Volgens Appian moet en kan AI een stuk beter. Veel bedrijven hebben inmiddels de pilots en implementaties achter de rug, maar de projecten kennen een hoge faalratio. De oplossing? Een aanpak waarbij AI niet op zichzelf staat, maar gekoppeld wordt aan data en processen. Op die manier automatiseer je als bedrijf back-office processen met concrete resultaten.
De cijfers liegen er niet om, schetst Appian tijdens ons bezoek aan het bedrijf in Londen. Een MIT-onderzoek van vorig jaar toonde aan dat 95 procent van de generatieve AI-implementaties mislukt. Ze genereren weinig tot geen business value. Daar kunnen verschillende redenen voor zijn. Denk aan slechte integratie, weinig focus op het oplossen van echte problemen en onrealistische verwachtingen.
Wat Appian-CEO Matt Calkins betreft is dit een absurd percentage voor iets wat wordt gezien als de doorbraaktechnologie van deze generatie. De kern van het probleem? AI wordt vaak beschouwd als standalone technologie. “Mensen dachten dat AI op zichzelf kon werken”, legt Calkins uit. “Maar dat is niet het geval. AI heeft andere technologieën nodig om echt waarde te leveren.”
Calkins pleit daarom voor ‘serious AI’, waarbij de technologie in de basis gericht wordt ingezet voor essentiële bedrijfsfuncties. De benadering combineert drie elementen: AI, data en proces. De driehoek vormt volgens het bedrijf de basis voor succesvolle implementaties.
Data en proces als fundament
Dat data de motor is achter AI, is op zich geen verrassing. Een model is immers zo goed als de data waarop het getraind is. Een AI-agent heeft toegang nodig tot alle relevante informatie om conclusies te trekken of van fouten te leren. Heb je je data niet op orde, dan stort je hele AI-project in en zal het een van de vele mislukte projecten worden.
Als process automation-speler koppelt Appian echter ook processen zeer nadrukkelijk aan succesvolle AI. Want AI is, zo betoogt Calkins, alleen zo goed als het werk dat je het geeft. Het proces is volgens hem de ontbrekende schakel die AI verbindt met belangrijk werk. Het gaat om taken die meerdere medewerkers en stappen omvatten. Een proces geeft AI feitelijk structuur en meetbaarheid, precies de componenten die regelmatig ontbreken.
Serious AI speelt zich uiteindelijk niet direct af op de plekken die men zou verwachten. Waar het bijvoorbeeld nuttig kan zijn, is in hoogvolume back-office processen waar AI kritieke nieuwe vaardigheden toevoegt aan bestaande teams. Denk aan inkoop, case management, contractbeheer of compliance. Calkins erkent dat dat misschien saaie AI kan zijn, zeker ook als je het vergelijkt met de AI-beloftes van de industrie. “Maar de resultaten zijn absoluut niet saai”, aldus Calkins.
Tip: Appian legt de lat hoog in strijd om process automation-kroon
Toepasbaarheid serious AI
Appian heeft jaren geïnvesteerd in meerdere tools die serious AI mogelijk moeten maken. De data fabric en process modelling zijn binnen het concept van serious AI met name belangrijk. De eerste van die twee, de data fabric, maakt het mogelijk om AI aan data door de hele organisatie te koppelen. Process modelling verbindt AI op zijn beurt aan grote samenwerkingsverbanden van mensen en digitale medewerkers.
Een voorbeeld van hoe Appian serious AI in de praktijk mogelijk maakt is de DocCenter-feature van het platform. DocCenter verwerkt de toestroom van documenten waar grote organisaties mee te maken hebben. Registraties, upgrades, compliance-documenten, klachten en vragen komen binnen in allerlei vormen. Digitaal, op papier, als stemopname of handgeschreven. De AI leest de documenten, bepaalt de betekenis en haalt essentiële informatie eruit. Die informatie wordt weggeschreven naar de juiste databases. Ook brengt de AI het werk naar de juiste persoon. Bij urgentie of emotionele berichten zorgt het systeem voor extra urgentie.
Om tot een betrouwbare output te komen, stuurt Appian hetzelfde document naar meerdere AI’s om het resultaat te verifiëren. Als ze het eens zijn, wordt actie ondernomen. Bij verschil moet een mens het controleren. Zo kan een succespercentage tot wel 99 procent bereikt worden. Belangrijk hierin is ook de procesintegratie, dus niet enkel het lezen van een document. Een document is een stimulus die actie vereist. DocCenter integreert daarom met alle vervolgacties.
Appian deelt met ons een klantvoorbeeld van DocCenter. Zo deed een grote Australische verzekeraar commerciële acceptatiebeoordelingen voorheen handmatig. Met DocCenter ging het proces van vier dagen naar 90 minuten, met 99 procent nauwkeurigheid. De besparing bedraagt meer dan een miljoen dollar per maand, stelt Appian. Inmiddels zou 70 procent van alle klanten op een dergelijke manier AI in productie gebruiken.
De uitkomst is leidend
Bij Appian gaat de komende tijd ook extra aandacht uit naar agentic AI. In Appian 25.4 komt er een eind aan het lange bètaprogramma van Agent Studio. Deze tool werd in april aangekondigd en laat ontwikkelaars AI-agents bouwen die volledige bedrijfsactiviteiten orkestreren. De agent heeft toegang tot alle tools, records, regels en documenten. Het bepaalt zelfstandig de beste weg naar het gewenste resultaat. Ze passen zich ook aan veranderende omstandigheden aan.
De functionaliteit onderscheidt zich volgens Calkins op drie punten van andere AI-agents. Agents krijgen via de data fabric toegang tot alle data in de organisatie. Ze nemen actie door processen te starten. En ze leren dankzij uitgebreide tracking van alles wat op het platform gebeurt.
Met deze agentic AI-stap heeft Appian net als met andere artificial intelligence duidelijk voor ogen dat de technologie alleen waarde kent wanneer het verankerd is in bedrijfskritische processen met duidelijke doelstellingen en meetpunten. Het gaat niet uitsluitend om technologie, maar ook om business outcomes. De komende jaren verwacht Appian dat steeds meer organisaties deze route gaan bewandelen. Van experimenteren met AI naar het structureel inbedden ervan in de processen die er echt toe doen.