Chatbot als eerste AI project? Meestal niet

"We willen iets met AI, misschien een chatbot op de website." Het is een van de meest gehoorde openingszinnen. Begrijpelijk: een chatbot is zichtbaar, tastbaar en makkelijk uit te leggen aan collega's. Maar juist omdat het zo voor de hand ligt, is het de moeite waard om even stil te staan. Een chatbot is soms een uitstekende eerste stap, en soms de duurste manier om een probleem op te lossen dat je ook anders had kunnen aanpakken.

Acht vragen voordat je een chatbot bouwt

Er is geen universeel antwoord op de vraag of een chatbot een goed eerste AI-project is. Wel zijn er acht vragen die de keuze bijna altijd scherp maken:

1. Volume. Krijg je genoeg gelijksoortige vragen om een geautomatiseerd antwoord de moeite waard te maken? Bij lage aantallen is een goede FAQ of een mens vaak effectiever.
2. Kwaliteit van de bronnen. Kan de bot putten uit actuele, correcte en goed geordende informatie? Op rommelige of verouderde bronnen geeft een bot antwoorden die niemand vertrouwt.
3. Impact van fouten. Wat gebeurt er als het antwoord niet klopt? Bij vrijblijvende vragen is dat hinderlijk; bij prijzen, juridische of medische informatie kan het schade veroorzaken.
4. Integraties. Moet de bot iets kunnen (orderstatus opzoeken, een afspraak inplannen) of alleen praten? Praten zonder toegang tot je systemen levert zelden echte waarde.
5. Privacy & security. Verwerkt de bot persoonsgegevens of vertrouwelijke informatie? Dan wegen dataclassificatie, bewaartermijnen en waar het model draait zwaar mee.
6. Menselijke escalatie. Is er een soepele overgang naar een medewerker wanneer de bot er niet uitkomt? Zonder goede overdracht wordt een bot een muur in plaats van een deur.
7. Totale kosten. Kijk verder dan de bouw: modelkosten per gesprek, onderhoud, het actueel houden van de kennis en het bewaken van de kwaliteit. De rekening zit vaak in het beheer.
8. Nulmeting. Weet je wat de huidige situatie is, hoeveel vragen, welke doorlooptijd, welke kosten? Zonder baseline kun je achteraf niet zien of de bot iets heeft opgeleverd.

Vaak blijkt uit deze vragen dat de grootste winst ergens anders zit: in het voorbereiden van antwoorden voor een medewerker, in het ontsluiten van interne kennis, of in een terugkerende handeling in de backoffice. Dan zijn Maatwerk tools vaak een logischere eerste stap dan een publieke chatbot.

Risico's gestructureerd wegen

Wie de impact van fouten, privacy en beheer serieus neemt, hoeft dat niet zelf te verzinnen. Het Amerikaanse NIST publiceerde in 2023 een vrijwillig AI Risk Management Framework, opgebouwd rond vier functies: Govern, Map, Measure en Manage. Het is geen wet en geen keurmerk, maar een bruikbare denklijn om per toepassing te benoemen wie waarvoor verantwoordelijk is, welke risico's spelen, hoe je ze meet en hoe je ze beheerst. Precies die vragen horen thuis in de afweging of, en hoe, je een chatbot bouwt.

Wanneer een chatbot wél een goede eerste stap is

Er zijn situaties waarin een chatbot juist verstandig is: veel gelijksoortige vragen, goede en actuele bronnen, beperkte schade bij een fout, een werkende koppeling met je systemen en een soepele overdracht naar een mens. In dat geval kan een bot werk uit handen nemen. De boodschap is dus niet "geen chatbot", maar: laat de keuze volgen uit je proces en je cijfers, niet uit de aantrekkingskracht van de technologie.

Welke eerste stap voor jou de meeste waarde heeft, bepaal je het beste met onderzoek vooraf. Dat is precies wat een AI Kansenrapport oplevert: een onderbouwde keuze in plaats van een gok.

Drie betere kandidaten voor je eerste AI project

Uit de acht vragen hierboven blijkt vaak dat de winst achter de schermen zit. Drie startprojecten die we in de praktijk vaak zien werken:

• Concept-antwoorden voor je medewerker. AI leest de binnenkomende mail of WhatsApp, zoekt de orderstatus erbij en zet een antwoord klaar. Een medewerker controleert en verstuurt. Je krijgt de snelheid van een bot, zonder het risico dat een fout antwoord direct bij de klant landt. Zo werken de AI agents die we bouwen.
• Interne kennis doorzoekbaar maken. Handleidingen, offertes en procedures staan verspreid over mappen en mailboxen. Een interne zoekhulp is een kleinere stap dan een publieke bot, omdat alleen je eigen team ermee werkt.
• Eén terugkerende handeling in de backoffice. Orders overtypen, facturen inlezen of rapportages samenstellen. Dit werk is voorspelbaar en goed te meten. Hier is automatisering vaak de snelste terugverdiener.

Alle drie hebben gemeen dat een mens het laatste woord houdt. Dat maakt de impact van fouten klein en het draagvlak groot. Werkt het, dan heb je daarna de data en het vertrouwen om verder te gaan, eventueel met een chatbot.

AI project starten: zo voorkom je dat het stilvalt

Een eerste project mislukt zelden door de techniek. Meestal ontbreekt een eigenaar, is er geen nulmeting of sluit de oplossing niet aan op het werk van alledag. Meer daarover lees je in waarom AI-projecten vastlopen. Wil je eerst weten waar in jouw bedrijf de meeste waarde zit, dan is het AI Kansenonderzoek de logische eerste stap.

Veelgestelde vragen

Terug naar nieuws