By Dan Kraemer

Als 2023 het jaar was van generatieve AI-experimenten, is 2024 het jaar van implementatie.

Bedrijven in elke sector weten dat ze dit jaar generatieve AI-toepassingen en -frameworks aan hun tech-stack moeten toevoegen – anders blijven ze achter. Als het idee om een ​​AI-first-bedrijf te worden intimiderend lijkt, ben je niet de enige.

Zelfs de grootste ondernemingen zijn nog steeds bezig met het uitzoeken hoe ze generatieve AI in hun dagelijkse activiteiten kunnen integreren.

Waar begin je als er zoveel keuze is?

Een van de beste manieren is om een ​​‘GenAI-innovatielaag’ in uw tech-stack in te bouwen. Je hebt hiervoor geen groot team van datawetenschappers of engineers nodig; er zijn stappen die zelfs bedrijven met kleine technologieteams nu kunnen zetten.

Ten eerste: wat is een GenAI-innovatielaag? Het is heel eenvoudig een manier om generatieve AI in uw dagelijkse bedrijfsactiviteiten te verweven om nieuwe creatieve workflows te ontketenen, innovatieprojecten te stimuleren en uw werk sneller en slimmer gedaan te krijgen.

Hieronder zal ik een proces van vijf stappen doorlopen om een ​​GenAI-innovatielaag te bouwen die zakelijke en creatieve teams kan helpen nieuwe innovatieproducten te ontwerpen en de creatieve output te stimuleren.

Stap één: Bouw het juiste team

Om een ​​AI-innovatielaag te creëren, heb je het juiste team nodig. Dat betekent niet noodzakelijkerwijs dat je een groot team van datawetenschappers en software-ingenieurs nodig hebt, maar wel een paar sleutelfiguren die het project leiden.

Het belangrijkste dat u vanaf het begin moet definiëren, is hoe het project zal worden gestructureerd, wie toegang heeft tot kritieke gegevens en hoe die gegevens zullen worden beveiligd. En het spreekt voor zich dat iedereen binnen de organisatie ‘in jouw hoek’ moet staan ​​over het belang van het bouwen van een AI-innovatielaag.

Het bouwen van een AI-innovatielaag mag geen bijproject zijn, maar een integraal bedrijfsproces voor 2024.

Stap twee: Organiseer uw gegevens

Om AI door uw hele tech-stack te verweven, moet u er eerst voor zorgen dat uw gegevens tiptop in orde zijn. De eenvoudigste manier om uw gestructureerde gegevens te organiseren zodat deze toegankelijk zijn voor een AI-laag, is door het inzetten van indexbuilder-tools zoals ChromaDB, pinecone or LamaIndex om vectordatabases van uw inhoud te maken.

Uw gestructureerde gegevens kunnen klantgegevens, videotranscripties, documenten, pdf's, presentaties, spreadsheets en meer omvatten. Het mooie van deze systemen is dat ze gebruikers in staat stellen om zeer goed om te gaan met ongestructureerde gegevens zoals transcripties van interviews, feedback van klanten en het verwerken van documenten.

Er zit een zekere kunst in het verzamelen, verwerken en ervoor zorgen dat gevoelige informatie in deze systemen wordt geredigeerd of beveiligd. Sommige tools zoals LlamaIndex doen een deel van het zware werk voor je, terwijl andere databasetools dat leuk vinden Elastische kan ook beveiligingsinzichten bieden in hoe uw database wordt gebruikt.

Ontwikkelaars hebben hier veel opties, en uw team moet selecteren welke het beste voldoen aan de schaal-, beveiligings- en architectuurvereisten van uw project. Wanneer u al uw gegevens in een vectordatabase heeft georganiseerd, krijgt u een ‘digitale tweeling’ die een volledige spiegel is van al uw gegevens, een die nu toegankelijk is voor al uw AI-systemen.

Stap drie: Bouw structuren waarmee AI uw gegevens kan opvragen

Nu uw gegevens op orde zijn, moet u er patronen in ontdekken. U kunt dit doen door aangepaste AI-agents te bouwen die er query's op uitvoeren. Deze agenten moeten toegankelijk zijn via eenvoudig te gebruiken interfaces, zoals een chatbalk, die rechtstreeks in de dagelijkse workflows van mensen zijn geïntegreerd.

Het maken van deze aanwijzingen moet in twee delen gebeuren. Bepaal eerst welke persona's u door de agent wilt laten aannemen. U kunt uw agent bijvoorbeeld laten spreken als een managementconsultant die een expert is op het gebied van door de consument geleid ontwerp. Vervolgens moet u specificeren wat u wilt dat de agent doet en op welk formaat hij reageert. De sleutel hier is het doen van onderzoek binnen uw organisatie om te begrijpen welke formats het beste aan de behoeften van uw teams zullen voldoen. We raden u aan deze interne agentprompts te testen en te herhalen met uw doelgebruikers. Er bestaat geen perfecte manier om deze interne agentprompts te schrijven, maar er zijn algemene promptmethoden die iedereen kan gebruiken. Zoals 'leid me door je gedachten en geef me drie voorbeelden met voor elk meetbare X- en Y-statistieken, gepresenteerd in een tabel.'

Stap vier: Experimenteer met prompts voor meerdere agenten

Eindelijk bent u klaar om uw AI-agent een vraag te stellen. Hoe meer context u in uw vraag kunt geven, hoe beter.

Zodra u meerdere prompts heeft gebouwd die in de dagelijkse workflows zijn geïntegreerd, kunt u ze gaan trainen om samen te werken met multi-agentsystemen. Hier rijg je meerdere AI-agenten met verschillende, maar elkaar kruisende rollen aan elkaar.

Samen kunnen ze een taak beter voltooien dan één enkele agent. Er zijn verschillende voorbeelden van deze applicatie, onder meer van ChatDev, een multi-agent virtueel softwarebedrijf.

Bij het bouwen van multi-agents hebben we het meeste succes gezien door een mensgerichte ontwerpbenadering te hanteren. U moet ervoor zorgen dat uw aanwijzingen, zelfstandig en samenwerkend als multi-agenten, werken met een empathische instelling en waardering voor de diversiteit van hun gebruikers. U kunt aanwijzingen maken met parameters zoals “ontwerp uw antwoorden met empathie, tolerantie en duidelijkheid in de gevarieerde ervaringen van uw gebruikers.”

In dit stadium wilt u misschien een soort modeltoezicht opnemen. Hulpmiddelen toevoegen zoals Openlaag aan uw stapel kunt u inzicht geven in hoe goed uw systeem in de loop van de tijd voor gebruikers presteert.

Stap vijf: Meet uw AI-innovatielaag

Het verweven van AI in alles wat u doet, is alleen nuttig als het uw bedrijf helpt zakelijke doelstellingen te bereiken, nieuwe inkomsten te genereren en uw klanten beter van dienst te zijn. Daartoe moet u een meetkader opzetten om ervoor te zorgen dat uw AI-innovatielaag echte waarde oplevert.

Bepaal welke KPI's u wilt meten, bijvoorbeeld aanmeldingen van nieuwe klanten, productdownloads of bespaarde tijd van medewerkers. U kunt uw multi-agentprompts ook gebruiken om toekomstige potentiële scenario's voor producten, bedrijfsresultaten en andere meetbare bedrijfsdoelen te genereren. Vervolgens kunt u uw werkelijke resultaten meten aan de hand van deze scenario's door opnieuw uw multi-agentprompts te gebruiken om visualisaties te maken.

Generatieve AI heeft de manier waarop mensen werken, denken en creëren al op zijn kop gezet, maar het is grotendeels een experimenteel hulpmiddel geweest dat door individuen wordt gebruikt. Door generatieve AI in uw tech-stack te verweven, kan het een integraal onderdeel worden van de dagelijkse creatieve en zakelijke workflows, waardoor nieuwe inzichten worden geboden in de gegevens, processen en toekomstige strategieën van uw bedrijf.

Dan Kraemer is een oprichter, thought leader, docent en internationaal spreker op het gebied van de convergentie van design en bedrijfsstrategie. Als mede-CEO en mede-oprichter van IA Samenwerkendcombineert hij een generatieve ontwerplens met een analytische bedrijfsstrategie om bedrijven zoals Airbnb, Allstate, Audi, FedEx, Johnson & Johnson, Nike, Philips, Samsung en Sonos groeistrategieën creëren, innovatie ontwikkelen en nieuwe bedrijven opbouwen.

Gerelateerde lezen:

Illustratie: Dom Guzman