AI-toepassingen in OutSystems: 4 praktische voorbeelden
In de voorgaande post over AI en OutSystems (lees hier) bespraken we een 4-staps aanpak om AI te integreren in je applicaties. In dit tweede deel bespreken we praktijkvoorbeelden die laten zien hoe AI waarde kan toevoegen aan bedrijfsprocessen. De vier voorbeelden die we uitlichten zijn: spraakgestuurde appbediening, geautomatiseerde factuurverwerking, opvolgmails en een slimme FAQ-bot.
-
Spraakgestuurde appbediening
Het initiële verzoek betrof een app voor monteurs, die vaak met vuile handen werken, waarmee zij onderhoudschecklists kunnen invullen zonder een tablet of laptop te hoeven aanraken. De eerste versie van de oplossing werkte met vaste trefwoorden die monteurs konden inspreken om met spraakgestuurde commando’s door de checklist te navigeren. Dit leek in eerste instantie een goede aanpak, maar al snel liepen we tegen verschillende problemen aan. Variaties in hoe mensen dingen zeggen, zoals synoniemen (‘ja’ versus ‘zeker’) en woorden die op elkaar lijken veroorzaakten fouten.
Voorbeeld van een checklist voor een Mercedes A180
Om dit op te lossen, hebben we Natural Language Processing (NLP) toegepast met behulp van OpenAI’s ChatGPT. Door het gebruik van dit AI model konden nu volledige zinnen worden geanalyseerd en geïnterpreteerd. Dit bracht een hoop voordelen met zich mee:
- Verbeterde gebruikerservaring: Monteurs hoeven geen specifieke commando’s te onthouden en kunnen natuurlijke taal gebruiken.
- Betere nauwkeurigheid: De AI begrijpt de context beter, wat tot minder fouten leidt.
- Verminderde code complexiteit: De lijst aan commando’s die afgehandeld moesten worden kon worden ingekort. Van meer dan 30 tot slechts 14.
- Meertalige ondersteuning: De oplossing werkt direct in meerdere talen.
Deze aanpak heeft niet alleen de productiviteit van monteurs verbeterd, maar ook de kwaliteit van de geregistreerde checklists verhoogd. In de toekomst zouden we nog verdere automatisering kunnen toevoegen, zoals integratie met sensoren in voertuigen om nog sneller de status van onderdelen te bepalen.
-
Geautomatiseerde factuurverwerking
Het verwerken van bonnetjes voor declaraties is in veel organisaties een ongeliefd proces, waarbij medewerkers handmatig gegevens van papieren bonnetjes in systemen moeten overtikken. Dit resulteert niet alleen in een hoge administratieve last, maar vergroot ook de kans op invoerfouten.
We ontwikkelden een oplossing die een afbeelding van de bon analyseert en daaruit de benodigde informatie haalt om deze vervolgens te verwerken in een digitaal declaratieformulier. Bovendien kunnen gebruikers meerdere bonnetjes tegelijkertijd uploaden, wat het proces aanzienlijk versnelt. Het systeem herkent belangrijke gegevens zoals datum, bedrag en valuta, en categoriseert deze automatisch.
JSON response (links) als resultaat van het analyseren van de foto van de gekreukelde bon (rechts)
De belangrijkste voordelen van deze oplossing zijn:
- Efficiëntie: Geen handmatige invoer meer nodig
- Betere nauwkeurigheid: Minder kans op invoerfouten
- Kosteneffectief: Goedkoper dan bestaande oplossingen zoals Expensify
Deze oplossing heeft niet alleen de administratieve last verminderd, maar ook de taak van het invoeren van declaraties een stukje leuker gemaakt.
-
Automatische opvolgmails
Veel salesafdelingen staan voor de uitdaging om opvolging te geven aan offertes die geen reactie ontvangen. Dit kan al gauw veel tijd kosten, die men liever aan andere taken spendeert. Met behulp van AI ontwikkelden we een oplossing die automatisch opvolgmails genereert na een vooraf ingestelde periode van inactiviteit.
AI generated image by DALL·E 2025–01–07 12.44.25 — A dynamic, high-energy illustration showing the concept of rapidly sending out many emails.
Een belangrijk aandachtspunt was de omgang met gevoelige klantgegevens. Om dit te waarborgen, ontwierpen we een structuur waarbij de AI geen toegang kreeg tot deze gegevens. In plaats daarvan gebruikten we placeholders, zoals [bedrag] en [klantnaam], die pas in de uiteindelijke e-mail werden ingevuld door de applicatie. Dit zorgde ervoor dat alle vertrouwelijke informatie binnen de OutSystems applicaties bleef.
Klanten ontvangen nu elke keer een unieke email, terwijl de medewerkers meer tijd overhouden voor meer kritieke taken.
-
Slimme FAQ-bot
Binnen grote organisaties is het vinden van de juiste informatie in uitgebreide documentatie vaak een grote uitdaging. Medewerkers besteden veel tijd aan het zoeken naar antwoorden op vragen die in interne handleidingen en beleidsdocumenten verborgen zitten. Een klant vroeg ons daarom om een oplossing te ontwikkelen die deze zoekprocessen versnelt en vereenvoudigt. Het doel is de druk op de helpdesk te verminderen door het inzetten van een interactieve FAQ, waarmee de gebruiker in gesprek kan gaan, om zo makkelijk te beantwoorden vragen snel af te handelen zonder tussenkomst van een echte helpdeskmedewerker.
Azure Search, SharePoint en OpenAI
De opzet vereiste een link tussen de SharePoint documenten en Azure AI Search, waarmee we een gestructureerde externe databron creëerden. Deze bron zal later als kennisbank gaan dienen voor het ChatGPT model, dat de instructie krijgt enkel antwoord te geven op basis van de beschikbare documenten. Nadat het antwoord is gegenereerd, kan de gebruiker aangeven of die is geholpen. Zo niet, dan wordt direct de optie gegeven in contact te komen met een helpdeskmedewerker. Zo voorkomen we een frustrerende interactie waarbij je vast komt te zitten in een eindelijke bot-loop.
Een grote uitdaging hierbij is dat het kwaliteit van het antwoord sterk afhankelijk is van de kwaliteit van de documentatie. In dit geval kan een gefaseerde aanpak nodig zijn waarbij de FAQ-bot eerst wordt ingezet om de documentatie aan te vullen en te actualiseren. Zodra het niveau ervan voldoende is, kan de bot effectief worden ingezet naar klanten toe.
Belangrijkste inzichten
Deze vier praktijkvoorbeelden laten zien hoe AI op een praktische manier kan worden ingezet. Of het nu gaat om het verhogen van de productiviteit, het verbeteren van de nauwkeurigheid of het ondersteunen van medewerkers bij repetitieve taken.
Ben je door dit artikel geïnspireerd of heb je een vraag? Neem dan contact met ons op! We kijken en denken graag met je mee.
Tijdens de OutSystems NextStep Experience (ONE 2024) hebben Pauline Harlinghausen en Lotte Kuiper hun presentatie “Developer’s Guide to the AI-Galaxy” gegeven. Nu, een paar weken later, is het geweldig om te zien hoe meer bedrijven en ontwikkelaars AI-oplossingen integreren in hun OutSystems-applicaties. Deze groeiende interesse heeft Lotte geïnspireerd om haar eerste blogserie te lanceren: “Navigeren door het AI-heelal”.
In deze serie deelt Lotte inzichten, tips en trucs over het gebruik van AI met OutSystems. Deze eerste blog geeft een samenvatting van de vier stappen om AI in OutSystems te implementeren. Let’s dive into it!
- Selecteer je model
Het kiezen van het juiste AI-model begint met een duidelijke use case. Een klantenservice chatbot profiteert bijvoorbeeld van een Natural Language Processing (NLP)-model zoals GPT-4, terwijl een kwaliteitscontrolesysteem in een fabriek beter past bij een computervisiemodel zoals YOLO (You Only Look Once).
Het type data (tekst vs. afbeeldingen) en je doelen bepalen vaak welk model het beste aansluit. Test meerdere modellen om te zien welke het beste aan je behoeften voldoet.
- Configureer je agent en verbinding(en)
Om AI in je OutSystems-applicatie te integreren, moet je een verbinding opzetten tussen je app en je AI-model. Afhankelijk van je platform en tools kun je dit op twee manieren doen: met de AI Agent Builder (ODC) of via de API-methode.
AI Agent Builder (alleen ODC)
Deze intuïtieve tool maakt het eenvoudig om je AI-agent te configureren. Het is een uitstekende start, met twee proefmodellen om mee te experimenteren en handige vooraf geconfigureerde sjablonen voor snelle implementatie.
Zo stel je het in:
- Klik op de knop ‘AI-model toevoegen’,
- Vul de naam, ID en beschrijving in,
- Voeg je endpoints toe, en klaar ben je!
Vanuit de detailpagina van de agent kun je de instellingen verder afstemmen, zoals instructies, externe gegevensbronnen of geavanceerde instellingen zoals het maximaal aantal tokens of de temperatuur.
API-methode
Gebruik je nog OutSystems 11 of geef je de voorkeur aan een handmatige aanpak? Het opzetten van een REST API-verbinding is net zo effectief. Hoewel dit meer configuratie vereist, biedt het flexibiliteit om verbinding te maken met een brede selectie aan modellen en geavanceerde instellingen aan te passen. Verbind met het endpoint van je gekozen model, en je bent klaar om het in je OutSystems-app te gebruiken.
- Ontwerp je prompt
Een goede prompt ontwerpen is net zo belangrijk voor AI-interactie als het geven van duidelijke instructies voor het maken van een PB&J sandwich. Onduidelijke beschrijvingen leveren bijna nooit het gewenste resultaat op. Een goed ontworpen prompt is de sleutel tot een AI-response waar je echt wat aan hebt.
Denk aan deze 4 elementen tijdens het ontwerpen van je prompt:
- Context: Definieer de rol van de AI.
‘Je bent een expert in het oplossen van kruiswoordraadsels.’ - Instructies: Specificeer de taak.
‘Je taak is om kruiswoordvragen op te lossen op basis van de vraag en de lengte van het antwoord.’ - Voorbeelden: Geef voorbeelden om richting te geven.
‘Als de invoer “Een fantastisch low-code platform (10)” is, geef dan “OutSystems” als antwoord.’ - Beperkingen: Voeg extra regels toe om irrelevante antwoorden te minimaliseren.
‘Geef alleen een resultaat als je 100% zeker bent.’
Zorg dat je prompt goed in elkaar zit en voorkom je dat je agent pindakaas op de deksel smeert. 😉
- Implementeer de AI-call en response
AI Agent Builder
Er zijn verschillende manieren om een AI-call en response te implementeren. Hieronder bespreken we twee veelvoorkomende methoden.
Directe API-call
Bij een directe API-call gebruik je een REST-service om verbinding te maken met het AI-model. Voordat je een verzoek verstuurt, is het belangrijk om te controleren of de benodigde gegevens aanwezig zijn, zoals een bericht en een geselecteerd model. Dit voorkomt “lege” calls, bespaart kosten en minimaliseert onnodige verwerking.
Voorbeeldscenario:
- Controleer of een bericht en model beschikbaar zijn voordat je een call doet.
- Als alles aanwezig is, gebruik je de REST-service om een verzoek naar het ChatGPT-endpoint te sturen.
- Sla de ontvangen response op in je applicatie voor verdere verwerking, zoals het weergeven van het antwoord aan de gebruiker.
AI Agent Builder
Een andere methode is het gebruik van de AI Agent Builder in ODC. Dit maakt het mogelijk om AI-agenten te creëren en eenvoudig te verbinden met je applicatie.
Hoe werkt het?:
- Tijdens het configureren van de AI-agent in de Agent Builder heb je een uniek ID aangemaakt.
- Gebruik dit ID samen met de ‘CallAgent’-serviceactie van de AI Agent Builder.
- Sla de response van de AI-agent op in je applicatie.
Afhankelijk van je use case kun je deze response vervolgens gebruiken om de vraag of behoefte van de gebruiker af te handelen, zoals het beantwoorden van een vraag of het uitvoeren van een specifieke actie.
Samenvatting
In deze eerste blog hebben we de belangrijkste stappen besproken voor een succesvolle integratie van AI in je OutSystems-applicaties: het juiste model kiezen, configureren, de prompt ontwerpen en de call en response implementeren. Ik hoop dat je hiermee ziet hoe eenvoudig het is om je eigen AI-projecten te starten. Probeer het eens!
Nog wat extra inspiratie nodig? Blijf op de hoogte voor de volgende blog, waarin we enkele praktijkvoorbeelden bespreken.