Impliciete kennis: De onmisbare sleutel tot succesvolle generatieve AI

Wat is impliciete kennis en waarom is het belangrijk?

Expliciete kennis omvat informatie die gemakkelijk te delen en te documenteren is, zoals richtlijnen, feiten en procedures. Impliciete kennis daarentegen omvat inzichten die voortkomen uit ervaring, zoals probleemoplossing, contextuele nuances en strategisch denken. Dit is moeilijk te verwoorden, maar essentieel voor complexe taken.

Volgens Michael Polanyi, een invloedrijke filosoof, weten we vaak meer dan we kunnen uitleggen. Zijn paradox benadrukt dat impliciete kennis cruciaal is voor het begrijpen en uitvoeren van taken die verder gaan dan eenvoudige instructies.

Het belang van impliciete kennis voor LLM’s

Hoewel LLM’s, zoals die in generatieve AI-toepassingen, goed zijn in het verwerken van expliciete kennis, hebben ze vaak moeite met taken waarbij impliciete kennis nodig is. Dit speelt vooral bij complexe en contextgevoelige processen, zoals het genereren van testcases.

Voorbeeld: Testcases genereren voor een boekenbestelsysteem

Een boekenbestelsysteem bevat parameters zoals:

• Aantal boeken: 1; 2-8; >8
• Totaalbedrag: <100; 100-250; >250
• Lidmaatschapskaart: Geen; Zilver; Goud; Platina
• Bestelperiode: Werkdag; Weekend; Feestdag

Wanneer een LLM wordt gevraagd testcases te genereren, levert het vaak een groot aantal combinaties op. Hoewel dit een grondige aanpak lijkt, ontbreekt het vaak aan efficiëntie en relevantie door het gebrek aan impliciete kennis.

Hoe impliciete kennis de resultaten verbetert

Een AI-systeem dat impliciete kennis toepast, zou:

• De bedrijfs- en risicowaarde van de input inschatten voordat testcases worden gegenereerd.
• De juiste testontwerptechniek kiezen, zoals pairwise testing voor middelgrote scenario’s.
• Voor elke testcase een duidelijke verwachte uitkomst definiëren.
• Gebruikers adviseren wanneer traditionele code effectiever is dan AI.

Strategische verbeteringen met impliciete kennis

Door impliciete kennis te benutten, kunnen generatieve AI-systemen efficiënter en effectiever worden. Enkele praktische strategieën zijn:

Interactie met gebruikers: Laat testers feedback en context toevoegen om nauwkeurigere resultaten te krijgen.

Duidelijke procesdocumentatie: Laat AI zich richten op voorbereidende vragen over risico’s en bedrijfswaarde voordat testcases worden gegenereerd.

Een “Test Advisor” implementeren: Deze begeleidt gebruikers bij het kiezen van de juiste aanpak voor testontwerp.

Slimme taakverdeling: Gebruik AI voor combinatiesuggesties en traditionele code voor gedetailleerde testgeneratie.