AI pilot starten
Eén use case, succes- en stopcriteria vooraf en een kleine bouw op echte data. Voor GVB helpen we kiezen welke use-case de meeste impact maakt.
Vanuit data strategy helpen we GVB bepalen welke use-case de meeste impact maakt met relatief het minste effort
Bij GVB raakt een nieuwe datatoepassing meerdere afdelingen en teams die vaak nog nooit hebben samengewerkt. Wij ondersteunen GVB bij het definiëren, selecteren en realiseren van data use-cases, en geven samen de route naar datagedreven werken vorm.
Helpt ons AI-idee echt in het werk, en hoe laat een pilot dat zien?
Een demo met een taalmodel of een model in een notebook overtuigt snel. Of het jullie werk beter maakt, blijkt pas met echte data, echte gebruikers en een afspraak vooraf over wat telt als geslaagd en wanneer je stopt.
Na een AI pilot ligt er een besluit: doorgaan, bijsturen of stoppen, onderbouwd met je eigen data
Eén use case, scherp afgebakend
Eén taak of beslissing, één groep gebruikers, één meetpunt. Voor GVB helpen we bepalen welke use-case de meeste impact maakt met het minste effort.
Succes- en stopcriteria vooraf
Voor de start leggen we vast wat de pilot moet laten zien, waartegen we vergelijken en bij welke uitkomst we stoppen.
Testen met eigen taken
Voor de AFWC maakten we AI-oefeningen van taken die deelnemers uit hun eigen werk aanleverden. Zo laten we ook pilotgebruikers testen.
Een besluit met een vervolg
Aan het eind een go of no-go, en bij een go wat productie vraagt: datatoevoer, koppelingen, beheer en een eigenaar.
Criteria en datacheck liggen vast voordat we bouwen op echte data
-
Use case en criteria
Welke taak, welke gebruikers, wat telt als geslaagd en bij welke uitkomst stoppen we?
-
Datacheck en kleine bouw
We toetsen of de data er is en klopt, en bouwen de kleinste versie die de vraag beantwoordt.
-
Meten en besluiten
Gebruikers werken ermee in hun eigen werk. We meten tegen de criteria, en jullie besluiten over go of no-go.
Rijp voor een pilot, of moet er met ons idee eerst iets anders gebeuren?
Past als
Je hebt één concreet idee, iemand die eigenaar is van het proces en gebruikers die mee willen testen. De data bestaat, ook als die nog niet perfect is.
Past niet als
Er liggen tien ideeën en niemand kiest, of de data voor de use case bestaat niet. Begin dan bij het kiezen van een use case of bij de bron.
Waar de omvang van afhangt
Hoeveel bronnen de pilot nodig heeft, of het een eigen model of een taalmodel wordt, hoeveel gebruikers meedoen, de privacy-eisen en hoe dicht bij productie je wilt testen.
En als de pilot mislukt?
Een no-go op vooraf gemaakte afspraken is ook een uitkomst. Je weet dan waarom het niet werkt en wat het zou vragen. Dat is beter dan een pilot die eindeloos doorloopt.
Een proof of concept, een pilot of meteen bouwen voor productie: welke stap past nu?
Een proof of concept
Kies dit als je nog niet weet of het technisch kan, bijvoorbeeld of een model de juiste gegevens uit je documenten haalt. Dat toets je op een vaste dataset.
Een pilot
Kies dit als het technisch kan en je wilt weten of het in het werk helpt. Ons advies: kies één use case en leg de stopcriteria vast voordat je begint.
Meteen naar productie
Kies dit als de toepassing gangbaar is en het nut al vaststaat. Dan sla je de pilot over en lees je verder bij AI implementatie.
Een pilot richten we vanaf het begin zo in dat hij kan doorgroeien naar productie
Data Science Lab werkt sinds 2016 met data en AI en is partner van Databricks en Microsoft. Ook zelf testen we nieuwe AI-tools in een pilot, zoals GitHub Copilot in ons eigen team.

Eén idee en de collega’s die ermee gaan werken, daarmee begint het eerste gesprek
Stef Stoelwinder
Business DevelopmentStef is je eerste aanspreekpunt. In het eerste gesprek bespreken we je idee, de data en wat de pilot moet bewijzen.
E-mail info@datasciencelab.nl
Telefoon +31 (0)20 3636 724
Welk AI-idee wil je in een pilot op de proef stellen?
Vertel welk idee je wilt testen, met welke data en wie er mee zou doen. Je krijgt antwoord per mail, of we plannen een eerste gesprek.
Bericht verstuurd
Bedankt voor je bericht. We nemen zo snel mogelijk contact met je op.
Veelgestelde vragen
Een kleine, afgebakende proef waarin een AI-toepassing op echte data en met echte gebruikers laat zien of ze in het werk helpt. Vooraf staat vast wat telt als geslaagd en wanneer je stopt. De uitkomst is een besluit, geen demo.
Een pilot is één stap in ons werk. Alle stappen ervoor en erna staan bij diensten.
Een AI proof of concept, of AI PoC, beantwoordt de vraag of het kan, meestal op een vaste dataset. Een pilot beantwoordt de vraag of het helpt: op echte data, in het werk van een kleine groep gebruikers.
Weet je al dat het technisch kan, dan kun je de PoC overslaan en direct een pilot starten.
Waaraan je ziet dat het werkt, vergeleken met de huidige werkwijze: minder zoekwerk, minder handmatige controles, betere voorstellen volgens de gebruikers. Daarnaast de grens waaronder we stoppen, en wat gebruikers moeten kunnen zonder hulp.
We noteren ook wat de pilot niet toetst, zodat niemand het besluit later anders uitlegt.
Zo klein als kan, zo echt als nodig. Eén use case, de bronnen die daarvoor nodig zijn en een groep gebruikers die het in hun eigen werk gebruikt. Liever een smalle taak helemaal dan een brede taak half.
Wat groter mag, is de datacheck: problemen in de bron vind je liever in de pilot dan in productie.
Meestal niet door de techniek, maar door de omgeving eromheen. Er zijn drie voorwaarden: betrouwbare datatoevoer, een team dat het model kan onderhouden en een proces waarin de uitkomst echt wordt gebruikt. Ontbreekt er een, dan blijft het bij een demo.
Lees meer in van pilot naar productie.
Ja. Zo zijn we bij Data Science Lab een pilot met GitHub Copilot gestart, met meerdere collega’s en verschillende data science-projecten. Voordat we begonnen, bekeken we de privacyvoorwaarden.
Hoe we die pilot opzetten, lees je in DSL Pilot: GitHub Copilot.
Dan volgt de stap naar productie: de toepassing op live data, gekoppeld aan je systemen, met monitoring en een eigenaar aan jullie kant. Wat daarvoor nodig is, staat al in het besluit van de pilot.
Die stap beschrijven we bij AI implementatie, het beheer daarna bij beheer en doorontwikkeling.
Als niemand de uitkomst gaat gebruiken, als de data voor de use case niet bestaat of als een vaste regel in je systeem de taak al goed doet. Ook zonder iemand die na de pilot het besluit neemt, blijft het een proef.
Weet je nog niet welk idee het eerst verdient, begin dan bij AI consultancy.