een offerteproces over verschillende systemen ondersteunen.

Per bedrijf bouwen we werkende proefversies van de aanpakken die in aanmerking komen. Om ze eerlijk te vergelijken, werken we zoals bij een examen met een verbetersleutel. Samen met ervaren medewerkers stellen we realistische vragen op uit het dagelijkse werk, met telkens het juiste antwoord en de bron waarin het staat. Elke proefversie krijgt dezelfde vragen en we scoren hoe vaak antwoord en bron kloppen.

Nog voor we meten, voorspelt de methode welke aanpak het best zal scoren. Klopt die voorspelling niet, dan scherpen we de criteria aan voor de volgende ronde. Na een testperiode met de gekozen aanpak vergelijken we het resultaat met een nulmeting van hoe de taak eerder verliep.

De proefversies dienen voor het onderzoek, terwijl het uitbouwen van de uiteindelijke toepassing bij het bedrijf en zijn IT-partner blijft. Voor de start leggen we met elk bedrijf in een verwerkersovereenkomst vast welke gegevens we gebruiken en waar ze verwerkt worden.