Samergo: een dag werken met seef

Waar gebruikt Muriël seef voor?

Het vaakst voor e-mail. Ze bouwde een agent die helpt om structuur aan te brengen in haar e-mail en stelt deze op in concept. Een voorbeeld van vorige week: een eerste mail aan een projectpartner met wie ze nog geen contact had gehad, met een achtergronddocument erbij. Ze leest het resultaat door en verstuurt het meestal vrijwel ongewijzigd.

Daarnaast voor denkwerk. Bij een ingewikkeld begeleidingstraject hielp seef haar te benoemen waar het precies vastliep door gerichte vragen te stellen. Hierdoor kon ze dat goed onderbouwd bespreken met de projectleiders. Ook voor een opleiding met een onduidelijke opdracht: ze stopte haar voorbereiding en relevante documenten in een gesprek en vroeg hoe ze het moest aanpakken. Er kwam structuur uit.

En voor bijeenkomsten. Ze vertelt het doel en spart over werkvormen. Anders zou ze daar een boek voor pakken, of zoeken in de eigen database van Samergo.

Het patroon is steeds hetzelfde: zij levert de context, seef levert een eerste versie of een structuur, en zij kan dat gebruiken als basis voor de verdere uitwerking.

“Dat vind ik gewoon heel fijn: dat seef vragen stelt, en dat je dan zelf weer gaat nadenken. Daar komt een verslag uit, dat is je basis, en van daaruit werk je verder.”

Welke agents gebruikt het team?

Een agent is een assistent met vaste instructies voor één taak, zodat je niet elke keer opnieuw hoeft uit te leggen wat je wilt. Muriël noemt er drie. Haar eigen e-mailverbeteraar, die ze het meest gebruikt. Een tekstschrijver die collega Joris maakte. En een agent voor de rapportage dienstverlening, die twee keer per jaar terugkomt en volgens haar veel tijdswinst oplevert.

Twee van de drie heeft ze dus niet zelf gemaakt, en dat is precies het nut. Wie eenmaal heeft uitgezocht welke instructies een goede tekst of een goed rapport opleveren, legt dat vast in een agent. Daarna kan je deze delen met het hele team, zodat het hele team er wat aan heeft. Zo blijft die kennis niet bij één collega hangen, maar wordt ze onderdeel van hoe Samergo werkt, zonder dat iemand er een handleiding voor hoeft te schrijven.

Hoeveel tijd scheelt het?

Dit zijn haar eigen schattingen, niet gemeten. Een mail verbeteren is een kleine taak, daar zit misschien vijf minuten tijdswinst per mail in. Een bijeenkomst voorbereiden scheelt volgens haar al snel een tot twee uur. De grootste winst zit in het analyseren van data zoals interviews.

“Ik had nu binnen een dag best wel veel interviews geanalyseerd. Normaal is dat volgens mij minimaal een week. Het ligt echt aan de klus waar je AI voor inschakelt.”

Over kwaliteit is ze voorzichtig, en dat geldt voor AI in het algemeen, of het nu Copilot, ChatGPT of seef is. Het is geen kwestie van invoeren en klaar, AI maakt ook fouten dus je blijft dat controleren. Blijf je kritisch op de output, dan is de kwaliteit volgens haar gelijk aan wat een mens levert. Wat seef daarbovenop geeft: verbanden die je zelf misschien niet ziet, snelheid, een andere invalshoek, en haarzelf scherper maken op wat wordt geanalyseerd.

Dat is de tijdswinst die ze haalt uit seef: van vijf minuten op een mail tot dagen op een analyse.

Copilot, ChatGPT of seef: wat gebruikte ze hiervoor, en wat nog steeds?

Voorheen gebruikte ze voor werk Microsoft Copilot, privé ChatGPT, bewust gescheiden. Copilot was geïntegreerd in haar documenten: een zin verbeteren terwijl je typt, dat ging snel. Nu kopieert ze de tekst naar seef en plakt het resultaat terug. Even wennen, zegt ze, maar niet iets wat ze mist. Copilot pakt ze vrijwel niet meer. De laatste keer dat ze het toch gebruikte, viel het verschil op: die tekst leest als AI, seef schrijft inmiddels meer zoals zij. Dat is geen toeval. seef onthoudt per gebruiker in welke toon, lengte en stijl die teksten wil hebben, en neemt dat mee in elk volgend gesprek. Bij Copilot merkte ze dat niet. Voor haar werk heeft seef Copilot daarmee vervangen.

Voor haar eigen bedrijf gebruikt ze ChatGPT, en daar loopt ze de laatste tijd op vast: steeds hetzelfde, niet origineel meer, doet niet wat ze vraagt. Bij seef is ze dat niet tegengekomen.

Wat is nog niet af?

De gedeelde kennisbank. Een collega richtte de documentbibliotheek in, en Muriël weet niet precies wat erin staat of waarom die documenten zijn gekozen. Soms haalt seef er iets uit dat ze er niet bij wilde hebben. Voor gesprekken over één project zet ze de bibliotheek daarom uit en werkt ze alleen met de bestanden die ze zelf uploadt. Haar oordeel: de gedeelde kennisbank hebben we zelf nog niet goed ingericht. Als dat gebeurt, wordt het volgens haar heel fijn. Zo is seef ook bedoeld: het bedrijf kiest zelf welke documenten in de gedeelde bibliotheek staan, en per gesprek bepaal je of seef daarin mag zoeken.

Grote bestanden. Soms is een bestand te groot om te uploaden. Zij comprimeert het dan eerst en dan lukt het; sommige collega's pakken voor zo'n taak een andere AI.

Wat wel is opgelost, na haar feedback: in het begin gebruikte seef een geüpload bestand alleen voor het eerstvolgende antwoord en ging het daarna weer in de bibliotheek zoeken. Nu blijft seef zoeken in het bestand dat ze in het gesprek heeft gedeeld.

“Ik dacht: ik moet dit gewoon blijven gebruiken, en alles waar ik tegenaan loop deel ik met jullie. De volgende keer liep ik er dan niet meer tegenaan.”

Voor wie werkt dit niet?

Collega's die minder digitaal vaardig zijn, zij hebben meer handvatten nodig om het goed te gaan gebruiken.

En voor mensen zonder geduld, zegt ze. Je moet wennen aan AI in het algemeen en ook aan seef. Als een antwoord niet klopt, ga je met het model in gesprek tot het begrijpt waar de fout zit. En je blijft zelf controleren. Wie het alleen voor gemak en snelheid doet, kan volgens haar beter geen AI gebruiken. Wie dat geduld wel heeft, maakt volgens haar veel taken lichter en krijgt soms meer diepgang.