Generatieve AI: van onschatbare waarde voor Lean Six Sigma professionals
In de voortdurend veranderende wereld van procesverbetering kunnen termen als data science (DS), machine learning (ML), kunstmatige intelligentie (AI), generatieve AI en Large Language Models (LLMs) overweldigend zijn. Deze begrippen klinken vaak complex en lijken bedoeld voor een elite van technologie-experts. Maar hier is de waarheid: als Lean Six Sigma (LSS)-professional ben je perfect gepositioneerd om deze tools te benutten. Niet alleen liggen LSS en DS dichter bij elkaar dan je denkt, generatieve AI is daarnaast een onmisbare tool geworden voor iedereen met de wens om verspilling te verminderen en efficiëntie te verbeteren.
De brug slaan tussen LSS en Data Science
Achter het jargon en de terminologie sluiten de principes van LSS naadloos aan op die van Data Science. Beide disciplines zijn gericht op het begrijpen, analyseren en optimaliseren van processen om betere resultaten te behalen. Mijn ervaring met het trainen van honderden professionals is dat mensen met een LSS-achtergrond uniek gepositioneerd zijn om de kracht van Data Science te benutten. Jouw vermogen om verspilling te identificeren, processen te stroomlijnen en waarde te creëren, sluit naadloos aan bij de mogelijkheden die AI biedt om handelingen te automatiseren.
Het leren over Data Science en generatieve AI is vandaag de dag essentieel voor elke Belt, en wel om de volgende redenen:
1. Generatieve AI verlegt de grenzen van automatisering
Generatieve AI heeft de grenzen van wat we kunnen automatiseren substantieel verlegd. Processen die ooit te complex of genuanceerd leken om te automatiseren, kunnen nu eenvoudig worden geautomatiseerd. Dit biedt LSS-professionals ongekende mogelijkheden om een backlog aan verbeterprojecten aan te pakken die voor de komst van generatieve AI onhaalbaar waren.
2. De definitie van Waste is veranderd
Taken die ooit als waarde toevoegend werden beschouwd - het handmatig samenvatten van rapporten, het opstellen van drafts, het classificeren van data, etc.- kunnen nu worden geautomatiseerd. Dit herdefinieert ons begrip van wat Waste is en maakt deze taken rijp voor verbeteringsprojecten. Met minimale training en goed gekozen projecten kun je generatieve AI eenvoudig inbedden in je bestaande LSS-tools, waarmee nieuwe kansen ontstaan binnen elke organisatie. Anders gezegd: door de komst van generatieve AI kijkt letterlijk elke organisatie plotseling aan tegen een grote achterstand aan automatiseringsprojecten. Projecten die jij als Belt bij uitstek kunt leiden.
Typische toepassingen van Generatieve AI in de context van Lean Six Sigma
Generatieve AI kan veel dagelijkse taken vereenvoudigen die eerder veel tijd en moeite kostten. Gangbare toepassingen zijn:
- Samenvatten: Lange documenten reduceren tot actiegerichte inzichten.
- Transcriptie: Gesproken taal nauwkeurig omzetten in tekst (of omgekeerd!).
- Opstellen content: Rapporten, e-mails of andere documenten in minuten creëren.
- Raadplegen van een knowledge base: Conceptantwoorden genereren vanuit interne documenten zoals FAQ’s of producthandleidingen.
- Tekstclassificatie: Tekst organiseren en beoordelen op basis van specifieke criteria.
Deze activiteiten zijn niet alleen haalbaar, maar ook eenvoudig te implementeren. Hoewel er een punt zal komen waarop implementatie daadwerkelijk uitdagend wordt, kan 80% van de waarde binnen een proces met relatief weinig inspanning worden gerealiseerd.
Op de volgende manieren houd je dit soort verbeterprojecten simpel en overzichtelijk:
- Houd een human-in-the-loop: als een werknemer expliciet onderdeel van het proces blijft om de output te controleren, dan is de generatieve AI-toepassing veel eenvoudiger te realiseren.
- Focus eerst op verwerking in batch: Als je generatieve AI-toepassing niet real-time hoeft te werken, maar ook van waarde is wanneer deze bijvoorbeeld enkele momenten per dag wordt gebruikt, dan is ook dat weer veel eenvoudiger te realiseren.
- Begin met niet-sensitieve informatie: Werken met niet-sensitieve data is zeker niet noodzakelijk, maar maakt de implementatie van een eerste project een stuk eenvoudiger.
Natuurlijk is het mogelijk om de lat hoger te leggen op elk van deze aspecten, maar als je op deze manier begint, kun je snel waardevolle ervaring opdoen. Het voordeel van de situatie waarin we nu zitten, namelijk dat elke organisatie aankijkt tegen een achterstand aan verbeterprojecten op dit gebied, biedt de luxe om eerst te kunnen focussen op het laaghangend fruit.
Beginnen is eenvoudig
Generatieve AI op schaal kunnen toepassen binnen een proces is verrassend eenvoudig om mee te starten. Je hebt daarvoor het volgende nodig:
- Een LLM-account: Bijvoorbeeld bij OpenAI.
- Een API-key: Om de LLM-diensten eenvoudig en schaalbaar te kunnen gebruiken.
- KNIME: Is gratis, en zeer geschikt om de generatieve AI-toepassing in te maken.
Case Study: Classificatie van customer support tickets
Stel je voor dat je een groot deel van het proces kunt automatiseren voor het afhandelen van customer support tickets binnen de afdeling klantenservice. Door de support ticket samen met bedrijfsbeleid en de beschikbare expertises binnen klantenservice te laten beoordelen door AI, kan automatisch worden bepaald welke medewerker het beste in staat is om een specifiek probleem op te lossen. Bovendien kan direct een conceptantwoord worden gegenereerd, volledig in lijn met het bedrijfsbeleid en de tone-of-voice van de organisatie, welke alleen nog hoeft te worden gecontroleerd.
En er zijn eindeloos van dit soort voorbeelden waarin gerichte generatieve AI-toepassingen eenvoudig een deel van het werk kunnen automatiseren: van het controleren van productbeschrijvingen op naleving van de richtlijnen, het genereren van gepersonaliseerde marketing-e-mails, het maken van audio-samenvattingen van nieuwe publicaties zodat je organisatie laagdrempelig up-to-date blijft met de nieuwste ontwikkelingen, tot het extraheren van advies uit lange producthandleidingen of andere documenten: elke organisatie heeft nu eenmaal allerlei processen die handmatig uitgevoerd worden en sinds de komst van generatieve AI deels geautomatiseerd kunnen worden.
Met generatieve AI is het in slechts enkele uren mogelijk om een proof-of-concept te bouwen. En het resultaat zal typisch niet perfect zijn, maar het zal al tijd kunnen besparen, omdat het nou eenmaal veel sneller is om iets aan te passen dan iets vanaf nul te creëren.
Conclusie
Procesverbetering met behulp van generatieve AI is geen hype; het is een gamechanger voor Lean Six Sigma-professionals. Generatieve AI stelt je in staat om verspilling opnieuw te definiëren, de grenzen van automatisering te verleggen en projecten aan te pakken die ooit buiten bereik leken. Met minimale investering in tijd en tools kun je generatieve AI naadloos integreren in je LSS-toolkit en waarde toevoegen in elke organisatie.
Het tijdperk van generatieve AI is aangebroken, en voor degenen die bereid zijn het te omarmen, zijn de mogelijkheden eindeloos. Met onze korte, praktisch toepasbare training laten we je zien hoe je dit soort case studies eenvoudig opzet met behulp van KNIME, een gratis en gebruiksvriendelijk platform waarbinnen je LSS-expertise perfect geïntegreerd wordt met generatieve AI. Binnen no-time kun je beginnen met automatiseren, verspilling reduceren en het realiseren van transformerende verbeteringen!
Over de Auteur
Joran Lokkerbol, PhD, is docent, Data Scientist en Black Belt bij LeanDirect. Joran Lokkerbol studeerde econometrie aan de Universiteit van Amsterdam en specialiseerde zich in machine learning en toegepaste econometrie aan Harvard en M.I.T. Joran ontwikkelde de opleiding vanuit zijn jarenlange ervaring in het uitvoeren van Data Science projecten en het begeleiden van professionals in het data-gestuurd verbeteren van bedrijfsprocessen.
Klik hier voor Joran zijn LinkedIn profiel
