Met dezelfde AI tools de concurrentie te slim af zijn (1/2)

Oeps, foutje…. Check daarom toch maar even

Hoewel de kansen en beloftes groot zijn, blijven checks onmisbaar. Bard verzon feiten tijdens zijn presentatie in februari. En zowel Googles’ Bard als ChatGPT van OpenAI gaan in de fout met een simpele vraag over het woord mayonaise (Nederlands) of mayonnaise (Engels). Verderop lees je hoe je dit met jouw prompts kunt voorkomen.

Afbeelding: Bard en ChatGPT maken fouten in simpele vragen

Grote schittering van AI verblindt kansen

In customer operations kan bijna 40% van de gefactureerde diensten door AI worden geleverd. In marketing is dit 10%. Via een AI as a Service concept (AaaS) worden onder andere e-mail, telefoon en chat door AI afgehandeld. Evenals het schrijven van blogs, SEO-teksten, het maken van beeld- en geluidsmateriaal.

Via AaaS krijgen modellen snel veel data om mee te trainen. Dat leidt tot snel tot betere chatbots, teksten (zeker met GPT-4), tekst naar foto / video, tekst naar stem en muziek. Het zijn echter de AaaS-aanbieders die hun positie daarmee versterken. Wie zelf een verdedigbaar concurrentievoordeel wil opbouwen moet verder kijken. Bijvoorbeeld naar het maken van AI-apps op maat, inrichten van marketing funnels met AI en complementaire producten voor eigen klanten.

AI as a Service (AaaS), handig maar gevaarlijk

Dat zelfverbeterende principe is precies waarom het generatieve AI heet. Het kan zelfstandig bijsturen, verbeteren en toevoegen. Dat heeft inmiddels geleid tot een scala aan omgevingen voor marketingcommunicatietaken. Hieronder een aantal platformen waar ik zelf mee werk:

Tabel: Verschillende soorten AI toepassingen

Elke tool heeft zijn eigen tutorials die je snel op weg helpen. Het zijn platformen die AI als een service aanbieden om je te helpen met je (marketing)taken. Dit is makkelijk, echter is het ook een groot gevaar.

Het ontneemt namelijk het zicht op de toepassingen van AI die je een meer verdedigbaar concurrentievoordeel geven. Het gebruik van bovenstaande tools is een hygiënefactor: zonder verlies je snel terrein, echter winnen doe je er niet mee.

Er zijn vier niveaus van AI-gebruik te onderscheiden. Voorbeelden van het eerste niveau heb je zojuist gezien. De volgende niveaus, gebruiksvoorbeelden, effect op concurrentie en gevolgen voor je processen staan in onderstaande tabel:

Tabel: diverse niveaus van AI-gebruik en onderscheidend vermogen

Hallucinerende modellen

Soms ontstaan rare en/of onjuiste resultaten. Het model ‘hallucineert’ dan. Zoals het mayonaise-voorbeeld. Daar zijn twee oorzaken voor aan te wijzen:

1. de prompt laat ruimte voor meerdere interpretaties, geeft onvoldoende richting of benoemt geen verbanden die van belang zijn
2. de data waar het model mee is gevoed zijn niet correct: Wikipedia bevat onjuiste informatie, op sites staan spelfouten, een database is niet goed gestructureerd, etc.

Hoe je voor betrouwbare data zorgt komt terug bij niveau 2 (AI van het schap). Op niveau 1 (AI as a Service) heb je alleen invloed op punt 1: een goede prompt maken.

AI as a Service (AaaS): goede prompts maken

Tips om ‘hallucinaties’ te voorkomen (en betere antwoorden te krijgen):

• wees specifiek in je prompt. Vraag bijvoorbeeld “Wat zijn de beste marketingstrategieën voor een online kledingwinkel?” in plaats van “Wat zijn goede marketingstrategieën?”
• geef achtergrondinformatie. Vraag bijvoorbeeld “Als verkoper van milieuvriendelijke producten wil ik een marketingcampagne die mij neerzet als verkoper van milieuvriendelijke producten zodat klanten die daarnaar op zoek zijn als eerste aan mij denken. Geef mij een voorstel voor de opzet van deze campagne.
• vraag één ding tegelijk. In plaats van te vragen “Hoe kan ik SEO verbeteren en social media-strategie ontwikkelen?”, stel je twee afzonderlijke vragen
• vermijd persoonlijke vragen. Vraag niet “Wat vind je van mijn marketingplan?”. Herformuleer dit bijvoorbeeld in “Zijn er onderdelen die nog missen in mijn marketingplan?”

Zie hier meer voorbeelden van goede prompts voor ChatGPT. Dat scheelt niet alleen tijd, het is ook duurzamer. Hoe dat zit, lees je verderop.

AI van het schap

Bij deze optie schaf je een AI-toepassing aan die gaat werken met unieke data voor jouw organisatie. Echter dat het unieke data zijn, betekent niet dat je ook een uniek probleem hebt. Voor elke organisatie is klantfeedback uniek, echter het classificeren ervan is iets waar bijna alle organisaties tegenaan lopen. Hetzelfde geldt voor het doen van bepaalde voorspellingen. Bijvoorbeeld over omzet of churn.

Zo biedt Microsoft voor veelvoorkomende businessproblemen al kant-en-klare AI-modellen aan via zijn AI-builder. Ook andere aanbieders hebben toepassingen klaarstaan om je data te classificeren. Enkele voorbeelden: OpenCV, Spacy en Prodigy. En als het om regressie / voorspellen gaat zijn dit enkele opties: H2O.ai, Obviously.ai, Expoze.ai

Afbeelding: Microsoft biedt getrainde modellen voor standaard scenario’s

De toepassingen op dit niveau zijn gericht op rubriceren, classificeren en categoriseren. Voorbeelden van marketingtoepassingen hier zijn, naast categoriseren van klantfeedback: informatie van visitekaartjes halen, salesfunnels bouwen en klant(groep)en daarin beheren, etc.

Let wel op: omdat het hier om unieke data gaat, moet je het model nog wel zelf trainen. Om een vergelijking te gebruiken: je krijgt een puppy dat de basiscommando’s kent. Echter specifieke commando’s in jouw situatie zijn nieuw en train je zelf.

AI blokken stapelen

Een volgende stap is modellen zelf aanpassen of koppelen met andere toepassingen. Daarvoor gebruik je agenten in de LangChain. Een agent scant de omgeving op bepaalde prikkels en roept vervolgens op basis van een prikkel een bepaalde toepassing aan. Onderstaand (eenvoudig) schema laat dit zien (de agent is blauw omcirkeld):

Afbeelding: schema in Flowise van een agent die een model, een API en een calculator aanroept

Het schema komt uit de tool Flowise. Deze tool laat je toepassingen koppelen door te klikken. Zo klik je ook specifieke databases of documenten in je toepassing. Ideaal voor bijvoorbeeld een customer support-omgeving. Dit kun je maken door je agent te verbinden met bijvoorbeeld:

• ChatGPT
• Realtime zoekresultaten van internet (want ChatGPT stopt bij september 2021)
• Je bestaande database (of website)
• Bestandsformaten als PDF, Word en Excel
• Een calculator
• Indices in (eigen) vector databases

Op deze manier is het goed voor te stellen dat AI 40% van de waarde in customer solutions naar zich toetrekt. Inkomende vragen worden via hetzelfde kanaal weer beantwoord. Daardoor wordt chat ook de drijvende kracht achter e-mail en telefoon. Een tekst omzetten naar stemgeluid is immers een kleine moeite.

Veelgebruikte combinaties van applicaties kun je zelfs met een klik uit de marketplace halen. Alleen even de API-codes opzoeken in de tools (is vrij eenvoudig) en klaar. Een platform als Zapier doet iets soortgelijks.

Afbeelding: Flowise marketplace met ‘plug en play’-combinaties van applicaties

Dit zet de deur open naar een verdedigbaar concurrentievoordeel:

• apps voor klanten en/of medewerkers die zijn afgestemd op hun specifieke behoefte.
• omgevingen die mogelijkheden van modellen, databases en API’s combineren.