Hoe je AI-kennis verankert zodat ze niet met een persoon vertrekt

Bijna elk bedrijf waar we binnenlopen heeft er een. De persoon die AI ging gebruiken voordat iemand erom vroeg, die de prompt bouwde waarmee het salesteam een uur per dag bespaart, die weet welk gereedschap waarvoor werkt en welk gereedschap stilletjes verkeerde antwoorden geeft. Meestal zit die persoon niet bij IT. Vaak heeft niemand er officieel om gevraagd.

Die persoon is het beste wat je AI-gebruik is overkomen, en tegelijk het grootste enkelvoudige risico erin. Want vrijwel niets van wat hij weet bestaat ergens anders dan in zijn hoofd.

Waarom dit in het MKB een groter risico is

Een grote organisatie heeft reserve bij toeval. Drie mensen doen overlappend werk, er is een wiki waar niemand van houdt maar die iedereen gebruikt, en een vertrek betekent een rommelig kwartaal in plaats van stilstand. Een bedrijf van veertig mensen heeft dat allemaal niet. Kennisconcentratie is daar geen bestuurlijke fout, het is gewoon hoe kleine teams werken: iemand wordt degene die het doet, en de rest is blij dat iemand het doet.

Dat werkt prima voor het koffieapparaat en slecht voor het gereedschap dat inmiddels je offertes opstelt. Als de AI-enthousiasteling vertrekt, gaan er drie dingen tegelijk: de werkende opzet, de redenen achter die opzet, en het oordeel over wanneer je het niet moet vertrouwen. Het eerste is terug te halen. Het tweede en derde meestal niet.

Handgeschreven notities op papier. De meeste AI-kennis in een MKB-bedrijf staat nergens opgeschreven.

Wat er precies de deur uit loopt

Het helpt om specifiek te zijn, want "kennis" is te vaag om iets mee te doen. Er vertrekken vier verschillende dingen met die persoon, en ze vragen om verschillende oplossingen.

De mechaniek. Welk gereedschap, welk account, welke instellingen, welke prompt. Dit is het makkelijkst op te schrijven en het deel dat mensen meestal bedoelen als ze documentatie zeggen. Het is ook het minst waardevolle van de vier, want het is het deel dat je het makkelijkst opnieuw opbouwt.

De redenering. Waarom dit gereedschap en niet het andere, waarom de prompt zo raar geformuleerd is, waarom de output juist op dat punt wordt gecontroleerd. Zonder dit erft de volgende persoon een set rituelen die hij niet kan beoordelen, en die hij dus blind volgt of volledig weggooit.

De faalkennis. Waar het misgaat. Bij welk soort vragen komt er zelfverzekerde onzin uit. Wat het gereedschap die ene keer in maart deed waardoor iedereen een middag kwijt was. Dit staat vrijwel nooit ergens opgeschreven en is het duurst om opnieuw te leren, want je leert het opnieuw door dezelfde fout te maken waar een klant bij is.

De relaties. Wie er bij de leverancier daadwerkelijk antwoordt, welke collega had toegezegd de output te controleren, wie akkoord gaf op gebruik met klantgegevens. Onzichtbaar tot het weg is.

Vier dingen die de kennis binnen houden

Geen van deze vier vraagt om een documentatieproject of een nieuw systeem. Ze vragen om het besluit dat de kennis van het bedrijf is en niet van een persoon, en om daar vervolgens naar te handelen.

Een: vanaf het begin een tweede paar handen. Geen reserve die erover leest, maar een tweede persoon die het ding een deel van de tijd echt bedient. Kennis die maar door een persoon is gebruikt, is geen geverifieerde kennis. De eerste keer dat iemand anders het gebruikt is de eerste keer dat je ontdekt wat er nooit is uitgelegd. Doe dat terwijl de eerste persoon er nog is om te antwoorden, niet erna.

Twee: schrijf de mislukkingen op, niet de mogelijkheden. Als je maar voor een pagina energie hebt, maak er dan de pagina van met wat er misging en wat eraan is gedaan. Dat is het deel dat je niet uit de handleiding van het gereedschap kunt reconstrueren, en het deel dat de volgende persoon behoedt voor het herhalen van een dure middag.

Drie: zet het gereedschap op een gedeeld account, niet op een persoonlijk. Dit klinkt administratief en het is de meest voorkomende manier waarop capaciteit de deur uit loopt. Een gereedschap gekocht op iemands eigen login, betaald met zijn pas, gekoppeld aan zijn mailadres, vertrekt met hem mee, inclusief de geschiedenis die uitlegt hoe het is gebruikt.

Vier: maak het oordeel expliciet op papier. Niet "gebruik AI verantwoord" maar "dit gereedschap stelt op, een mens verstuurt altijd" en "we zetten er geen klantnamen in." Dat hoort in je AI-beleid, en de hele reden om het op te schrijven is precies dat het dan niet meer afhangt van een persoon die eraan denkt om voorzichtig te zijn.

Twee collega's bij een whiteboard. Kennis die blijft is kennis die een tweede persoon echt heeft gebruikt.

De vier categorieen tegenover de vier oplossingen

Het patroon in die tabel is precies het punt: wat het makkelijkst is om vast te leggen doet er het minst toe, en wat niemand opschrijft is het duurst om kwijt te raken. De meeste documentatiepogingen draaien dit precies om, en leveren een keurige pagina met instellingen op en geen enkele vastlegging van het incident in maart.

Waarom dit inmiddels ook een juridische vraag is

Artikel 4 van de EU AI Act verplicht organisaties om een voldoende niveau van AI-geletterdheid te ondersteunen bij de mensen die met deze systemen werken. De formulering doet ertoe: de verplichting ligt bij de organisatie, niet bij het individu dat toevallig geinteresseerd is. Een organisatie waar alle AI-kennis bij een zelf opgeleide medewerker zit, voldoet daar in geen enkele betekenisvolle zin aan, hoe goed die ene medewerker ook is.

Dit is geen reden tot paniek, en er komt geen inspecteur je promptbibliotheek nakijken. Het is een reden om op te merken dat de organisatorische oplossing en de juridische oplossing dezelfde oplossing zijn. De kennis spreiden is wat artikel 4 vraagt, en het is wat je beschermt tegen de opzegbrief. Lees meer over wat de verplichting precies inhoudt bij AI-geletterdheid.

Hoe dit er in de praktijk uitziet

De goedkoopste versie hiervan is een gesprek, geen project. Ga zitten met de persoon die het weet, en loop de vier categorieen hardop langs met iemand erbij die het niet weet. Schrijf op wat die tweede persoon verrast. Die lijst is je documentatie, en hij is nuttiger dan wat dan ook dat je krijgt door iemand te vragen "de AI-werkwijze te documenteren", want hij vangt precies het gat tussen wat een persoon weet en wat de rest weet.

Doe het voordat je het nodig hebt. De versie van dit gesprek die tijdens iemands opzegtermijn plaatsvindt is een slechter gesprek, want dan is hij al half vertrokken en is de behoefte om de ongemakkelijke delen uit te leggen stilletjes verdwenen.

Over deze pagina

De verwijzing naar artikel 4 betreft de AI-geletterdheidsverplichting uit de EU AI Act, die bij de organisatie ligt en niet bij het individu, gecontroleerd tegen de tekst van de AI Act. De indeling in vier categorieen en de vier oplossingen zijn Radicals eigen werkmethode, gebaseerd op wat we zien in AI-Foto-sessies. Geschreven door Radicals eigen team; er is geen klantdata gebruikt.