Ga naar inhoud

1. AI-Projectcyclus

Doel

Beschrijving van de volledige vijf-fasen AI-levenscyclus die als centrale routekaart dient voor elk AI-project.

1. Doel

Dit document definieert de volledige methodologie voor AI-projecten en vormt de fundering van de AI-projectcyclus. Het beschrijft de 5 fasen van AI-projecten en fungeert als centrale routekaart voor het team.

Toepasbaarheid

Deze projectcyclus is van toepassing op beide projecttypen: zowel projecten die AI inzetten als onderdeel van het ontwikkelproces (Type A — bouwen met AI) als projecten waarbij AI-functionaliteit onderdeel is van het eindproduct (Type B — AI in het product). De fasering, gates en bewijsstandaarden zijn identiek; het verschil zit in de aard van de opleveringen per fase. Zie Projecttype Classificatie voor details.

2. Overzicht van de AI Levenscyclus

Een succesvol AI-project is geen lineair proces, maar een iteratieve cyclus waarbij techniek, business en compliance constant op elkaar worden afgestemd. De AI levenscyclus bestaat uit 5 fasen die elkaar overlappen en versterken:

graph TD
 A[Verkenning & Strategie] --> B[Validatie]
 B --> C[Realisatie]
 C --> D[Levering]
 D --> E[Beheer & Optimalisatie]
 E --> A

Belangrijkste Kenmerken

  • Iteratief: Elke fase leert van de vorige en voedt de volgende.
  • Hybride: Combineert voorspelbare planning met agile uitvoering (zie Hybride Methodologie).
  • Compliance-First: EU AI Act compliance is geïntegreerd in elke fase.
  • Traceerbaarheid: Elke beslissing wordt ondersteund door bewijs.
  • Mensgerichte Regie: Mensen blijven verantwoordelijk voor AI-beslissingen.

3. De Vijf Fasen van de Levenscyclus

[!TIP] De Fast Lane (De Innovatie-route) Voor projecten met een Minimaal/Beperkt Risico en een Instrumentele/Adviserende modus (Modus 1 & 2) bieden we een versnelde route. Hierbij kan na een positieve Risico Pre-Scan (Gate 1) direct worden gestart met een beperkte Validatiepilot (PoV), zonder uitgebreide business case.

Verkenning & Strategie

📍 Doel: Het identificeren van het juiste probleem en toetsen of we klaar zijn om te starten.

Kernactiviteiten

  • Probleemverkenning: Het probleem definiëren vanuit de gebruiker, niet vanuit de techniek.
  • Data-Evaluatie: Beoordelen van Toegang, Kwaliteit en Relevantie van de data.
  • Risico-Inventarisatie: Bepalen of de toepassing valt onder de EU AI Act (hoog risico).

Validatie

📍 Doel: Bewijzen dat het idee werkt en financieel levensvatbaar is voordat we groot investeren.

Kernactiviteiten

  • Validatiepilot (PoV): Kleinschalig experiment om de hypothese te testen.
  • Het Kostenoverzicht: Schatten van investering versus ROI.
  • Fairness audit (bias audit) (Bias Detectie): Eerste scan op ongewenste vooroordelen in het model.

Realisatie

📍 Doel: Het bouwen van een robuuste, productiewaardige oplossing.

Kernactiviteiten

  • Specificatie-eerst Methode: Eerst tests schrijven, dan pas de implementatie.
  • RAG: De AI verbinden aan interne bedrijfsinformatie.
  • Fine-tunen: Optimaliseren van de parameters en Prompts.

Levering

📍 Doel: Een veilige Ingebruikname en acceptatie door de organisatie.

Kernactiviteiten

  • Ingebruikname Plan: Stapsgewijze uitrol naar productie.
  • Menselijke Regie: Implementeren van toezichtsprotocollen.
  • Adoptie & Training: Gebruikers opleiden in de nieuwe werkwijze.

Beheer & Optimalisatie

📍 Doel: Waarde behouden en de oplossing actueel houden.

Kernactiviteiten

  • Drift Meten: Continu monitoren van accuraatheid en drift.
  • Kostenbeheersing: Het verbruik en de middelen optimaliseren.
  • Feedbacklus: Gebruikerservaringen terugkoppelen naar Fase 1.

4. Gerelateerde Modules