Als elk jaar je hele personeelsbestand je bedrijf zou verlaten, zou dat normaal gesproken reden tot zorg zijn. Maar niet voor het door studenten geleide Forze Hydrogen Racing. Duurzaam aangedreven raceauto’s die op internationaal niveau meedoen, worden voorbereid, onderhouden en verbeterd door een elk jaar wisselend team van studenten. Dit extreme verlies aan institutionele kennis betekent dat Forze Hydrogen Racing samen met hun partner Randstad Digital een unieke toepassing voor een AI-assistent heeft gevonden.
Tijdens Google Cloud AI Live in Amsterdam vertelden Olivier de Boer, teammanager bij Forze Hydrogen Racing, en Peter Kouwen, directeur bij Randstad Digital, hoe ze Forze Mirate hebben ontwikkeld: een AI-mentor die 18 jaar aan technische kennis bewaart en de inwerkperiode voor nieuwe teamleden halveert.
De unieke uitdaging van studentenraceteams
Forze Hydrogen Racing bestaat uit 50 tot 60 studenten die zich een heel jaar lang vrijwillig inzetten om een Le Mans-prototypeauto op waterstof te bouwen. De missie van het team reikt verder dan racen: ze willen waterstof promoten als duurzame energiedrager en tegelijkertijd toekomstige ingenieurs, marketeers en leiders opleiden.
“Elk jaar begint er een nieuw team en vertrekt het hele team uit Forze”, legt De Boer uit. “Vervolgens wordt een nieuw team ingewerkt, parallel aan het laatste deel van het huidige team. En het huidige team wordt alumni.” Deze jaarlijkse volledige vervanging vormt een van de grootste uitdagingen voor de organisatie: hoe de kennis over te dragen die in 18 jaar tijd door 500 studenten is opgebouwd.
Het team houdt zich niet alleen bezig met techniek, maar ook met bestuur, bedrijfsvoering en alle aspecten van het runnen van een organisatie. Nieuwe teams moeten alles van de vorige lichting overnemen, waardoor een uitgebreide kennisoverdracht van cruciaal belang is. Randstad Digital fungeert als sponsor van het Forze-project via zijn specialisatie Randstad Digital, die zich richt op digitaal talent, digitale projecten en het uitvoeren van digitale werkzaamheden op het gebied van cyberbeveiliging, data en AI, en digitale dienstverlening.
“In de huidige wereld van engineering hoort daar ook een digitale component bij”, merkt Kouwen op. “En dat is waar we onze krachten hebben gebundeld. We hebben de mogelijkheden van het Google-platform en de ondersteuning van Google gecombineerd met het vermogen van Randstad Digital om applicaties te ontwikkelen en de gegevens te integreren die nodig zijn om de uitdagingen aan te gaan waarmee Forze te maken heeft.”
De ontwikkeling van Forze Mirate: de AI-mentoroplossing
Forze Mirate fungeert als een digitale mentor om nieuwe studenten toegang te geven tot alle kennis die in de loop van de geschiedenis van de organisatie is opgedaan. Het datalandschap vormde echter een aanzienlijke uitdaging.
“Stel je voor dat de opgebouwde kennis er, als je naar de gegevens zou kijken, uitzag als een studentenkamer. Het is een puinhoop. Het ligt allemaal door elkaar”, beschrijft Kouwen. “Het is niet gecategoriseerd, gestandaardiseerd of gestructureerd. Dus hoe krijg je al die informatie te pakken die de afgelopen 18 jaar door 500 studenten is opgebouwd? Hoe zorg je ervoor dat die op een betrouwbare manier wordt gebundeld?”
De oplossing bestond uit het ontwikkelen van een AI-agent die ongestructureerde documentatie kon scannen en betrouwbare antwoorden kon geven zonder dat er eerst een omvangrijk project voor het opschonen van de gegevens nodig was.
Een van de cruciale vereisten voor het AI-systeem was het voorkomen van hallucinaties, gevallen waarin AI valse of ongefundeerde informatie genereert. Het team implementeerde specifieke waarborgen om de gegevensintegriteit te behouden.
“Samen met Randstad Digital hebben we een aantal vereisten vastgesteld, namelijk verwijzingen naar elk document waaruit het kennis haalt,” legt De Boer uit. “En dit voorkomt hallucinaties. En als het een hallucinatie zou willen geven, moet het gewoon – het wordt gedwongen – aangeven dat er geen informatie beschikbaar is.”
Het systeem geeft voorrang aan de nieuwste beschikbare gegevens en vereist bronvermeldingen voor alle verstrekte informatie. Het is ook gekoppeld aan Slack, waar teamleden kunnen chatten en reacties ontvangen die uitsluitend gebaseerd zijn op gedocumenteerde informatie in plaats van op interpretatie.
Resultaten van de implementatie en productiviteitswinst
De AI-agent is op grote schaal in de hele organisatie in gebruik genomen, met meetbare impact op de teamprestaties.
“Een zeer groot deel van onze organisatie heeft de technologie, de AI-agent Forze Mirate, al in gebruik genomen”, meldt De Boer. “We zien bijvoorbeeld dat de inwerkprocessen nu twee keer zo snel verlopen als voorheen, omdat onze engineers in het nieuwe team zichzelf zelfstandig kunnen inwerken.”
Teamleden kunnen vragen stellen, leermodules genereren en quizzen starten om te testen of ze de stof begrijpen. Ook de huidige teamleden maken uitgebreid gebruik van het systeem, waardoor het niet meer nodig is om handmatig door meerdere documenten te zoeken. „Vroeger moest je een document opzoeken en het hele document doorlezen, en daarna moest je door naar het volgende document, enzovoort. Nu krijg je gewoon een overzicht van alles wat je nodig hebt.”
Vooroordelen elimineren door middel van objectieve AI
Vóór de implementatie van het AI-systeem waren teams sterk afhankelijk van oud-medewerkers om moeilijke vragen te beantwoorden over eerdere ontwerpkeuzes, bedradingsbeslissingen en technische benaderingen. Het menselijk geheugen brengt echter vooringenomenheid en subjectieve perspectieven met zich mee.
“We zien dat de AI heel objectief is”, merkt De Boer op. “Het scant dus alleen de gegevens zonder enig perspectief of subjectieve mening, en deelt vervolgens gewoon de informatie die het leest. En dat neemt de vooringenomenheid weg.”
Deze objectiviteit strekt zich uit tot Slack-gesprekken, waar de AI alleen de informatie in berichten leest en verwerkt, zonder interpretatie of persoonlijke mening toe te voegen.
Toekomstige toepassingen in de racerij en realtime gegevens
De huidige implementatie richt zich op organisatorische processen, standaardwerkprocedures en technische ontwerpen. Het team heeft echter ambitieuze uitbreidingsplannen.
“De volgende stap is natuurlijk de racerij en de praktijk, met live gegevens en hulp bij het oplossen van problemen”, vertelt De Boer. “En dat is wat we in de toekomst willen ontwikkelen. Zodat we tijdens het oplossen van problemen, het testen en uiteindelijk tijdens de races een extra teamgenoot hebben die alles sneller doet dan wij als mensen kunnen.”
Bedrijfstoepassingen voor institutionele kennis
Hoewel Forze Hydrogen Racing een extreem voorbeeld is van kennisvernieuwing, benadrukt Kouwen dat bedrijven op verschillende schaalniveaus met soortgelijke uitdagingen te maken hebben.
“We werken met klanten die – uiteraard op een andere schaal – een vergelijkbare uitdaging hebben als wat Oliver voor Forze beschreef”, legt Kouwen uit. “Hoe maak je alle technische gegevens die je in je bedrijf hebt toegankelijk, en wel gemakkelijk toegankelijk? Hoe voorkom je dat er een vooringenomenheid ontstaat door een bepaalde sterke persoonlijkheid en blijf je bij de feiten? Hoe werk je nieuw talent in? En hoe zorg je er tegelijkertijd voor dat de mensen die met pensioen gaan, hun kennis achterlaten in plaats van deze mee te nemen?”
Deze uitdagingen, die bij Forze op een hoger en versneld niveau spelen, weerspiegelen problemen bij bedrijven die te maken hebben met verouderde systemen, een vergrijzend personeelsbestand en de noodzaak om expertise te behouden.
Snelle implementatie: vier weken van concept tot productie
Misschien wel het meest opvallende aspect van het project is de snelheid. Het team heeft geen jaren besteed aan het plannen en voorbereiden van gegevens voordat de AI-agent werd gelanceerd.
“Het interessante is dat dit geen project is waar we jaren over hebben gedaan. Eigenlijk heeft het daadwerkelijke werk om dit op te zetten waarschijnlijk vier weken geduurd,” onthult Kouwen. “Je kunt dus snel aan de slag met de technologie van vandaag om iets van de grond te krijgen, je projecten live te zetten en vervolgens de applicatie te herzien en verder te ontwikkelen.”
De implementatieaanpak was gebaseerd op een aantal belangrijke principes. Ten eerste hebben ze niet alle gegevens gereorganiseerd voordat ze begonnen. „De gegevens blijven staan waar ze staan en we maken ze toegankelijk via een app met integraties, zonder dat er gegevens naar de app hoeven te worden gekopieerd”, legt Kouwen uit.
Ten tweede werkten ze met korte iteraties en constante feedback. “Elke keer brachten we de technicus van Russell Digital samen met de engineer van Forze Hydrogen. Ze keken dan: wat vind je hiervan? Werkt dit? Voldoet het aan bepaalde ontwerpcriteria, zoals het voorkomen van ‘hallucinaties’? En is dit wat je voor ogen had?”
Denk groot, begin klein, itereer snel
De projectfilosofie volgt een duidelijk principe dat volgens Kouwen door veel organisaties, waaronder Randstad Digital zelf, soms uit het oog wordt verloren: “Denk groot, maar slim, begin klein en herhaal snel. Dat is precies wat we hier hebben gedaan.”
Hij benadrukt dat technologie pas waardevol wordt als ze in iemands handen werkt, niet wanneer ze eindeloos wordt verfijnd tijdens de ontwikkeling. „Als ik naar onze eigen organisatie bij Randstad Digital kijk, vergeten we dat soms ook. We denken groot en we beginnen groot. Oh, er is waarschijnlijk een betere manier om dit te doen, en laat zien – in plaats van uit te leggen – hoe je op basis daarvan iteratie toepast.”
Verbeterde documentatiecultuur
Een onverwacht voordeel van de implementatie van het AI-systeem is het toegenomen bewustzijn van de kwaliteit van de documentatie. “Het leuke is dat je nu, nu we AI zijn gaan gebruiken, de beperkingen van onze eigen documentatie ziet”, merkt De Boer op. “Dit is dus ook een stimulans voor het nieuwe team dat erbij komt om goed te documenteren, want het zal hun eigen processen alleen maar verbeteren.”
De organisatie heeft hierop gereageerd door nieuwe functies binnen het team te creëren, waaronder functies voor AI-engineers en functies gericht op informatie en communicatie om de standaardisatie en documentatiepraktijken te verbeteren.
Gevolgen voor werving en personeelsontwikkeling
Wanneer AI institutionele kennis zo effectief kan behouden en overdragen, verandert dat de afwegingen bij wervingsbeslissingen. Organisaties kunnen tot de conclusie komen dat ze meer junior talent kunnen aannemen wanneer een AI-mentor hun inwerkperiode kan versnellen en zo hun productiviteit sneller op peil brengt.
“Als je mensen inwerkt en je wilt dat ze snel leren hoe we hier te werk gaan wat betreft de inhoud, maar we hebben ook HR-beleid meegenomen, toch? Dat maakt ook deel uit van het systeem,” legt Kouwen uit. “Als je hierover beschikt, en als we bovendien een testmechanisme in de applicatie hebben ingebouwd, zodat je de informatie die je moet leren in modules krijgt aangeboden, dan doet de AI dat. De AI stelt je controlevragen en beoordeelt vervolgens of je klaar bent voor de volgende module.”
Deze aanpak van onboarding is evenzeer van toepassing op studentenraceteams als op grote bedrijven die de tijd tot productiviteit voor nieuwe medewerkers willen verkorten.
Lees ook: Google transformeert Android in zelfstandig intelligentiesysteem