AI & UX: van strategie tot uitvoering

Een drieluik over het succesvol implementeren van kunstmatige intelligentie in gebruikerservaringen

Deze drie artikelen vormen een gids voor het ontwerpen van AI-ervaringen die daadwerkelijk waarde toevoegen. Van strategische scoping tot praktische implementatie en kritische evaluatie; elk artikel bouwt voort op het vorige en biedt concrete handvatten voor organisaties die AI willen inzetten zonder in bekende valkuilen te trappen.

Scoping AI: De juiste vragen stellen voordat je begint

We zitten midden in de AI-revolutie en elke organisatie voelt de druk om mee te doen. ChatGPT-achtige chatbots schieten als paddenstoelen uit de grond en in veel applicaties worden nieuwe AI-functies gepushed.

Het resultaat? Gefrustreerde gebruikers, teleurgestelde stakeholders, en AI-implementaties die meer problemen creëren dan oplossen. De harde waarheid is dat 70% van alle AI-projecten faalt – niet door slechte technologie, maar door slechte scoping.

De AI-omdat-het-kan valkuil

"Kunnen we hier ook AI aan toevoegen?" Deze vraag hoor ik regelmatig in de wandelgangen. Het is de moderne variant van "kunnen we hier ook een app van maken?" Het probleem zit in het uitgangspunt: technologie als oplossing zoekend naar een probleem, in plaats van andersom.

Echte AI-succes begint met een fundamenteel andere vraag: "Welk gebruikersprobleem kunnen we beter oplossen met AI dan met UX?"

Netflix gebruikt machine learning (subveld van AI) omdat het onmogelijk is om handmatig voor 260 miljoen gebruikers relevante content te cureren. Google Translate bestaat omdat er een reële behoefte is aan instant vertaling. Deze tools voegen daadwerkelijk waarde toe; ze maken iets mogelijk wat anders onhaalbaar zou zijn.

De waardetoets: vijf kritische vragen

Dus, voordat je investeert in AI, beantwoord dan eerst de volgende vragen:

1. Wat is het onderliggende gebruikersprobleem?

Niet het symptoom, maar de echte pijn. "Gebruikers vinden niet wat ze zoeken" is een symptoom. "Gebruikers hebben onvoldoende context om goede beslissingen te maken" is het onderliggende probleem waar AI bij kan helpen.

2. Waarom is de UX-oplossing ontoereikend?

Als een simpele verbeterde zoekfunctie of betere informatiestructuur je probleem oplost, waarom dan de complexiteit van AI? AI is krachtig, maar ook fragiel en duur om te onderhouden.

3. Hebben we de data om AI succesvol te maken?

AI zonder kwaliteitsdata is als een auto zonder benzine. “Data verzamelen terwijl we bezig zijn” klinkt slim, maar in de praktijk is het niets anders dan wishful thinking.

4. Kunnen gebruikers het resultaat begrijpen en ermee interacteren?

Een AI-tool die perfecte output genereert, maar niemand begrijpt wat ermee wordt bedoeld, is waardeloos. Gebruikers moeten de resultaten kunnen interpreteren, vertrouwen en er intuïtief mee kunnen werken.

5. Wat gebeurt er als het misgaat?

AI faalt. Altijd. Het is geen kwestie van óf, maar wanneer. Daarom is het essentieel om van tevoren te begrijpen wat de impact is van een fout.

Sommige fouten zijn relatief onschuldig: een verkeerde Netflix-aanbeveling of een minder relevante zoeksuggestie leidt hooguit tot frustratie of tijdverlies bij de gebruiker. Andere fouten kunnen veel ernstiger zijn: een verkeerd medisch advies, een fout in een financiële berekening, of een onjuiste juridische suggestie kan direct schade veroorzaken of zelfs levensbedreigend zijn.

Bij het scopen van AI moet je dus kritisch nadenken over de risicograad van mogelijke fouten en bepalen welke garanties, controles of menselijk handelen nodig zijn. Zo voorkom je dat je technologie introduceert die op het eerste gezicht handig lijkt, maar uiteindelijk meer problemen creëert dan oplost.

De balans tussen controle en automatisering

Een van de moeilijkste aspecten van AI-scoping is het vinden van de juiste balans tussen gebruikerscontrole en automatisering. Volledig geautomatiseerde systemen zijn efficiënt, maar kunnen gebruikers het gevoel geven dat ze de controle kwijt zijn. Als gebruikers te veel handmatig moeten ingrijpen, gaat het voordeel van AI verloren.

De sweet spot ligt in "augmented intelligence": AI die menselijke capaciteiten versterkt in plaats van vervangt. Bijvoorbeeld Spotify's Discover Weekly: het gebruikt AI om nieuwe muziek voor te stellen, maar de gebruiker beslist wat ze bewaart, skipt of opnieuw beluistert. De controle blijft bij de gebruiker, maar AI maakt nieuwe ontdekkingen mogelijk.

Transparantie: de vertrouwensformule

Gebruikers accepteren AI alleen als ze begrijpen wat het doet en waarom. Dit betekent niet dat je je algoritmes moet blootleggen, maar wel dat je duidelijk communiceert:

• Wat doet de AI? ("Deze tool analyseert je uitgavenpatroon")
• Waarom doet het dit? ("Om je te helpen geld te besparen")
• Hoe betrouwbaar is het? ("Gebaseerd op 1 miljoen vergelijkbare profielen")
• Wat kun je ermee? ("Je kunt aanbevelingen accepteren, aanpassen of negeren")

Geen hype, maar strategie!

AI-scoping draait uiteindelijk om het stellen van de juiste vragen. Het betekent "nee" zeggen tegen glimmende AI-features die geen echt probleem oplossen. Het betekent kiezen voor saaie maar effectieve implementaties boven sexy maar nutteloze functionaliteiten.

De organisaties die AI succesvol implementeren, zijn niet degenen die als eerste AI gebruiken. Het zijn degenen die het meest doordacht te werk gaan, die focussen op gebruikerswaarde, en die AI zien als een middel, niet als doel op zich.

De vraag is niet of jouw organisatie AI nodig heeft. De vraag is waar, wanneer, en vooral: waarom. Stel de juiste vragen, en de rest volgt vanzelf.

Wil je weten of jouw organisatie klaar is voor AI? Doe hier onze AI scan en ontdek snel waar jouw organisatie staat.