Het antwoord: Human-in-the-loop betekent dat AI het meeste werk doet, maar een mens beslist bij twijfelgevallen. Dat is precies wat Dataminr doet: hun AI verwerkt duizenden alerts per dag, maar grijpt alleen in bij complexe situaties. Voor MKB’ers zonder miljoenenbudget is dit principe direct toepasbaar, zonder dure systemen.

Wat er aan de hand is

Dataminr, een bedrijf dat realtime alerts genereert uit openbare data, gebruikt AI om het overgrote deel van de meldingen automatisch af te handelen. Alleen bij genuanceerde of onduidelijke situaties schakelt het systeem een menselijke medewerker in. Volgens het bedrijf is dit model efficiënter dan volledige automatisering, omdat het fouten en misinterpretaties door AI voorkomt. De aanpak is niet nieuw, maar Dataminr laat zien dat het schaalbaar is: hoe meer data, hoe meer de menselijke controle zich kan richten op uitzonderingen in plaats van routine.

Wat dit betekent

Voor kleine en middelgrote ondernemingen betekent dit dat je niet hoeft te kiezen tussen snelheid en kwaliteit. In sectoren zoals klantenservice, fraudedetectie of contentmoderatie kun je AI inzetten voor de bulk van het werk, terwijl een medewerker alleen de lastige gevallen beoordeelt. Dat scheelt tijd en geld, zonder dat je de controle verliest. Het principe werkt ook bij kleinere volumes: stel dat je honderd klantvragen per dag krijgt, dan kan AI er tachtig beantwoorden en hoef jij er nog maar twintig te checken.

Hoe je dit kunt toepassen

Als je een webshop runt met klantenservice per e-mail, kun je een AI-tool instellen die standaardvragen over verzending, retouren of openingstijden automatisch beantwoordt. Stel een drempel in: als de vraag sentiment scoort als negatief of als de klant om een medewerker vraagt, escaleer je naar een mens. Je zou kunnen beginnen met een proefperiode van een maand om te zien welk percentage vragen de AI zelf kan afhandelen.

Als je een team aanstuurt dat fraudemeldingen beoordeelt, kun je AI gebruiken om transacties te scannen op afwijkingen. Laat de AI alleen de transacties markeren die afwijken van het normale patroon, en laat een medewerker die lijst beoordelen. Een optie is om een eenvoudige regel in te stellen: transacties onder de 50 euro worden automatisch goedgekeurd, alles daarboven wordt handmatig gecheckt. Zo bespaar je tijd zonder risico.

Als je in de zorg werkt met patiëntvragen, kun je AI inzetten voor het filteren van veelgestelde vragen over openingstijden of medicijninformatie. Medische vragen of klachten over symptomen moeten altijd naar een mens gaan. Overweeg om een triagesysteem te bouwen waarbij de AI een eerste classificatie doet, maar een medewerker de uiteindelijke beslissing neemt. Dit verhoogt de efficiëntie zonder dat de kwaliteit van zorg eronder lijdt.

Als je content beheert voor een nieuwsbrief of social media, kun je AI gebruiken om reacties te screenen op spam of scheldwoorden. Laat de AI alleen de reacties verwijderen die duidelijk overtredingen zijn, en stuur twijfelgevallen naar een moderator. Je zou kunnen beginnen met een simpele lijst van verboden woorden en de AI laten leren van de correcties die jij maakt.

De praktische toepassing hangt af van jouw situatie, maar het principe is overal hetzelfde: laat AI de routine doen, en houd de menselijke controle voor de uitzonderingen.

Bron: Aibusiness