Het ontwikkelen van een kunstmatige intelligentie (AI) klinkt misschien ingewikkeld, en eerlijk gezegd is dat het soms ook. Maar als je het stap voor stap aanpakt, wordt het al een stuk overzichtelijker. In deze blog lopen we samen door de belangrijkste dingen waar je aan moet denken als je een AI-project start. Denk aan het stellen van duidelijke doelen, het voorbereiden van data, slim omgaan met chunking, en het meten van prestaties. Laten we erin duiken!
Wat moet de AI kunnen? Denk goed na over je doelen en gebruikers
Voordat je begint, moet je weten wat je eigenlijk wilt maken. Wat moet de AI doen, en voor wie? Dit klinkt simpel, maar zonder duidelijkheid kan je project snel vastlopen.
Stel jezelf deze vragen:
Waarom maak je deze AI? Wil je klantvragen automatiseren, je support door AI laten afhandelen, sales gesprekken plannen, of iets anders? Elk doel vraagt een andere aanpak.
Wie gaat het gebruiken? Je kan een AI op je eigen website embedden, zoals onze tool primair werkt, maar je kan ‘m ook voor intern gebruik inzetten. Denk aan een tool om je klantenservice intern te ondersteunen of om interne documenten gemakkelijk toegankelijk te maken.
Tijd om ook jouw website van een maatwerk AI te voorzien, plan een vrijblijvende product demo!
Wat moet je weten over data?
Data is echt de kern van elke AI. Je kunt de beste tools hebben, maar als je data niet klopt, krijg je geen goede resultaten. Daarom is het slim om hier extra aandacht aan te besteden. Dit voorkomt een hoop problemen achteraf.
Stappen om je data klaar te maken:
Data verzamelen
Haal data uit betrouwbare en relevante bronnen. Dit kunnen documenten zijn, maar ook website pagina’s of andere bronnen. Zorg wel dat je toestemming hebt deze data te gebruiken.
Data opschonen
Vervolgens is het zaak om fouten, dubbele gegevens en andere onregelmatigheden eruit te halen. Dit wordt data cleaning genoemd en is super belangrijk. Hoe schoner je data, hoe beter de AI functioneert. Ook hier gaat een belangrijk princiep uit de IT op: garbage in, garbage out.
Data labelen
Voor sommige AI’s moet je data voorzien van labels. Denk bijvoorbeeld aan documenten die voor B2B of B2C klanten onderscheidend zijn. Ook data die op elkaar lijkt is belangrijk om duidelijk te labelen. Denk hierbij aan documenten met data over trainingen, dan is het belangrijk dat het gemakkelijk is om de trainingen uit elkaar te halen (zeker als je de data gaat chunken, waarover hieronder meer).
Data consistent maken
Zet alles in hetzelfde format, zodat je AI er makkelijk mee kan werken. Denk daarbij ook bijvoorbeeld aan het formatten van urls of het verwijderen of consistent maken van contact gegevens.
Denk ook aan verwijzing naar bronnen, die kan je AI overnemen en dat wil je misschien helemaal niet. Stel dat je AI de bezoeker ineens naar een andere website verwijst voor meer informatie.
Wat is chunking en waarom is het belangrijk?
Misschien klinkt chunking een beetje technisch, maar het is eigenlijk gewoon het opsplitsen van je data in kleinere stukjes. Dit is vooral handig bij grote hoeveelheden data.
Waarom chunking gebruiken?
Grote datasets zijn vaak te zwaar om in één keer te verwerken. Met chunks gaat het soepeler. Ons systeem gebruikt chunking om per vraag van de gebruiker de juiste stukjes data te selecteren om de vraag te beantwoorden.
Hierdoor kan de AI een hele grote kennisbank tot z’n beschikking te hebben zonder tegen de limieten van een model of context window aan te lopen.
Zo kun je chunken:
- Op lengte: bijvoorbeeld elk stuk van 500 woorden of 1000 karakters.
- Op betekenis: verdeeld in logische delen, zoals zinnen of paragrafen.
- Met overlap: voeg een klein stukje van het vorige deel toe aan het volgende, zodat je AI de context beter kan volgen.
Wanneer wij een AI voor je ontwikkelen, regelen we uiteraard een passende chunking strategie op basis van jouw situatie en data.
Hoe weet je of de AI goed werkt?
Het monitoren van de prestaties van je AI is een doorlopend proces. Dit helpt je om te zien wat goed gaat en wat beter kan.
Een bijkomend voordeel is dat dit ook een uniek kijkje geeft in het hoofd van je gebruikers. Wat houdt ze bezig? Wat is er misschien onduidelijk aan je website?
In zekere zin is een AI nooit af, op basis van het gebruik kan je data toevoegen om specifieke vragen te beantwoorden.
Vragen? Antwoorden.
Wat is het belangrijkste bij het maken van een AI?
Het belangrijkste is dat je doelstelling en doelgroep van je AI duidelijk hebt, daarnaast helpt om over schone data te beschikken om de AI mee te trainen. De rest nemen wij voor je uithanden! Plan een demo en we laten je zien wat mogelijk is.
Wat kost een AI?
Bij een AI moet je rekening houden met doorlopende kosten en de kosten voor het ontwikkelen. De doorlopende kosten liggen tussen de 100 en 200 euro per maand. De ontwikkelkosten hangen af van de complexiteit. Neem contact op voor een vrijblijvende kennismaking en demo!
Hoe lang duurt het om een AI te maken?
Een AI maken duurt enkele weken, doorgaans hebben we binnen 1 of 2 weken een eerste versie klaar, vervolgens is het een kwestie van testen, data opschonen en itereren. Wanneer we gelukkig zijn met de kwaliteit van de antwoorden, zet je de AI met een simpele embed code in je website of interne applicatie.
Wat is chunking?
Chunking is de kunst van informatieverdeling, vergelijkbaar met het organiseren van een bibliotheek. Door data in logische eenheden te verdelen, help je AI om patronen te ontrafelen en context te begrijpen. Het is alsof je complexe puzzels in overzichtelijke stukken breekt, waardoor zelfs de meest ingewikkelde informatiestromen begrijpelijk worden. Een kleine techniek met enorme impact op machinaal leren.
