Waarom is dit belangrijk?
Teams kunnen een AI-idee alleen volwaardig in gebruik nemen als elke stap, van voorbereiding tot controle achteraf, goed op elkaar aansluit. In de zorg gebruiken organisaties AI-workflows om toepassingen zoals capaciteitsplanning verantwoord in te voeren en daarna bij te houden. Voor werknemers en patiënten telt vooral of het systeem dagelijks betrouwbaar blijft; zonder goede controles kunnen er fouten in de uitkomst ontstaan.
Zo werkt het in de praktijk
Onderzoekers in software-engineering vragen hoe bedrijven een AI-model blijven ontwikkelen, testen en inzetten. Steidl, Felderer en Ramler beschrijven vier stappen: data, training, software en beheer van het systeem. Zij koppelen problemen bij invoering en gebruik aan die stappen, en noemen alarmen of een planning als startsein.
Een AI-workflow volgt MLOps, een werkwijze om modellen te testen, in te zetten en te bewaken. Voor data-analyse is CRISP-DM een open stappenplan met zes fasen, van de vraag tot de ingebruikname. Het EU-project ESPRIT maakte dit plan samen met Daimler AG, en IBM gebruikt het in SPSS Modeler.




