CaseAI·Interne applicatie
Een maatschappelijke organisatie schreef elke subsidieaanvraag opnieuw vanaf nul. Een interne AI-assistent haalt nu het voorwerk uit eerdere aanvragen en jaarverslagen, terwijl de aanvrager de tekst bepaalt.
Een organisatie die regelmatig fondsaanvragen indient.
Deze case is op verzoek van de klant geanonimiseerd. De situatie, de aanpak en de resultaten zijn echt.
Fondsen en subsidieverstrekkers stellen elk hun eigen vragen, maar de antwoorden overlappen sterk: doelstelling, doelgroep, aanpak, resultaten en organisatiegegevens. Medewerkers zochten die informatie steeds opnieuw bij elkaar uit oude aanvragen, jaarverslagen en e-mails.
Kennis over wat eerder was toegezegd of afgewezen zat vooral bij twee ervaren collega's.
Een aanvraag van gemiddelde omvang kostte twee tot drie dagen, waarvan het grootste deel opging aan zoeken en herschrijven van bestaande tekst. Bij deadlines leidde dat tot avondwerk en tot aanvragen die uiteindelijk niet werden ingediend.
Wat concreet niet goed werkte:Het doel was een interne applicatie die een eerste opzet van antwoorden voorstelt op basis van goedgekeurde bronnen van de organisatie zelf, en die elke suggestie herleidbaar maakt naar de bron.
De medewerker moest de tekst altijd zelf beoordelen en aanpassen. Het ging om sneller starten, niet om automatisch indienen.
Een AI-assistent is zo betrouwbaar als de bronnen die hij mag gebruiken. Daarom begonnen we niet bij het model, maar bij een schone en goedgekeurde kennisbasis.
Samen met de organisatie bepaalden we welke documenten als bron mochten dienen: goedgekeurde aanvragen, jaarverslagen en het beleidsplan. Verouderde stukken bleven buiten beschouwing.
We ontleedden veertig eerdere aanvraagformulieren en clusterden de vragen tot een beperkt aantal terugkerende thema's.
Elke voorgestelde tekst toont uit welk document en welke passage de informatie komt, zodat de medewerker dit kan controleren.
Twee medewerkers stelden drie aanvragen op met de applicatie naast hun gebruikelijke werkwijze en beoordeelden de suggesties per vraag.
We legden met de organisatie vast welke gegevens nooit in de applicatie mogen, en dwongen dat waar mogelijk technisch af.
We ontwikkelden een interne webapplicatie waarin een medewerker de vragen van een fonds plakt of uploadt. Per vraag stelt de applicatie een concepttekst voor, opgebouwd uit passages uit de goedgekeurde bronnen, met bronvermelding en een aanduiding hoe oud de informatie is.
De medewerker bewerkt, keurt goed en exporteert de antwoorden naar het aanvraagformulier. Alle aanvragen, hun status en de uiteindelijke teksten blijven bewaard, zodat ze de volgende keer weer als bron dienen.
Exacte cijfers over doorlooptijd houdt de organisatie intern. Wat medewerkers rapporteren: een aanvraag begint niet meer bij een leeg document maar bij een gecontroleerd concept, cijfers en formuleringen zijn consistent, en nieuwe collega's stellen na een korte inwerkperiode zelfstandig aanvragen op.
De organisatie heeft daarnaast voor het eerst een overzicht van alle aanvragen en hun uitkomst.
De assistent schrijft onze aanvragen niet. Hij zorgt dat we niet meer beginnen met zoeken.
CodeSprinter bouwt AI-toepassingen op basis van je eigen, goedgekeurde bronnen. We bespreken graag welke kennis in jouw organisatie herbruikbaar is en welke juist niet.
CodeSprinter bouwt software voor onderzoek en maatschappelijke impact. Van eerste idee tot dagelijks gebruik.
