Van losse vragen aan een chatvenster naar een onderzoeksmotor

Toen we met AI begonnen, stelden we losse vragen aan een chatvenster en bouwden we een eenvoudige agent die onze eigen bestanden kon doorzoeken. Dat hielp bij een enkele taak, meer niet. Inmiddels werken we anders. De losse hulpmiddelen zijn samen een onderzoeksmotor geworden die per vraag een analyse maakt waar wij als merkontwikkelaars mee verder kunnen. Dit is wat er veranderde, wat het oplevert en waar AI voor ons ophoudt.

We begonnen zoals iedereen, met losse vragen

Onze eerste stappen waren die van de meeste bureaus. Een vraag in de chat en een antwoord dat soms klopte en soms niet. Daarnaast een lichte opzet van een agent die in onze eigen documenten kon zoeken. Het voorwerk voor een pitch of een merkanalyse deden we intussen nog met de hand: websites lezen, jaarverslagen doorbladeren, concurrenten naast elkaar leggen. Dat is veel, zo veel dat je er snel in verdwaalt of de tijd simpelweg niet hebt om er diep genoeg in te gaan. In een pitchtraject zijn die dagen er zelden.

De losse onderdelen werden samen een onderzoeksmotor

De verandering kwam toen we de hulpmiddelen als bouwstenen gingen zien. Een crawl van websites, een vergelijking van teksten, een lijst met bronnen, een vaste manier van samenvatten. Apart zijn het handigheidjes. Samen vormen ze een werkwijze die we per vraag opnieuw kunnen draaien. Zo ontstond een onderzoeksmotor die verzamelt, sorteert, vergelijkt en een eerste duiding geeft. Wij lezen de uitkomst, wegen die en bepalen wat ermee gebeurt.

Inmiddels zijn het meerdere motoren, elk voor een vast deel van het voorwerk.

• De casemotor maakt van aangeleverde teksten en beelden een complete case in onze eigen stijl, inclusief correctierondes en publicatie.
• De concurrentiemotor leest de websites van een organisatie en haar concurrenten even diep, op inhoud, techniek en opbouw. Elke bevinding wordt getoetst voordat die in het rapport komt.
• De contentmotor brengt een idee via onderzoek en meerdere schrijfrondes tot een artikel, met de LinkedIn-tekst erbij.
• De brancheanalyse brengt in kaart wat er in een sector speelt en welke wet- en regelgeving het werk van een klant bepaalt.
• De diepe context verzamelt alles wat over een organisatie te vinden is en vat dat samen tot een beeld waar we mee kunnen werken.

AI doet wat het goed kan, wij doen de rest

We laten AI doen waar het goed in is: gegevens verzamelen, sorteren, vergelijken en voor een deel duiden. Dat levert een basis op waar we vanaf de eerste dag mee kunnen werken. Vroeger begon een traject met een week zoeken, nu begint het met lezen wat er ligt en bepalen wat het betekent. Er is vanaf het eerste moment meer informatie beschikbaar dan we vroeger aan het eind van het voorwerk hadden.

Wat AI niet doet, is het werk zelf. Het idee, het concept, het oordeel over wat een organisatie nodig heeft en de creativiteit om dat vorm te geven blijven van ons. AI neemt ons werk dus niet over. We krijgen er gereedschap bij om ons werk beter te doen. Het versterkt onze ideeën, het vervangt ze niet.

De pitch is nu per vraag opgebouwd

Praktisch betekent dit dat onze pitchdocumenten niet meer handgemaakt zijn. Ze worden met AI opgebouwd, per case afgestemd op de vraag en de behoefte van de organisatie. De analyse van de markt, de concurrenten, de branche en de context komt uit de motoren. De visualisatie van het concept en de campagne maken we uiteraard zelf, en die nemen we op in dezelfde presentatie. De klant krijgt zo een verhaal dat over zijn organisatie gaat, met meer diepgang dan we vroeger in de beschikbare tijd konden bereiken.

Doordat we er gereedschap van hebben gemaakt, kunnen we een gedegen analyse ook snel maken. Dat is geen doel op zich. Het geeft ons tijd terug voor het deel van het werk waar een bureau het verschil in maakt: de duiding, het concept en de uitwerking.

Dezelfde motoren draaien we ook op onszelf

Wat de motoren voor een klant doen, doen ze net zo goed voor het bureau zelf. We hebben de concurrentiemotor op onze eigen website gezet en laten zien hoe wij ons verhouden tot bureaus om ons heen. Dat is een nuttige oefening. Je ziet of wat je over jezelf zegt ook is wat een buitenstaander leest, en waar je verhaal achterloopt op wat je doet. Wie wil weten hoe zijn eigen organisatie er zo uitkomt, kan dezelfde vraag aan ons stellen.

Wat het ons heeft gebracht, is verdieping en gereedschap dat ons als vakmensen voorziet van gedegen informatie. AI blijft daarbij een middel. We zetten het in waar het ons helpt het werk beter, makkelijker en sneller te doen. En alleen om onze eigen ideeën en creativiteit sterker te maken. Wij doen het werk, AI helpt.