In juni organiseerden we een workshop tijdens de BA & Beyond conferentie met een diverse groep professionals. Het doel van onze workshop was om actuele inzichten te verkrijgen over hoe analisten AI zien en integreren. We vroegen de 25 deelnemers om hun gedachten te delen over AI in de wereld van business en functionele analyse. Op basis van drie tegenstellingen en groepsdiscussies kregen we overwegend gelijkgestemde meningen met enkele uitschieters. Lees verder voor de belangrijkste inzichten en conclusies.
1 Plaats AI op de as van bedreiging/opportuniteit - nuttig/niet nuttig
We vroegen aan de deelnemers of ze AI als een bedreiging zagen voor hun vakgebied of eerder als een opportuniteit. Omdat we benieuwd waren naar de appreciatie van AI hebben we de dimensie nuttig/niet nuttig hieraan toegevoegd.
Dit leverde de volgende kwadranten op, die we in de extremen als volgt beschreven:
- Nuttige kansen: AI tilt een analist op, lost lastige taken op en stelt ons in staat meer strategisch te werken.
- Nutteloze kansen: AI is een gimmick, een “stochastische papegaai” die zinnen afmaakt maar analisten niet beter maakt.
- Nuttige bedreigingen: AI wordt gebruikt om analisten te vervangen, vergelijkbaar met hybride technologieën.
- Nutteloze bedreigingen: AI lijkt nuttig maar brengt ons als analisten verder weg van de waarde die we bieden.
Vervolgens konden deelnemers een post-it met hun naam kleven binnen deze tegenstellingen en uitleggen waarom. We vroegen uitdrukkelijk hoe ze hier op dit moment tegenover stonden.
De deelnemers hun meningen waren net niet unaniem! De overgrote meerderheid situeert AI tussen nuttig en opportuniteit. AI was voor alle aanwezige analisten in de groep duidelijk iets dat nu op hun radar staat en waar ze erg positief over zijn.
“MET EEN ‘HUMAN-IN-THE-LOOP’ AANPAK BIEDT AI DE KANS OM GOEDE ANALISTEN NOG BETER TE MAKEN.”
Er kwamen wel enkele belangrijke nuances uit de groep:
- We zijn nog in een beginfase, er zijn veel dingen die we nu nog niet weten
- Misschien zien we de bedreigingen nog niet, de impact op werkzekerheid in ons vakgebied is daarom onduidelijk
- Het nut van AI en voornamelijk LLMs (zoals ChatGPT) is voornamelijk afhankelijk van de kennis van de gebruiker, de analist moet de juiste vragen kunnen stellen
- Wat als mensen AI-uitkomsten verkeerd interpreteren?
Onze conclusie
Alhoewel analisten zich (terecht) zorgen maken over de juistheid van AI lijkt iedereen ervan overtuigd dat met de ‘human in the loop-aanpak’ AI ons kan versterken. We zien er duidelijk een kans in om van goede analisten, nog betere analisten te maken.
Diepgang en BA-vaardigheden zijn dus essentieel om AI goed in te zetten. Het is meer dan ooit tijd om de diepte in te duiken!
2 AI-initiatieven top-down of bottom-up gestuurd?
We vroegen of deelnemers merkten dat AI-initiatieven in hun organisatie eerder vanuit management (top-down) of vanuit interessegroepen (bottom-up) komen? De meesten antwoordden dat initiatieven zich ergens tussenin bevinden. Als we toch een onderscheid moeten maken tussen bottom-up en top-down, kwamen er iets meer mensen uit het bottom-up kamp.
“BIJNA IEDEREEN IS NU BEZIG MET AI, EN DE VRAAG NAAR ONDERSTEUNING EN EEN FORMEEL KADER LEEFT.”
Praktijkvoorbeeld van een bottom-up AI-initiatief
Sommige zeer enthousiaste deelnemers kregen helemaal geen ondersteuning van hun management. We betreuren dit want het is niet zonder risico om initiatieven zonder context op te starten. Net zoals shadow-IT is er zoiets als shadow-AI. Dat zijn bewegingen in de marge die na verloop van tijd onzichtbare processen in de organisatie vertegenwoordigen. Zonder een framework blijft het toepassen van AI in het beste geval een (plaatselijke) oefening en met wat pech een slapende draak die in stilte groeit.
Praktijkvoorbeeld van een top-down AI-initiatief
AI werd door een paar deelnemers als een game-changer bestempeld omdat het een onderdeel van een kernproces kan invullen in hun organisatie. Dat is mogelijk gemaakt met een top-down aanpak, hun management had ervoor gekozen om in te zetten op generatieve AI.
Deze deelnemers hadden het over de automatisering van klantenservice en merkten dat dit met generatieve AI veel beter ging ten opzichte van oudere NLP gebaseerde chatbot toepassingen.
Andere voorbeelden van AI-initiatieven
- Andere deelnemers hadden het over opdrachten die gebaseerd waren op misverstanden. Het buzzword AI had een bizarre invulling gekregen, en door veel voortschrijdend inzicht moesten verwachtingen goed gemanaged worden.
- We hoorden ook dat er bij enkele deelnemers AI-teams werden gevormd om na te gaan hoe AI in hun organisatie kan worden geïmplementeerd, analisten maakten daar duidelijk deel van uit.
Onze conclusie
Deden we deze oefening een jaar geleden, zouden er veel minder post-its aan de top-down kant of in het midden van de tegenstelling gehangen hebben. Bijna iedereen is ermee bezig en de vraag naar ondersteuning en een formeel kader leeft.
Er zijn in ieder geval meer AI-projecten terug te vinden in de portfolio’s van deelnemers aan onze workshop, en dat komt waarschijnlijk doordat AI toegankelijker is geworden met de opkomst van GenAI. Organisaties zijn duidelijk ook nog op zoek naar een manier om AI correct in te zetten en de grote projecten blijven voorlopig uit tenzij er een hele duidelijke case voor is.
3 Voorkeur voor essentiële expertise vs. AI-specialisatie
Om de workshop af te sluiten vroegen we: “Hoe zie je de relatie tussen analisten en AI evolueren in de toekomst?”. Bij de vorige stellingen vroegen we naar de deelnemers hun observaties, bij deze stelling waren we vooral benieuwd naar hun voorspelling.
Zal een analist niet meer mee kunnen zonder kennis van AI en zonder deze toe te passen in hun dagelijkse werk? Of gaat de rol van een analist niet al te veel veranderen en wordt AI een specialisatie?
De meeste deelnemers voorspellen dat AI een essentiële vakexpertise van elke analist wordt, al waren er ook aanwezigen die het volledig in het midden lieten.
Toen we in de groep de tegenstelling bespraken, maakte iemand de opmerking dat een team (van analisten) ook ondersteund kan worden door een AI specialist met een analyse insteek, iemand die specifieke vaardigheden heeft om processen te bekijken vanuit de mogelijkheden van AI.
“Business analisten moeten basiskennis hebben over de inzetbaarheid van AI binnen een organisatie om hun werk te faciliteren.“
Onze conclusie na deze oefening
Mogelijk zullen er in de toekomst alleen maar projecten zijn die ondersteund worden met AI, wat een brede basiskennis van AI noodzakelijk maakt, maar daar zijn we nog niet.
De vraag die we ons kunnen stellen is hoeveel kennis een analist vandaag moet opdoen over AI om er voordeel uit te halen? Wij denken dat business analisten basiskennis moeten hebben over de algemene inzetbaarheid van AI binnen een organisatie en dat ze er hun eigen werk mee kunnen faciliteren.
AI is here to stay
Het zal altijd beginnen met een grondige analyse van de behoeften van een organisatie, want kiezen wat belangrijk is blijft een taak die enkel een mens kan opnemen. AI biedt enorme kansen, maar moet met een kritische blik worden benaderd.
Momenteel zien we vooral experimenten met AI rondom ons, maar er is dringend behoefte aan meer strategisch beleid en project governance, toegespitst op AI initiatieven.
Bij The Business Analysts blijven we deze ontwikkelingen op de voet volgen! We helpen onze klanten met hun vraagstukken rond de integratie van AI en we voorzien onze leden van al het nodige om AI succesvol toe te passen in hun werk.
Volg ons op Linkedin voor meer verrassende inzichten en praktische tips over functionele en business analyse!