1. De mythe van de wedloop om het nieuwste model (een 3%-standaardproduct)
De omvangrijke investeringen van Amerikaanse techreuzen, wier uitgaven voor infrastructuur volgend jaar 700 miljard dollar zullen bedragen, ondersteunen een zeer specifiek strategisch verhaal: het idee dat bedrijven absoluut hun nieuwste closed-source-modellen moeten aanschaffen om concurrerend te blijven.
In werkelijkheid zijn de onderliggende AI-modellen in 2026 een massaproduct geworden. Het gemiddelde prestatieverschil tussen een gratis (open-source) model en een betaald (closed-source) model bedraagt slechts ongeveer 3%. Toch benutten de meeste bedrijven momenteel slechts 0,001% van de werkelijke mogelijkheden van deze tools. Tegenwoordig is de echte onderscheidende factor niet het model dat van Amerikaanse giganten wordt gehuurd, maar veeleer eigen data en de context van uw organisatie.
Vincent Luciani, medeoprichter en uitvoerend voorzitter van Artefact, voorzag deze verschuiving al in 2014, toen hij tijdens elke klantbijeenkomst nog moest uitleggen wat de term “AI” precies inhield. Vandaag de dag is Artefact, met 2.500 medewerkers, het grootste onafhankelijke adviesbureau op het gebied van data en AI in Europa, en de conclusie van het bedrijf is onomstotelijk: zonder schone data is zelfs het krachtigste model waardeloos.
“Het is niet de AI die het verschil maakt; het is de kwaliteit van het data-systeem dat al binnen het bedrijf is geïmplementeerd.”, Vincent Luciani, medeoprichter en uitvoerend voorzitter van Artefact
2. De valkuil van “Token Maxing”, oftewel de schijn van productiviteit
De kern van de leugen ligt in een culturele praktijk die voor Silicon Valley uiterst lucratief is: “Token Maxing”. Techgiganten oefenen enorme druk uit op ontwikkelaars om rekenkracht (tokens) overmatig te verbruiken. Vincent Luciani wijst met name op Jensen Huang, de oprichter van Nvidia, die publiekelijk beweerde dat een ontwikkelaar die 500.000 dollar per jaar verdient, ten minste voor 250.000 dollar aan tokens zou moeten verbruiken. Deze cultuur is zo schadelijk geworden dat er geruchten de ronde doen dat ontwikkelaars zijn ontslagen louter omdat zij niet genoeg tokens hebben uitgegeven, terwijl start-ups tools aanbieden om op kunstmatige wijze tokens te gebruiken en zo een hoge activiteit te simuleren.
Voor bedrijven in de reële economie zijn de financiële gevolgen rampzalig:
- Ongecontroleerde begrotingsstijgingen: Gevestigde bedrijven zoals Uber hebben hun volledige jaarlijkse AI-budget in slechts vier maanden opgebruikt.
- Het gevaar van autonome lussen: Dankzij moderne AI-architecturen kunnen autonome agents sub-agents opstarten om een probleem op te lossen. Zonder toezicht blijven deze scripts de hele nacht doorlopen. Vincent Luciani noemt het geval van een klant die in één nacht een onverwachte rekening van 150.000 dollar ontving als gevolg van één enkele, slecht geformuleerde analytische zoekopdracht.
- De productiviteitsparadox: Silicon Valley maakt veel ophef over technische teams die dankzij AI 7 tot 8 keer meer regels code produceren. Uit een onderzoek van het MIT blijkt echter hoe zinloos deze maatstaf is: deze bedrijven genereren geen hogere omzet en brengen ook niet significant meer producten op de markt. “Token Maxing” is vaak niets meer dan een grootschalige overdracht van vermogen van de bedrijfskassen naar de servers in Silicon Valley.
3. De illusie van kennis en de beslissingsknelpunt
Deze schijn van productiviteit verhult een cognitieve achteruitgang die Vincent Luciani illustreert aan de hand van een onderzoek onder studenten. Wanneer zij worden geconfronteerd met een opdracht (of het nu gaat om geschiedenis, wiskunde of programmeren), behaalt de groep studenten die toegang heeft tot AI steevast veel betere cijfers. Wanneer de toets echter enkele dagen later zonder AI wordt herhaald, storten hun prestaties volledig in (van een 10 naar een 1), omdat eenvoudig kopiëren en plakken de mentale inspanning omzeilt die nodig is voor het onthouden van informatie.
Precies hetzelfde verschijnsel doet zich voor in het bedrijfsleven. Door AI aan het begin van een creatief of strategisch proces in te zetten, wordt intellectuele luiheid in de hand gewerkt. Dit is de reden waarom het operationele knelpunt is verschoven: het gaat niet langer om het produceren, maar om het nemen van beslissingen en het valideren daarvan.
In de consultancy kunnen bijvoorbeeld tools zoals Granola (spraak-naar-tekst) en AI-scripts binnen een minuut na het verlaten van een klantgesprek een commercieel voorstel en presentatiedia’s genereren. Maar Artefact verbiedt zijn consultants dit te doen. AI mag pas aan het allerlaatste einde van het proces worden ingezet, uitsluitend om het diepgaande menselijke denkwerk dat vooraf is verricht te formaliseren – anders levert het niets anders op dan een saai statistisch gemiddelde.
“De echte bottleneck is tegenwoordig niet langer de productie, maar de menselijke validatie van beslissingen.”, Vincent Luciani, medeoprichter en uitvoerend voorzitter van Artefact
4. Het tegengif: “The Harness” en de 4 Data-stappen
Om aan deze winstval te ontsnappen, moeten bedrijven overschakelen op een strikt controlekader dat “The Harness” wordt genoemd. Dit houdt in dat er een rigoureus bestuurskader wordt opgezet om de rekenkosten te bewaken, afwijkingen in technische modellen bij te houden en de toegangsrechten voor data te beperken.
Om dit raamwerk op te bouwen en AI daadwerkelijk winstgevend te maken, is het noodzakelijk om terug te keren naar pragmatische basisprincipes, die zijn samengevat in een stappenplan van vier stappen om data op orde te brengen:
- Controleer de juistheid bij de bron: Evalueer de bestaande hulpmiddelen. In de meeste bedrijven ontbreekt de basisinformatie data of is deze onjuist (zo vergeet bijvoorbeeld één op de twee verkopers het CRM bij te werken na een gesprek met een klant).
- De taxonomie harmoniseren: Zorg ervoor dat woorden overal dezelfde betekenis hebben. Als een “klant” in Frankrijk “iemand die een bestelling heeft geplaatst” betekent, maar in Spanje “iemand die heeft betaald”, zal de AI onnauwkeurige data genereren.
- Domeineigenaren aanwijzen: Data verliest onmiddellijk zijn waarde. Data moet voortdurend worden onderhouden door leidinggevenden die rechtstreeks verantwoordelijk zijn voor hun werkterrein (CRM, HR, Financiën).
- Zorg voor één enkele betrouwbare bron: Verbied definitief het gebruik van de tientallen Excel-bestanden die tussen teams met verschillende grid-versies circuleren, en centraliseer alle processen in één enkele, overzichtelijke en doorzoekbare database.
Pas wanneer deze informatiebron op de juiste wijze is gestructureerd, kan AI effectief worden ingezet. AI kan dan de silo’s binnen het bedrijf doorbreken door de afdelingen financiën, HR, verkoop en werving horizontaal met elkaar te verbinden.
5. Negeer de hype: de overlevingsles van Artefact
Juist dankzij deze discipline, ondanks de verleidelijke lokroep van Silicon Valley, kon Artefact zijn eigen crises doorstaan. In 2017, toen het nog maar een jong bedrijf met 50 medewerkers was, realiseerde het een omgekeerde fusie met Net Booster, een beursgenoteerd reclamebureau dat drie keer zo groot was (600 medewerkers verspreid over 20 landen).
De operatie veranderde onmiddellijk in een operationele nachtmerrie. Net Booster verloor in razend tempo zijn bestaande klanten, de bestuurders van de Britse dochteronderneming traden de dag na de transactie af en de Duitse dochteronderneming kreeg te maken met een onverwachte btw-controle. De EBITDA kelderde tot 400.000 euro, waardoor het bedrijf op de rand van een wettelijk faillissement balanceerde. Op de Boursorama-forums waren de aanvallen aan de orde van de dag en de aandelenkoers stortte in tot 50 cent.
Om het hoofd boven water te houden, namen Vincent Luciani en zijn partners een radicale beslissing: zij negeerden alle berichten over hun traditionele kernactiviteiten en zetten uitsluitend in op enterprise data en machine learning. Zij bespaarden op de kosten, stopten de activiteiten in onrendabele landen en maakten gebruik van het overgenomen internationale netwerk om data-adviescentra op te zetten.
Dankzij deze strikte aanpak konden zij het schip weer op koers brengen en de beursdelisting van het bedrijf afronden tegen een prijs van 8 euro per aandeel – wat neerkwam op een totale transactiewaarde van 300 miljoen euro – waarna het bedrijf in daaropvolgende financieringsrondes met de fondsen Ardian en Cinven werd gewaardeerd op meer dan een miljard euro.
Bekijk de podcast op YouTube
