Onderzoeksresultaten analyseren met AI in interne communicatie: do’s & don’ts

De meeste organisaties zitten op een goudmijn aan data voor interne communicatie, maar benutten die nog lang niet optimaal. Denk aan de kwantitatieve en kwalitatieve inzichten vanuit het medewerkersonderzoek, pulsemetingen, vragenlijsten, focusgroepen en/of interviews. Dit soort data bevat belangrijke inzichten voor interne communicatie, maar het analyseren ervan kan tijdrovend en complex zijn. Het gebruiken van AI voor de analyse lijkt daarin een veelbelovende oplossing. Maar wat kan er eigenlijk met AI in het verwerken van die resultaten? Wat is verantwoord, en waar ligt de grens?

Hoewel het werken met AI al langere tijd gewoon is in ons vakgebied, wordt AI in interne communicatie vaak nog ingezet als slimme schrijfhulp of voor het genereren van content. De meerwaarde van AI voor productiviteit zit hem echter niet in het versnellen van individuele taken, maar juist meer in het aanscherpen, versimpelen en versnellen van werkprocessen. Juist omdat het analyseren van (onderzoeks)data vaak tijdrovend en complex is, is het interessant om te kijken welke rol AI daarbij kan spelen.

Om te ontdekken wat er mogelijk én verantwoord is, zijn wij dit zelf ook gaan toetsen. Bijvoorbeeld door een eerder uitgevoerd onderzoek opnieuw te laten analyseren door AI en vergelijken of dezelfde inzichten naar voren komen. In dit blog nemen we je mee in onze afwegingen, inzichten en belangrijkste do’s & don’ts rondom het gebruik van AI rondom het analyseren van onderzoeksresultaten.

AI gebruiken in onderzoek: wat zijn de risico’s en afwegingen?

De eerste vraag die bij ons opkomt rondom het gebruik van AI in het analyseren van onderzoeksresultaten is “moet je dit wel willen?”. Onderzoek doen – en de onderzoeksdata analyseren – is een specifieke vaardigheid. Tegelijkertijd ben je het als organisatie aan jezelf verplicht om mee te gaan met de ontwikkelingen in het vak, zo ook de impact van AI, om bij te blijven. Op korte termijn is het makkelijker om te schuilen achter de mogelijke risico’s, maar op lange termijn haal je voordelen uit het experimenteren, ontdekken en leren van de fouten. Daarom is het belangrijk om wel te kijken waar de mogelijkheden zitten in het gebruik van AI in het analyseren van de bestaande data die je hebt.

We hebben het over de interne communicatieprofessional die AI inzet om de onderzoeksresultaten te analyseren, met als hoofddoel om inzichten uit de beschikbare data te halen en om vervolgens de interne communicatie te kunnen verbeteren. Ondanks dat we het niet hebben over een wetenschappelijk onderzoek, zijn elementen zoals veiligheid, betrouwbaarheid en integriteit belangrijke elementen om mee te nemen in je afwegingen.

Veilig met data omgaan

Bij het analyseren van onderzoeksresultaten met AI werk je vaak met gevoelige informatie, zoals bedrijfsgegevens afkomstig uit medewerkeronderzoeken, pulsemetingen of interviews met medewerkers. Dataveiligheid is daarom een essentieel onderdeel van je afweging. Het is aan te raden om AI toe te passen binnen een beschermde omgeving, bijvoorbeeld binnen de eigen organisatie, zodat data niet zomaar extern wordt gedeeld. Anonimiseer je data waar mogelijk, zodat er zo min mogelijk teruggeleid kan worden naar specifieke deelnemers en de organisatie.

Tip:

• Anonimiseer makkelijk je data door gebruik te maken van ‘Zoeken en vervangen’. Voor een intern onderzoek binnen Orange Otters zouden wij bijvoorbeeld “Orange Otters” vervangen door “[Organisatie]”.
• Geef duidelijk aan hoe lang je opnames en transcripten bewaart

Betrouwbaarheid van AI

Een belangrijk kenmerk van AI is dat het genereert. Dat betekent dat je, zelfs met dezelfde input en prompts, verschillende uitkomsten kunt krijgen. Voor de betrouwbaarheid van het onderzoek is het daarom goed om je bewust te zijn van de risico’s. AI kan namelijk quotes genereren en presenteren als letterlijke uitspraken. Ook kan AI soms de analyse versnellen ter bevordering van de gebruikerservaring, waardoor niet alle data grondig wordt meegenomen. Een ander risico is dat je alleen een deel van de inzichten terugkrijgt, in plaats van een uitputtende lijst. Daarom is het belangrijk om dit soort risico’s te ondervangen in de formulering van je prompts, zoals te zien in de tips hieronder. Door AI te vragen om denkstappen expliciet te maken en door resultaten te toetsen in bijvoorbeeld validatiesessies, kun je de betrouwbaarheid vergroten. Het blijft daarbij belangrijk om AI te zien als ondersteuning van je analyse, niet als vervanging ervan.

Tip: Gebruik duidelijke prompts ter bevordering van de analyse, waaronder:

• “Neem je tijd om alle data zorgvuldig door te nemen”
• “Haal alleen letterlijke quotes uit het transcript.”
• “Geef de uitputtende lijst van genoemde kanalen”
• “Wat gaat er volgens [functietitel] goed in de interne communicatie? Geef een overzicht van alle genoemde punten.”

Integriteit van de onderzoeker

Transparantie rondom het gebruik van AI is belangrijk voor de integriteit van het onderzoek. Zowel voor de opdrachtgever als de deelnemers moet duidelijk zijn dat AI wordt ingezet in de analyse.
Vraag vooraf concreet om toestemming als je ervoor kiest een kwalitatieve sessie (zoals een interview) op te nemen.

Tip:

• Maak van tevoren heldere afspraken over de ‘ruwe data’. Wie heeft inzicht in de resultaten van de vragenlijst? Wie krijgt de volledige interview transcripten te zien?
• Neem eigenaarschap op het onderzoek en de resultaten, ondanks het gebruik van AI.

Wat kun je met AI bij het analyseren van onderzoeksdata?

Nadat je de nodige voorbereiding hebt getroffen om op een bewuste en verantwoorde manier AI te gebruiken bij het analyseren van de beschikbare data, zijn er tal van mogelijkheden om aan de slag te gaan.

AI gebruiken bij de opzet van je onderzoek

Als je de kans hebt om aan de voorkant van een onderzoek al na te denken over het verwerken van onderzoeksresultaten, scheelt dat je veel tijd bij de analyse. Wat wil je uit het onderzoek halen? Wat kan je daadwerkelijk met het antwoord op die specifieke vraag? Haal je daar uit wat je echt wil weten? Zijn de vragen niet te sturend? Door je vragenlijst of topic lijst aan de voorkant te toetsen, voorkom je dat je achteraf antwoorden hebt waar je geen conclusies uit kan trekken. Laat je uitdagen door AI te vragen kritisch mee te kijken naar de opzet van je onderzoek aan de voorkant

Interviews transcriberen en samenvatten met AI

We zijn er ondertussen al zo aan gewend, dat het opnemen van vergaderingen en het automatisch transcriberen en samenvatten ervan vaak al voor lief wordt genomen. Toch is dit ook een vorm van AI. Deze functie is vooral handig voor interviews, focusgroepen, luistersessies of andere vormen van kwalitatief onderzoek.

Data voorbereiden en opschonen

Het analyseren van kwalitatieve data met AI vraagt om zorgvuldigheid in de voorbereiding. Het lijkt misschien efficiënt om in het geval van kwalitatieve data alle transcripten in één keer in een AI-tool te plaatsen en om een analyse te vragen, maar dit helpt niet in een sterke analyse. Gelukkig kan je AI ook juist gebruiken in het opschonen van de data, voordat je begint aan de analyse. Denk aan het duidelijk scheiden van vragen en antwoorden en het toevoegen van relevante achtergrondinformatie, zoals functie of dienstjaren. Bij kwantitatieve data is het belangrijk dat gegevens als duidelijke cijfers of scores worden vastgelegd, zoals dienstjaren, leeftijd of een beoordeling van interne communicatie. Door de data goed voor te bereiden, kan AI gerichter analyseren en komen er betere en betrouwbaardere resultaten uit.

Onderzoeksdata analyseren met AI: inzichten, patronen en verbanden

Door zelf al structuur aan te brengen in thema’s, patronen en opvallende inzichten, leg je een stevige basis voor verdere analyse. AI kan je vervolgens helpen om deze eerste inzichten te verdiepen, verbanden te leggen en onderliggende patronen zichtbaar te maken die je zelf misschien over het hoofd ziet. Gebruik AI daarbij als sparringpartner: laat het alternatieve interpretaties geven of kritische vragen stellen over jouw conclusies. Zo voorkom je tunnelvisie en zorg je voor een rijkere en beter onderbouwde analyse.

Onderzoeksresultaten presenteren

De manier waarop je resultaten presenteert, hangt sterk af van je doelgroep en hun informatiebehoefte. De ene opdrachtgever wil een uitgebreid en onderbouwd onderzoeksverslag, terwijl een andere stakeholder vooral behoefte heeft aan concrete antwoorden op specifieke vragen. Ook een terugkoppeling naar deelnemers vraagt weer om een andere toon en mate van detail. AI kan helpen om dezelfde inzichten te vertalen naar verschillende vormen en niveaus: van een beknopte samenvatting tot een visueel verhaal of een presentatie op maat. Door AI in te zetten bij het structureren van je boodschap en het scheiden van hoofd- en bijzaken, zorg je ervoor dat je resultaten helder, relevant en impactvol worden overgebracht.

Do’s & don’ts bij het gebruik van AI voor onderzoek en data-analyse

Do’s

• Gebruik AI in een beveiligde omgeving en ga zorgvuldig om met data
• Wees transparant richting opdrachtgevers over het gebruik van AI
• Vraag toestemming aan de deelnemers als je gesprekken opneemt en/of transcribeert.
• Anonimiseer je data voordat je deze invoert
• Structureer je data goed voordat je AI inzet (alleen met deze tijdsinvestering aan de voorkant scheelt het tijd tijdens de analyse)
• Gebruik gerichte en duidelijke prompts om volledige antwoorden te krijgen
• Neem de gebruikte prompts mee in de bronnenlijst (voor het repliceren van onderzoek waar nodig)
• Combineer AI-analyse met je eigen interpretatie en contextkennis van de organisatie
• Stel vervolgvragen om steeds meer verdieping te krijgen
• Laat AI verschillende perspectieven of doelgroepen apart analyseren (bijv. per functiegroep of afdeling)
• Gebruik AI ook om je eigen bias te herkennen (bijv. door te vragen: “welke blinde vlekken zie je in deze analyse?”)

Don’ts

• Vertrouw niet blind op de eerste output die je krijgt
• Gebruik AI niet zonder kennis van de context van je organisatie of doelgroep
• Gooi niet alle ruwe transcripten ongefilterd in een AI-tool, of kwantitatieve data zonder eerst zelf waarde toe te kennen
• Neem gegenereerde quotes nooit zomaar over zonder check in de brondata
• Verlies de nuance niet door alleen te focussen op samenvattingen
• Negeer geen afwijkende of minder vaak genoemde inzichten, juist daar kan waarde zitten
• Gebruik AI niet als ‘black box’ zonder te begrijpen hoe je tot een analyse bent gekomen. Jij blijft eindverantwoordelijk voor de kwaliteit, dus je moet zelf de analyse begrijpen.

Conclusie: gebruik je AI ter ondersteuning van je onderzoek naar interne communicatie

AI kan een waardevolle rol spelen in het analyseren van onderzoeksresultaten, mits je het bewust en zorgvuldig inzet. Het is geen vervanging van menselijke interpretatie, maar een manier om processen te versnellen en inzichten sneller boven tafel te krijgen. Door kritisch te blijven op ethiek, betrouwbaarheid en dataveiligheid, en door je data goed voor te bereiden, haal je het maximale uit de ondersteuning van AI. Uiteindelijk blijft de mens degene die betekenis geeft aan de uitkomsten en dat is precies waar de echte waarde zit.

Wil je zelf aan de slag met het beter benutten van onderzoeksdata binnen jouw organisatie? Of ben je benieuwd hoe je met behulp van AI meer inzicht haalt uit bestaande data zoals medewerkersonderzoeken, interviews of andere onderzoeken? Bij Orange Otters helpen we organisaties om van data naar concrete verbeteringen in interne communicatie te komen. Of het nu gaat om het opzetten van onderzoek, het analyseren van bestaande data of het vertalen van inzichten naar actie, we denken graag met je mee. Neem gerust contact met ons op om te ontdekken wat er mogelijk is.