Alexander is vooral bezig met RPA (robotic process automation), dat zijn processen die door een robot geautomatiseerd worden.

“Zo hebben we een 16-tal processen lopen. In 2024 zijn we ook gestart met AI binnen die RPA-software,” vertelt hij. “Wanneer iemand in dienst treedt, moeten er allerlei documenten worden opgeladen in de indiensttredingsfiche. Die documenten worden automatisch gedownload en verwerkt, en stromen dan door naar het e-dossier van de indiensttredingsfiche. En dat gebeurt sinds kort dus niet meer manueel, maar met AI.”

“Concreet werken we met OCR, een onderdeel binnen document understanding, het begrijpen en herkennen van documenten dus. We laden bepaalde documenten (diploma’s, selectiereglementen, ...) op en leren het AI-model zo om welk document het gaat. Door voldoende exemplaren op te laden, traint het AI-model zichzelf.”

“Beginnen doe je altijd met een goede analyse. Die bespreek je met je stakeholders, in dit geval het Dienstencentrum Personeelsadministratie (DCPA), en dan vooral met team e-dossier. Zij zijn degenen die ermee aan de slag moeten én AI moeten leren vertrouwen, dus ik vond het heel belangrijk om hen van in het begin te betrekken. Dan zijn de ontwikkelaars aan de slag gegaan en was het tijd om te testen.”

“AI kan je nooit 100% zekerheid bieden, omdat er altijd interpretatie aan te pas komt. Daarom hebben we ingesteld dat het AI-model een bepaald zekerheidspercentage moet bieden voor documenten doorstromen naar het e-dossier. Als dat niet het geval is, moet iemand van team e-dossier het valideren. Daarom hebben we hen van in het begin betrokken, ook bij het testen en de ontwikkeling. In het begin heb ik hen elk document laten valideren, zodat ze zelf konden zien hoe weinig fouten het AI-model maakt, ook al is er geen 100% zekerheid. Ze waren uiteindelijk zelf vragende partij om het percentage naar 97% en uiteindelijk naar 95% te verlagen, omdat ze zagen dat AI weinig tot geen fouten maakte. Dat kan perfect met deze use case, want het is veilige, betrouwbare AI die we onder controle hebben. Als die niet goed werkt, hebben wij het model niet goed getraind. Bij generatieve AI, zoals ChatGPT, ben je afhankelijk van bestaande gigantische AI-modellen die je niet kan bijtrainen.”

“Er zijn 2 grote voordelen,” vertelt Alexander. “Enerzijds laten we het administratief proces van het downloaden van bestanden uitvoeren door een robot, wat de werklast verlicht voor de A tot Z-dossierbehandelaars. Anderzijds moeten de dossierbehandelaars van team e-dossier veel minder documenten valideren door het getrainde AI-model, waardoor ook hun werklast enorm wordt verlicht.”

“Dat is nu nog heel moeilijk in te schatten, want AI verandert bij wijze van spreken nog elke week. In dit project hebben we ons gefocust op narrow AI, specifieke AI die je zelf kan trainen en waar je de controle over behoudt. Steeds meer bedrijven en instanties durven ook voorzichtig inzetten op generatieve AI. Ik vind het wel belangrijk dat we daar pas ten volle op gaan inzetten wanneer we het ook echt kunnen vertrouwen. Zullen die modellen binnen dit en 5 jaar sterk verbeterd zijn? Dat kan bijna niet anders. Ik vermoed wel dat we AI steeds meer binnen onze interne processen zullen installeren, op voorwaarde dat die menselijke validatie behouden blijft.”