Goed beginnen met AI is níet beginnen met een AI-tool

Elk kwartaal heeft een nieuwe kampioen op het gebied van AI-technologie. Wie nu een AI-tool kiest en daar blind op vertrouwt, loopt het risico binnen een jaar alweer achterop te raken. De echte winst zit niet in de tool, maar in de data eronder.

Voorlopers op de inzet van AI, op dit moment vooral software developers, wisselen continu van onderliggende AI-motor. Zodra een nieuw model beter presteert, stappen zij over. Wat zij wél angstvallig bewaken, is hun eigen data en hun instructies aan het model. Dat wordt in hun werk steeds meer de onderscheidende factor.

Van prompts naar context

Wat eerst prompt engineering heette, noemen deze voorlopers nu context management. De verschuiving in naamgeving is veelzeggend: het gaat niet langer alleen om de juiste vraag stellen, maar om het slim organiseren van de informatie die je een AI-model meegeeft. Dat heeft een dubbel doel. Aan de ene kant levert het betere uitkomsten op, aan de andere kant helpt het efficiënter om te gaan met de tokens die steeds duurder worden.

Data wordt de echte waarde

Deze ontwikkeling is al gevestigd in softwareontwikkeling, maar zal steeds meer voor alle sectoren gelden. Voor Workforce Management (WFM) betekent het dat harde data over planning, uren, proces en performance steeds persoonlijker en waardevoller worden. Deze gegevens, en de lessen die er in verstopt zitten, worden daarmee een uitkomst op zich. Een WFM-proces is pas succesvol als het ook goede data genereert over wat werkt en waarom. Naarmate AI-modellen beter worden, zullen lessen die nu nog verborgen zijn steeds beter gezien worden en wordt goede, gestructureerde data steeds meer waard.

• Lees ook: Shifter: de dirigent van de flexibele werkvloer

Kijk voorbij de AI-tool van vandaag

De les die hieruit te trekken valt: focus niet te veel op de AI-tools die nu beschikbaar zijn. Gebruik ze, maar zorg dat je zelf eigenaar blijft van de data. Volgend jaar zijn er weer nieuwe kampioenen, en die zullen ook functies bieden voor overstappen zonder verlies. Maar dat werkt alleen als je zelf de regie hebt over je eigen data. Laat die niet bij een externe leverancier zitten, want dan zit je vast.

Drie stappen voor een AI-bestendige organisatie

Wie zich wil voorbereiden op de toekomst, kan daarom beter beginnen bij de basis in plaats van bij de tool. Dat begint met het kiezen van een datastructuur: in welke structuur wordt de organisatie bestuurd en hoe wordt er gerapporteerd? Vanuit die vraag is het zaak om data te organiseren op een zo groot mogelijk detailniveau, met een gestructureerde ‘kapstok’ voor kwantitatieve gegevens. Per afdeling per week registreren is daarbij prima, maar per shift per persoon is nog beter. Aan die kwantitatieve basis kan vervolgens ook kwalitatieve informatie worden opgehangen.

Ten tweede is het van belang om alle bedrijfsdata consequent in diezelfde structuur te organiseren, zodat alles op elkaar aansluit. Als het nu veel tijd kost om een totaaloverzicht van gewerkte uren samen te stellen, zal een AI tool diezelfde bottleneck moeten overwinnen, met hogere kosten en mindere uitkomsten tot gevolg.

Ten derde is het verstandig om vanaf nu ook kwalitatieve data zoals feedback en tevredenheidsonderzoeken binnen diezelfde structuur vast te leggen. Zodoende kan die door de toekomstige tools geduid worden op de juiste plek binnen het proces en zo bijdragen aan een completer beeld van de organisatie en de succesfactoren.

Data van vandaag wordt morgen waardevoller

Ook in de toekomst zullen AI-modellen steeds krachtiger worden. Daarmee wordt de data van vandaag en gisteren steeds meer waard. AI-modellen kunnen relatief eenvoudig worden ingewisseld voor een nieuwere, betere versie. Wat niet kan, is gegevens terughalen die nooit zijn vastgelegd. Wie nu de basis legt voor een gestructureerde, gedetailleerde dataverzameling, legt daarmee ook de basis voor onderscheidend vermogen in de toekomst.

• Lees ook: RAI Amsterdam en Shifter winnen Total Talent Management Award 2026

Meer leren van Shifter?

Tijdens de ZiPmedia Webinar Week vertelt Gijs-Jan van het Kaar in het webinar ‘De uitzend inhuur impact top 5’ welke vijf bottlenecks in je proces je kunt oplossen om de waarde van inhuur te maximaal te verbeteren. In 45 minuten leer je de kosten van vijf concrete bottlenecks, en de stappen die je morgen kunt toepassen om ze op te lossen. Ontdek waar in het inhuurproces de meeste winst te behalen valt op kosten, kwaliteit en betrouwbaarheid, en hoe je chaos en risico structureel terugdringt.

Meer informatie en inschrijven? Ga naar de website van de Webinar Week.