Wij zouden eerst willen weten wat de proef daadwerkelijk heeft laten zien. Is het werk ermee uitgevoerd en viel de uitkomst tegen? Of is er vooral gebouwd en besproken, zonder dat mensen er serieus mee aan de slag konden? Dat verschil bepaalt of je iets moet verbeteren aan de toepassing of eerst de proef behoorlijk moet uitvoeren.
Is er werkelijk mee gewerkt?
Een demonstratie kan laten zien dat iets mogelijk is. Daarmee weet je nog niet of medewerkers hun werk er beter mee kunnen doen. Daarvoor moeten zij de toepassing gebruiken voor de taken waarvoor je haar wilde inzetten.
Kijk dus wie ermee heeft gewerkt en wat diegene ermee heeft gedaan. Als niemand er tijd voor kreeg of onduidelijk bleef wie de proef moest oppakken, kun je moeilijk concluderen dat de toepassing niet helpt. Je weet het dan nog niet. Dat is voor ons geen reden om automatisch te stoppen, maar ook niet om zonder verdere afspraken extra geld uit te geven.
Spreek in dat geval eerst af wie de toepassing in het werk gaat proberen en maak daar tijd voor vrij. Komt die ruimte er niet, dan heeft een volgende ronde weinig zin. Nog iets toevoegen aan de toepassing verandert daar niets aan.
Wat moet een volgende poging anders maken?
Is er wel serieus mee gewerkt, laat dan zien waar het resultaat achterblijft. Welk onderdeel doet niet wat nodig is? Wat moeten medewerkers nog herstellen of zelf overnemen? En wat zou er moeten veranderen om het werk wel te verbeteren?
Daar moet een concreter antwoord op komen dan dat AI steeds beter wordt of dat mensen er nog aan moeten wennen. Laat degene die de toepassing inricht uitleggen wat er aangepast kan worden en welke onzekerheid je daarmee wilt onderzoeken. Ontbreekt de kennis om dat te beoordelen, haal die er dan bij voordat je verder bouwt.
Je hoeft niet vooraf zeker te weten dat het lukt. Het is nog steeds een experiment. Wel moet je kunnen uitleggen waarom de volgende poging meer kans heeft dan opnieuw hetzelfde proberen. Zet de tijd en het geld die daarvoor nodig zijn tegenover de verbetering die je nog verwacht. Wat je al hebt uitgegeven, is geen reden om ook dat volgende bedrag beschikbaar te stellen.
Je hoeft niet het hele oorspronkelijke plan af te maken
Misschien blijkt dat een deel van de toepassing bruikbaar is, terwijl de rest meer vraagt dan je nu kunt organiseren. Dan hoeft de keuze niet te zijn dat je alles doorzet of alles weggooit. Je kunt het bruikbare deel verder brengen en de rest voorlopig laten liggen.
Dat is niet automatisch de beste keuze omdat het kleiner of makkelijker is. Het moet nog steeds genoeg opleveren. Maar als je tijd, geld of technische kennis beperkt is, kan een kleinere verbetering die mensen werkelijk gebruiken meer betekenen dan een groot plan dat onaf blijft.
Spreek voor die vervolgstap af wat je wilt aantonen en wanneer je de uitkomst samen bekijkt. Meet daarbij niet alleen hoeveel mensen de toepassing openen. Kunnen zij het bedoelde werk beter uitvoeren? Kost het minder tijd, maken ze minder fouten of ervaren ze het werk als prettiger? Gebruik helpt je begrijpen wat er gebeurt, maar is op zichzelf nog geen verbetering.
Wanneer zouden wij stoppen?
Als mensen de toepassing hebben geprobeerd en de verbetering onvoldoende is, zouden wij alleen doorgaan als er een concrete, uitvoerbare aanpassing te onderzoeken valt. Blijft onduidelijk wat er beter moet of wie dat kan oplossen, dan is extra budget vooral meer ruimte voor dezelfde onzekerheid.
Ook een kansrijk idee kan voorlopig niet uitvoerbaar zijn. Als je de benodigde tijd of kennis niet kunt vrijmaken of bijhalen, kun je het experiment stilleggen en een andere oplossing kiezen. Je hoeft daarmee niet te besluiten dat AI voor dit werk nooit iets kan betekenen.
Is die volgende stap wel duidelijk, geef daar dan gericht ruimte voor. Spreek af wie eraan werkt, wat het mag kosten en welke uitkomst aanleiding is om verder te gaan of te stoppen. Je besluit over die volgende proef, niet over onbeperkt doorgaan tot het oorspronkelijke idee ooit werkt.