Van hype naar praktijk: AI helpt Rapasso naar een hoger niveau

Er is de afgelopen jaren veel gezegd en geschreven over AI. Veel informatie, maar ook veel ruis. Om echt te begrijpen wat AI voor Rapasso kan betekenen, zijn we de diepte ingegaan: Wat is het AI-landschap eigenlijk? En wat betekent deze ontwikkeling voor loopbaanprofessionals?

AI is niet nieuw, de toegankelijkheid wel

Kunstmatige intelligentie bestaat als officieel onderzoeksveld al sinds 1956, dus is zeker niet iets nieuws. Wat er de laatste jaren veranderd is, is de beschikbaarheid. Door de opkomst van tools zoals ChatGPT en Co-Pilot is AI inmiddels beschikbaar voor vrijwel iedereen. En dat opent deuren – ook voor Rapasso. En daarom duiken we de komende tijd wat dieper in de nieuwe mogelijkheden van AI. Daarvoor beginnen we bij de basis; de drie rollen binnen het AI-landschap:

1. Partijen die de grote modellen ontwikkelen, zoals Open AI, Anthropic, Meta en Google
2. Softwareontwikkelaars, zoals Rapasso, die applicaties bouwen die technologie omzet in praktische tools voor de eindgebruiker
3. AI engineers die modellen, infrastructuur en software aan elkaar knopen

Deze laatste rol is relatief nieuw en groeit hard. Het trainen van een eigen AI-model is voor de meeste organisaties namelijk geen realistische optie. Daarom verschuift de aandacht steeds meer naar het slim toepassen en verder ontwikkelen van bestaande modellen.

Dat is precies waar AI-engineers een rol spelen: zij zorgen dat modellen, data en software goed samenwerken binnen een applicatie.

En daar ligt voor Rapasso ook een kans.

Welke mogelijkheden biedt AI nu al?

Wanneer we over AI praten, denken veel mensen meteen aan het genereren van teksten. Maar de mogelijkheden van AI reiken veel verder.

Binnen AI zijn er verschillende modellen, die ieder een eigen rol hebben. Een belangrijk model is Natural Language Processing (NLP): het begrijpen en verwerken van taal. Denk bijvoorbeeld aan het beantwoorden van vragen, het samenvatten van teksten of het analyseren van geschreven informatie.

Daarnaast kan AI ook gesproken taal verwerken. Met spraak-naar-tekst technologie kan een gesprek automatisch worden omgezet naar tekst.

Een ander model is Computer Vision. Hierbij analyseert AI beelden, bijvoorbeeld door objecten op foto’s te herkennen of afwijkingen te signaleren op medische scans.

Steeds vaker zien we ook multimodale modellen. Dit zijn modellen die verschillende soorten informatie kunnen verwerken, zoals tekst, beeld en audio.

Een concreet voorbeeld van het toepassen van verschillende modellen binnen Rapasso is de combinatie van spraak-naar-tekst en automatisch samenvatten. Eerst wordt een gesprek omgezet naar tekst, door het audiomodel. Vervolgens analyseert een taalmodel deze tekst en maakt er een samenvatting van.

Binnen het domein van taalmodellen zijn er vervolgens vijf concrete manieren waarop AI kan worden toegepast.

De vijf manieren waarop AI kan worden toegepast

Als je kijkt naar wat taalmodellen concreet kunnen doen, zijn er vijf categorieën te onderscheiden:

1. Chatbots en virtuele assistenten zijn wellicht het meest bekend. Denk aan een helpdesksysteem waarbij je direct antwoord krijgt op veelgestelde vragen. Maar het gaat verder dan dat. Stel dat een coach een intake moet afnemen bij een nieuwe cliënt, dan kan een goed ontworpen chatbot de vragen stellen, antwoorden ophalen en structureren. Allemaal zonder dat er een coach aan te pas hoeft te komen. In de wereld van loopbaanbegeleiding en re-integratie zijn hier al diverse organisaties mee aan het testen.
2. Content generatie omvat AI die op basis van instructies teksten schrijft, samenvat of omschrijft. Natuurlijk wel onder goede aansturing, want zonder scherpe instructies neigt AI naar vage of onjuiste uitkomsten.
3. Document intelligence is misschien wel één van de meest praktische toepassingen voor Rapasso. Hiermee kan bijvoorbeeld automatisch worden gecontroleerd of rapportages correct en compleet zijn, een cv gestructureerd worden uitgelezen en tijdrovende administratieve handelingen worden geautomatiseerd.
4. Augmented workflow gaat over het verbeteren of te versnellen van bestaande processen met AI.
5. Autonome agents zijn systemen die zelfstandig beslissingen nemen en taken uitvoeren. Volledig autonoom is hier het sleutelwoord. En dat is ook meteen waarom we hier voorzichtig mee omgaan. Wij geloven dat in de loopbaanbranche de mens altijd de grootste rol blijft spelen. Achter de zogenoemde workflow agents, waarbij AI ondersteunt, maar een coach altijd leidend blijft, schuilen wel kansen. Juist de combinatie van de snelheid van AI en het oordeel van de mens, kan de dienstverlening met Rapasso versterken.

Rapasso’s huidige samenwerking met AI

Binnen Rapasso zijn we al concreet bezig met een aantal toepassingen. Zoals eerder benoemd is de AI Notulist daar een goed voorbeeld van. Een gesprek wordt automatisch omgezet naar tekst, waarna er een samenvatting wordt gegenereerd.

Daarnaast kijken we naar de inzet van AI in onze eigen helpdesk en verkennen we hoe chatbots kunnen helpen bij intakes of het delen van kennis over onderwerpen als het tweede spoor of de Wet Verbetering Poortwachter. Dit wordt allemaal gedaan vanuit een goede aansturing van AI: Context engineering zoals dat heet. Dit bestaat uit vier onderdelen: Taakinstructies, geheugen (zodat het systeem leert van eerdere interacties), domein specifieke kennistoevoeging en procesmanagement. Hierin is de domein specifieke kennis extreem belangrijk. Een AI model weet van alles, maar niet alles over re-integratie, loopbaanbegeleiding of de specifieke werkwijze van Rapasso. Door het model te voorzien van de juiste documenten en richtlijnen, versterken we de kwaliteit van de output zonder het model opnieuw te trainen. Dit heet Retrieval Augmented Generation (RAG). Dit is dus geen training van het model, maar omvat het meegeven van de juiste context.

Hoe ziet de toekomst van AI binnen Rapasso er uit?

AI is geen wondermiddel en geen bedreiging. Bij Rapasso zien we het graag als een tool, waarbij we veel waarde zien in de combinatie van technologie en menselijke expertise. Coaches die weten hoe ze AI slim kunnen inzetten, kunnen meer betekenen voor hun cliënten. Ze houden meer tijd over voor het echte gesprek, omdat ze minder tijd verliezen aan administratie en informatie op een overzichtelijke manier op de juiste plek kunnen terugvinden. We nemen deze ontwikkelingen dan ook zeer serieus. Niet door blind mee te gaan in de hype van AI, maar door gericht te kijken naar wat werkt voor loopbaanprofessionals en hun cliënten. En die verkenning is in volle gang.

Benieuwd hoe je AI zo goed mogelijk aanstuurt om bruikbare resultaten te krijgen? In de volgende blog gaan we dieper in op context engineering, waarbij de focus zal liggen op het schrijven van een goede prompt. Blijf ons dus zeker volgen!