In de ERP-wereld wordt AI een essentiële functionaliteit. Volgens de EY AI Pulse Survey zal het aantal Amerikaanse senior managers dat 10 miljoen dollar of meer in AI investeert dan ook verdubbelen in 2025. Niet gek, aangezien AI bijvoorbeeld grote hoeveelheden gegevens analyseert, real-time inzichten biedt en geautomatiseerde workflows creëert. En AI-oplossingen worden alleen nog maar branchespecifieker en geavanceerder. Maar het overmatig of verkeerd gebruik van AI binnen ERP-systemen kan risico’s met zich meebrengen: dit wordt ook wel de ‘de AI-valkuil’ genoemd. Wie trapten al in deze valkuil? En hoe zorg je dat jouw organisatie dat niet doet? Dat lees je in deze blog!
AI in de publieke sector
Er zijn talloze voorbeelden van bedrijven die de AI-valkuil niet wisten te ontwijken. In de publieke sector werden door AI ondersteunde ERP-systemen omarmd als dé oplossing voor het stroomlijnen van overheidsprocessen. Dit leidde vaak tot overhaaste implementaties, zonder voldoende besef dat veel van deze systemen onvoldoende aansloten op de unieke en complexe eisen van overheidsinstellingen.
Zo was er een overheidsinstelling die een door AI ondersteund ERP-systeem implementeerde dat eigenlijk voor zakelijk gebruik was bestemd. Het gebrek aan ondersteuning voor bijvoorbeeld complexe mechanismen voor budget- en subsidiebeheer, maakten workarounds en schaduw-IT noodzakelijk. Werknemers grepen steeds vaker terug op oude methoden, waarna de AI-oplossing uiteindelijk helemaal werd stopgezet. Het eindresultaat? Niet alleen tijd- en geldverspilling, maar ook een kostbare terugkeer naar een traditioneel, op maat ontwikkeld ERP-systeem.
AI in non-profitorganisaties
Dan is er het voorbeeld van een grote, internationale non-profitorganisatie die een AI-tool implementeerde om het donateurbeheer te verbeteren. Deze tool was ontwikkeld om het gedrag van donateurs te analyseren, toekomstige donaties te voorspellen en campagnes voor fondsenwerving te optimaliseren. Dit bleek echter een geval van overmatige automatisering. Het algoritme legde de focus op donateurs met een hoge waarde en verwaarloosde de kleinere donateurs. Bovendien genereerde het systeem onpersoonlijke boodschappen aan belangrijke donateurs en vrijwilligers. Als gevolg hiervan zag de non-profitorganisatie een terugval in donaties en besloot uiteindelijk het AI-systeem aanzienlijk terug te schalen.
AI in de zakelijke dienstverlening
Het laatste voorbeeld betreft een middelgroot adviesbureau dat AI in het ERP-systeem implementeerde om het projectmanagement te optimaliseren en de toewijzing van consultants te verbeteren. De AI-algoritmen leverden aanvankelijk veelbelovende inzichten en resultaten op, maar bleken uiteindelijk te rigide voor de dynamische behoeften van het adviesbureau. Medewerkers werden verkeerd ingezet, klanten waren ontevreden en voor cruciale beslissingen moest alsnog menselijke expertise worden ingeschakeld. Dit toont wederom hoe een overambitieuze AI-implementatie kan leiden tot een kostbaar en tijdrovend proces, zonder de verwachte en gehoopte resultaten te behalen.
Het vinden van balans
Bovenstaande voorbeelden laten wel zien dat AI niet altijd de oplossing is. Automatisering kan zeker de productiviteit en efficiëntie van een proces boosten, maar als de technologie niet is uitgekozen op basis van haar vermogen om een specifiek probleem op te lossen, dan mis je je doel. Overweeg je om met AI aan de slag te gaan? Kijk dan eerst naar je bestaande processen en workflows en breng routinetaken in kaart. Identificeer vervolgens wat daar misgaat en wat er beter kan. Dit leidt tot de data die je kunnen helpen om de processen te verbeteren en kan de vraag beantwoorden of AI de juiste tool is. Vermijd daarbij wel de verleiding om alle mogelijke data te gebruiken, want sommige vraagstukken kunnen nu eenmaal efficiënter worden opgelost met kleinere datamodellen.
Ga je daadwerkelijk met AI aan de slag? Dan is effectieve data governance cruciaal om ethisch verantwoord gebruik van AI in ERP-systemen te waarborgen. Ontwikkel hiervoor een uitgebreid AI-kader met richtlijnen voor een verantwoorde ontwikkeling en inzet van de tool. Zo’n kader kan bijvoorbeeld draaien om transparantie over de inzet van AI, het beperken van onnodige inzet en het behouden van maatwerk. Daarnaast is het belangrijk om een standaard evaluatieproces voor productontwikkeling te implementeren. Daarmee worden AI-functionaliteiten voortdurend getest op eerlijke en verantwoorde werking en worden risico’s tijdig geminimaliseerd.
De juiste ondersteuning
Met een gedegen voorbereiding en strategie kunnen organisaties het volledige potentieel van AI ontdekken, zonder in de valkuil van overmatige en overenthousiaste automatisering te stappen. Definieer het probleem, kies de juiste AI-tool en laat je niet afleiden. Zo implementeer jij AI wél succesvol in jouw ERP-systeem.
