Tijdens de recente Big Data & AI Paris-conferentie op 15 september deelde Hanan Ouazan, Group Chief AI Strategist bij Artefact, zijn onverbloemde visie op AI-gedreven transformatie. In zijn presentatie legde Hanan uit hoe men verder kan gaan dan louter individuele productiviteitswinst om een kennisplatform voor de hele onderneming op te bouwen en een concurrentievoordeel te behouden.
Van individuele acceptatie tot bedrijfsrendement (ROI)
Er is momenteel sprake van een grote paradox die bepalend is voor de AI-markt en de manier waarop organisaties waarde genereren:
- Enorme investeringen: Voor 2025 wordt een investering in AI van naar schatting $582 miljard verwacht (bijna 0,5% van het wereldwijde bbp), waarbij modellen in staat zullen zijn om problemen aan te pakken die al decennia lang onopgelost zijn gebleven.
- Beperkte daadwerkelijke impact: Volgens een Onderzoek van McKinsey, slechts 6% van de bedrijven slaagt er daadwerkelijk in om via AI zakelijke voordelen te realiseren.
Deze kloof is te verklaren door de beperkingen van de twee traditionele implementatiemethoden. De top-downbenadering (door het management aangestuurde transformatieprojecten) stuit al snel op menselijke beperkingen en de last van verouderde technologie. Bovenal is de financiële afweging meedogenloos: een project van 1 miljoen euro moet binnen een jaar 1 miljoen euro aan ROI opleveren, omdat de technologie binnen drie jaar al meerdere malen zal zijn veranderd. Als gevolg hiervan komen slechts 10% tot 20% van de bedrijfsprocessen daadwerkelijk in aanmerking voor deze grootschalige transformatieprojecten.
Omgekeerd wekt de bottom-upbenadering (waarbij generatieve AI-tools aan alle medewerkers ter beschikking worden gesteld) een schijn van productiviteit. Het individu wordt “hyperproductief”, maar deze meerwaarde laat zich maar moeilijk doorvoeren naar de organisatie als geheel. Zoals in juni Financiële Times Zoals uit het onderzoek blijkt, gaat het om een cascade-effect: een ontwikkelaar produceert drie keer zoveel code, die winst daalt tot 1,5 op het niveau van het productteam en vertaalt zich uiteindelijk in slechts 30% extra functies voor het bedrijf. Zelfs de best presterende organisaties benutten slechts een fractie van de individuele winst.
Het voorbeeld van San Francisco: een nieuwe invulling van werk
Echte transformatie gaat niet louter om het uitdelen van licenties, maar om een ingrijpende herdefiniëring van de manier waarop werk wordt verricht.
In San Francisco hebben grote techbedrijven de manier waarop zij producten ontwerpen veranderd. Productmanagers maken gebruik van AI om zelf de eerste functionele prototypes te bouwen. Hierdoor is de tijd tussen het vaststellen van een gebruikersbehoefte en het in productie nemen van het product teruggebracht van gemiddeld 3 tot 6 maanden tot slechts 3 tot 6 weken.
Om productiviteitswinst te realiseren, volstaat het niet om alleen maar een hulpmiddel aan te bieden; medewerkers moeten hun functierollen opnieuw definiëren.
“Het heeft geen zin om AI-platforms in te zetten louter vanwege de technologische aantrekkingskracht. Het succes van een dergelijk initiatief hangt bovenal af van de afstemming op concrete zakelijke toepassingen.” — Hanan Ouazan, hoofd AI-strateeg bij Artefact.
Contextuele logica: informatie koppelen en verspreiden
Een van de uitdagingen op het gebied van AI betreft het bewaren en verspreiden van informatie. Wanneer een medewerker tegenwoordig tijdens een vergadering verneemt dat een klant een nieuw budget vrijmaakt of het management vervangt, blijft deze cruciale informatie vaak opgesloten in zijn of haar persoonlijke aantekeningen of in een ongebruikt verslag van de vergadering.
In de overtuiging dat het onmogelijk is om transformatie aan klanten te verkopen zonder zelf intern te kunnen transformeren, heeft Artefact zijn interne architectuur herontworpen rond een initiatief met de naam “ACE” (een Contextplatform). Het kernprincipe is het creëren van bedrijfscontextlogica: kennisobjecten (klanten, bedrijven, expertisegebieden) koppelen op de plek waar ze zich bevinden, in plaats van ze in één enkele database op te stapelen, zodat informatie standaard stroomt en voor iedereen toegankelijk is.
In de praktijk geeft ACE eenvoudigweg een feitelijke kwalificatie aan informatie: op welke klant, welk project of welke personen een notitie betrekking heeft, en wie toestemming heeft om deze in te zien. Elk product haalt vervolgens de voor zichzelf relevante informatie op en haalt daaruit wat het nodig heeft.
“Het belangrijkste kapitaal van uw bedrijf ligt in uw eigen data en kennis. In een wereld waarin AI-modellen steeds meer een massaproduct worden, is het juist deze unieke kennis die het verschil maakt.” — Hanan Ouazan, hoofd AI-strateeg bij Artefact.
De drie pijlers van een winstgevende en veilige AI-strategie
Om het rendement op de investering te waarborgen en te voorkomen dat er steeds meer platforms ontstaan die geen aansluiting hebben bij het daadwerkelijke gebruik, moet een AI-strategie berusten op drie concrete pijlers:
- De waarde zit in uw data, niet in de modellen: AI-modellen worden steeds krachtiger, terwijl de kosten ervan sterk dalen. Wat uw werkelijke concurrentievoordeel vormt, is uw interne data en domeinexpertise (uw kennis), waarover de rest van de wereld niet beschikt.
- Natuurlijke informatieverzameling: Vertrouw niet op handmatige inspanningen om uw kennisbanken te vullen. Data moet zo natuurlijk mogelijk worden verzameld, rechtstreeks op de plek waar medewerkers werken (Google Chat, verslagen van vergaderingen, enz.), om de drempel zo laag mogelijk te houden.
- Bescherm uw “kennis” (knowhow): Uw waarde ligt in de manier waarop u het gebruik van AI aanstuurt en vormgeeft (vaardigheden, bestuursregels, beveiliging, kosten- en tokenbeheer). Geef deze kennis niet prijs aan openbare platforms, zodat zij van u kunnen leren. Bouw en beheers uw eigen omgeving.
Uiteindelijk draait het succes van een AI-initiatief niet louter om het simpelweg samenvoegen van technologieën; het vereist dat het wordt onderbouwd door praktijkgerichte toepassingen en daadwerkelijke gebruikersbehoeften.
