AI-strategie op 1 A4

Ben Tiggelaar schreef vandaag in de NRC een interessante column over hoe je als bedrijf een AI-strategie ontwikkelt. Bij de HAN hebben we een integraal AI-kader waarin we onze afspraken over wat wel en niet mag hebben vastgelegd. Op dit moment werken we aan onze AI-strategie, waaronder de inrichting van een passende governance voor de besluitvorming, het faciliteren van de ontwikkeling van AI-geletterdheid voor medewerkers en studenten en inrichting AI-Hub met geregisseerde experimenteerruimte. De drie vragen van Ben helpen om te bepalen of we de goede dingen doen. In deze blog een overzicht van de vragen en de antwoorden (cursief) die nu al te geven zijn. Ook interessant: het artikel van individueel pionieren naar samen innoveren.

1. Welke bottlenecks kan AI oplossen?

Externe kansen (voor studenten, docenten, partners)

Onderwijs en leerervaring:
- Welke knelpunten ervaren studenten en docenten in het huidige onderwijsproces? Dit kan gaan over administratieve last, persoonlijke begeleiding of feedbacksnelheid. Willen we hiervoor AI inzetten?
- Hoe kan AI bijdragen aan gepersonaliseerd leren, bijvoorbeeld door adaptieve leerplatforms of intelligente tutors? Hebben we dit voldoende in beeld en wat willen we hiermee?
- Welke nieuwe verwachtingen hebben studenten en werkveldpartners van digitale interactie met de HAN? Bijv. 24/7 chatbots voor studieadvies, automatische beoordeling van opdrachten, welke keuzes maken we hier?
Onderzoek en innovatie:
- Waar liggen kansen om AI in te zetten voor onderzoek, bijvoorbeeld bij data-analyse, literatuuronderzoek of simulaties. Is nu nog in een verkennende fase, welke keuzes maken we hier?
- Hoe kan AI helpen om samenwerking met het bedrijfsleven en maatschappelijke partners te versterken? Bijv. gezamenlijke AI-labs of snellere kennisdeling. Willen we hiermee aan de slag?

Interne kansen (voor medewerkers en processen)

Bedrijfsvoering:
- Welke interne processen zijn tijdrovend of foutgevoelig? Bijv. roosterplanning, studentadministratie en financiële processen, willen we hiervoor AI inzetten?
- Hoe kan AI medewerkers ontlasten, zodat zij zich kunnen richten op waardevolle taken? Bijv. automatisering van repetitieve taken, slimme documentverwerking.
Besluitvorming:
- Waar duurt besluitvorming te lang? Bijv. toelatingsprocedures, beleidsontwikkeling en kan AI ons hierin helpen?
- Hoe kan AI data-gedreven inzichten bieden voor snellere en betere beslissingen? Wordt dit meegenomen in project datagedreven werken?

Risico’s en ethiek:

Welke ethische en praktische risico’s kleven aan AI-toepassingen in het onderwijs? Bijv. privacy, bias, transparantie.
Hoe borgen we dat AI-systemen aansluiten bij de waarden van de HAN (bijv. inclusiviteit, mensgerichte technologie)?

Beiden hebben we in beeld in ons integraal AI-kader.

2. Van projecten naar experimenten

Aanpak

Experimentele cultuur:
- Hoe creëren we ruimte voor kleinschalige AI-experimenten, zonder direct grote investeringen te doen? Dit hebben we ingericht in de AI-Hub, als voorloper op de dienst geregisseerde experimenteerruimte.
- Welke succescriteria hanteren we voor AI-experimenten? Hier kunnen we denken aan gebruikerstevredenheid, tijdwinst, leeropbrengst en dit moet nog verder ingericht worden.
Doorlopende monitoring:
- Hoe organiseren we continue evaluatie en bijsturing van AI-toepassingen? Bijv. feedbacklussen met studenten en docenten, regelmatige modelupdates, vraagt om een verdere uitwerking.
- Wie is verantwoordelijk voor het monitoren en bijwerken van AI-modellen? Ook dit vraagt om een verdere uitwerking.

Processen en governance

Nieuwe werkprocessen:
- Welke nieuwe rollen en vaardigheden zijn nodig om AI te integreren? Bijv. data stewards, AI-ethici, prompt engineers.
- Hoe betrekken we IT, onderwijs, onderzoek en bestuur bij AI-initiatieven? In de governance hebben we een AI-desk met werkgroepen en een AI regiegroep. Volgende stap is het verder uitbouwen van het netwerk.
Permanente agenda:
- Hoe zorgen we dat AI een vast agendapunt wordt in bestuurlijke en teamoverleggen? Met de AI-regiegroep werken we aan de strategische agenda.
- Welke budgetten en middelen zijn nodig voor duurzame AI-integratie? Hierover moeten we nog afspraken maken.

3. Medewerkers betrekken en enthousiasmeren

Acceptatie en adoptie

Prestatieverwachting:
- Hoe laten we zien dat AI medewerkers helpt om hun werk beter of leuker te maken? Door het organiseren van trainingen, demonstraties en het delen van success stories.
Gebruiksgemak:
- Hoe zorgen we dat AI-toepassingen intuïtief en toegankelijk zijn? Door het faciliteren van trainingen, maar ook het werken aan gebruiksvriendelijke interfaces.
Sociale invloed:
- Hoe creëren we draagvlak onder medewerkers? Ideeën om nog in te richten zijn het werken met ambassadeurs en communities of practice.
Ondersteuning:
- Welke trainingen en hulpmiddelen bieden we aan? We bieden een uitgebreide set van trainingen en e-learning en een apart AI-awareness programma voor managers. Ook bieden we toegang tot experimenteeromgevingen.

Leiderschap en cultuur

Voorbeeldgedrag en innovatiecultuur:
- Hoe geven bestuurders en managers het goede voorbeeld in het gebruik van AI? Het AI-awareness programma voor leidinggevenden moet een vervolg krijgen zodat managers het goede voorbeeld kunnen geven.
- Hoe stimuleren we een lerende houding ten aanzien van AI gericht op innovatie? De idee is om AI in te zetten ten behoeve van continue innovatie en in de verbinding tussen werken en leren. Hiervoor gaan we experimenten opstarten.

Praktische volgende stappen

Inventarisatie: Organiseer sessies met studenten, docenten en medewerkers om knelpunten en kansen te identificeren. We brengen op dit moment de functionele behoeften voor een AI-systeem in kaart.
Prioritering: Kies 2-3 concrete AI-toepassingen om mee te experimenteren (bijv. een chatbot voor studieadvies, AI-gestuurde feedback op scripties). Een goed idee om te focussen en keuzes te maken.
Pilotfase: Start kleinschalige pilots met duidelijke doelen en evaluatiemomenten. Dit hebben we opgestart in de AI-Hub.
Leren en opschalen: Deel geleerde lessen en schaal succesvolle toepassingen op. Hier zijn we mee gestart in de AI-Hub Live. Kennisdeling wordt opgenomen in de te ontwerpen Han-brede kennisinfrastructuur.