Ga naar inhoud

2. Kaizen Logs

Doel

Doorlopend logboek voor kleine, gerichte verbeteringen aan het AI-systeem zodat wijzigingen traceerbaar en herhaalbaar zijn.

1. Doelstelling

Wij registreren elke kleine, gerichte verbetering aan het AI-systeem in een doorlopend Kaizen Log zodat verbeteringen traceerbaar, herhaalbaar en geaggregeerd zichtbaar zijn.

2. Intrede Criteria

  • Het systeem is in productie en actief in gebruik.
  • De retrospective-cadans is operationeel.
  • Er is een gedeeld document of backlog beschikbaar voor het team.

3. Kernactiviteiten

Kaizen-entry registreren

Elke verbetering — hoe klein ook — wordt gelogd met een vaste structuur:

Veld Beschrijving
ID Uniek volgnummer (bijv. KZ-2026-001)
Datum Datum waarop het probleem werd geïdentificeerd
Eigenaar Wie is verantwoordelijk voor de uitvoering?
Probleem Wat werkt niet goed of kan beter? (max. 2 zinnen)
Maatregel Wat is de concrete verbetering?
Resultaat Wat is het gemeten effect na implementatie?
Status Open / In uitvoering / Gesloten

Voorbeeld:

KZ-2026-007 · 15-03-2026 · Data Scientist · De nauwkeurigheid van categorie X daalt structureel 3% per maand. · Aanvulling Golden Set met 20 nieuwe randgevallen en hertraining. · Nauwkeurigheid hersteld naar baseline +1,2%. · Gesloten.

Kaizen-cyclus bewaken

  • Wekelijks: Status van open entries bespreken in het stand-up.
  • Maandelijks: Overzicht van gesloten entries en gemeten effecten naar het team.
  • Kwartaal: Geaggregeerde Kaizen-analyse als input voor de Modelretrospective.

Onderscheid Kaizen Log vs. Incidentlog

Kaizen Log Incidentlog
Proactieve verbeteringen Reactieve storingen en incidenten
Gericht op kwaliteitsverhoging Gericht op herstel en worteloorzaak
Geen tijdsdruk SLO-gebonden responstijden
Eigenaar: AI PM / Data Scientist Eigenaar: MLOps Engineer

4. Team & Rollen

Rol Verantwoordelijkheid R/A/C/I
AI Product Manager Beheert het Kaizen Log, prioriteert entries A
Data Scientist Registreert en analyseert modelgerelateerde verbeteringen R
MLOps Engineer Registreert infrastructuur- en pijplijnverbeteringen R
Guardian Beoordeelt of verbeteringen de Harde Grenzen raken C

5. Exit Criteria

  • Alle open entries ouder dan 30 dagen hebben een status-update of zijn geëscaleerd.
  • Maandelijks overzicht is gedeeld met het team.
  • Kwartaalanalyse is opgenomen in het Model Healthsrapport.

6. Deliverables

Deliverable Beschrijving Eigenaar
Kaizen Log Levend overzicht van alle verbeteringen AI PM
Maandoverzicht Samenvatting van gesloten entries en effecten AI PM
Kwartaalanalyse Geaggregeerd inzicht in verbetertrends Data Scientist

Gerelateerde modules:

Volgende stap: Stel KPI's en dashboards in via Metrics & Dashboards → Zie ook: Retrospectives