Foundation-modellen raken in hoog tempo verweven met de infrastructuur van de digitale transformatie binnen ondernemingen. De modellen verbeteren in een ongekend tempo, de kosten voor inferentie blijven dalen, open-source-ecosystemen bloeien op en de prestatieverschillen tussen toonaangevende modellen worden steeds kleiner.

Als elk bedrijf toegang heeft tot AI met vergelijkbare mogelijkheden, wat zal dan het onderscheid vormen tussen de marktleiders van de toekomst??

Het antwoord ligt niet in het model zelf, maar in de organisatorische context die daarop is gebouwd.

De organisatorische context omvat de bedrijfsinzicht, bedrijfsprocessen, besluitvormingsregels, domeinexpertise, en beste praktijken opgebouwd gedurende jarenlange bedrijfsvoering. Dit bepaalt of AI werkelijk kan begrijpen hoe een onderneming functioneert, de bedrijfsdoelstellingen kan ondersteunen en voortdurend kan leren van elke interactie om vaardigheden te ontwikkelen die uniek zijn voor die organisatie.

Dit is precies de laag die de meeste ondernemingen nog moeten opbouwen, en waar het concurrentievoordeel van de volgende generatie AI tot stand zal komen.

Een krachtig model staat niet gelijk aan een krachtig bedrijfssysteem

Het is gemakkelijk om de mogelijkheden van een groot taalmodel te verwarren met daadwerkelijke zakelijke capaciteiten. Hoewel het genereren van reports in enkele seconden, het opstellen van marketingcontent of het onmiddellijk beantwoorden van vragen van klanten weliswaar indrukwekkende technische prestaties kan laten zien, deze maatregelen leiden niet noodzakelijkerwijs tot duurzame bedrijfswaarde.

Klarna vormt hiervan een treffend voorbeeld. Het fintechbedrijf maakte gebruik van universele LLM’s om ongeveer tweederde van haar klantenservicecontacten te automatiseren, waardoor een aanzienlijk aantal menselijke medewerkers wordt vervangen. Toch Iets meer dan een jaar later begon het bedrijf weer met het aannemen van medewerkers voor de klantenservice. Het probleem was niet dat het model onvoldoende mogelijkheden bood, maar dat het bedrijfssysteem niet meer aansloot bij het creëren van bedrijfswaarde.

AI optimaliseert de doelstellingen die haar worden voorgelegd onophoudelijk, maar vaak laat aspecten buiten beschouwing die moeilijk te kwantificeren zijn, zoals het omgaan met complexe klantbehoeften, het onderhouden van klantrelaties en het behouden van merkvertrouwen op de lange termijn. Wanneer efficiëntie de enige maatstaf wordt, zal AI zich richten op efficiëntie, zelfs ten koste van de kwaliteit van de dienstverlening.

Een bedrijf in consumentenelektronica in Shenzhen koos daarentegen voor een andere aanpak. Rond 70% gestandaardiseerde klantvragen werden door AI geanalyseerd en afgehandeld, terwijl menselijke medewerkers verantwoordelijk bleven voor complexe en hoogwaardige zaken. Het resultaat was een evenwicht tussen operationele efficiëntie en klanttevredenheid.

Het verschil was niet aan het model te wijten. Het kwam voort uit de manier waarop elk bedrijf zijn bedrijfsprocessen en bestuursstructuur rond AI heeft herontworpen.

Agent-gebaseerde AI geeft de bedrijfsorganisatie een nieuwe vorm

AI-agenten zijn niet langer louter conversatieassistenten: het zijn digitale medewerkers die toegang hebben tot bedrijfssystemen, workflows kunnen uitvoeren, taken kunnen voltooien, op grote schaal autonoom kunnen werken en in de loop van de tijd voortdurend leren.

In tegenstelling tot menselijke medewerkers, die van nature voorzichtigheid betrachten bij het nemen van risicovolle beslissingen, voeren AI-agenten zowel routinematige als risicovolle handelingen nog steeds met hetzelfde zelfvertrouwen uit. Als gevolg hiervan kunnen configuratiefouten, problemen met machtigingen, kennisvervuiling of tekortkomingen in de werkwijze zich snel door de hele organisatie verspreiden.

Dit verandert ingrijpend de manier waarop ondernemingen het beheer van AI moeten aanpakken.

  • Eerst, veerkracht wordt net zo belangrijk als preventie. Organisaties dienen herstelmechanismen in te voeren, zoals back-upomgevingen, testomgevingen en mogelijkheden om met één muisklik naar een eerdere versie terug te keren.
  • Tweede, het principe van minimale rechten zou de gangbare praktijk moeten worden. AI-agenten mogen uitsluitend toegang krijgen tot de data en tot de systemen die strikt noodzakelijk zijn voor het uitvoeren van hun toegewezen taken.
  • Derde, naleving moet worden geïntegreerd in AI-processen. Ondernemingen moeten voldoen aan regelgeving zoals de lokalisatievereisten van data en privacywetgeving, en tegelijkertijd duidelijk vastleggen welke data-gegevens door welke modellen mogen worden geraadpleegd.
  • Eindelijk, Organisaties moeten zich voorbereiden op nieuwe risico’s die inherent zijn aan kunstmatige intelligentie. Zo kunnen AI-agenten bijvoorbeeld onbedoeld verborgen instructies uitvoeren die in interne bedrijfsdocumenten zijn ingebed, waardoor de beoogde bedrijfsregels worden omzeild. Voortdurende monitoring, aanpassingen van het beheer en zich ontwikkelende beveiligingsmaatregelen zijn daarom van essentieel belang.

De organisatorische context is het meest waardevolle AI-activum van de onderneming

In plaats van louter een AI-toepassing te bouwen, zouden ondernemingen een systeem voor voortdurend leren.

De kern van dit systeem is het vermogen om bedrijfsprocessen, beslissingslogica, operationele kennis, nalevingsvereisten en institutionele expertise om te zetten in een organisatorische contextlaag waartoe AI-agenten toegang hebben, waarvan zij kunnen leren en waarmee zij zich voortdurend kunnen verbeteren.

In tegenstelling tot het model zelf, groeit deze contextlaag in de loop van de tijd. Elke geoptimaliseerde workflow, elke gevalideerde beslissing en elke succesvolle interactie versterkt de AI-capaciteiten van de onderneming, waardoor een troef die concurrenten steeds moeilijker kunnen evenaren.

Een eenvoudige vraag maakt duidelijk of een organisatie haar AI-voorsprong daadwerkelijk in eigen hand heeft:

Als u morgen uw basismodel zou vervangen, zouden uw opgebouwde AI-capaciteiten dan intact blijven??

Indien het antwoord ‘nee’ is, dan heeft de organisatie slechts gebruik gemaakt van de mogelijkheden van het model, in plaats van een eigen concurrentievoordeel op te bouwen.

AI-transformatie vereist een heroverweging van bedrijfsprocessen

Tegenwoordig zijn veel AI-initiatieven binnen bedrijven nog steeds gericht op het versnellen van bestaande werkprocessen. Een echte AI-transformatie vereist dat bedrijfsprocessen opnieuw worden ontworpen op basis van de mogelijkheden van AI-agenten, in plaats van louter menselijke taken te ondersteunen.

Neem bijvoorbeeld het beheer van belangrijke zakelijke klanten.

Van oudsher kunnen relatiebeheerders slechts een beperkt aantal strategische klanten intensieve aandacht geven, terwijl de overige klanten worden beheerd op basis van uitzonderingsgevallen. Er vinden periodiek bedrijfsbeoordelingen plaats, waardoor opkomende kwesties onopgemerkt blijven tot de geplande beoordelingen. Ondertussen, Waardevolle klantinzichten, de geschiedenis van klantrelaties en de redenen achter beslissingen zijn vaak uitsluitend vervat in de ervaring van individuele medewerkers en gaan verloren wanneer zij het bedrijf verlaten.

Het gebruik van AI louter om account reports te genereren, versnelt weliswaar het bestaande proces, maar laat het onderliggende bedrijfsmodel ongewijzigd.

Een op agenten gericht herontwerp ziet er fundamenteel anders uit.

AI-agenten kunnen elke klant even grondig volgen, in plaats van zich uitsluitend op strategische klanten te richten. Zij kunnen veranderingen in het aankoopgedrag, afwijkingen in bestellingen of tekortkomingen in de communicatie in realtime signaleren, in plaats van te wachten op maandelijkse evaluaties. Het belangrijkste is dat, elk klantcontact, elke zakelijke beslissing en elke succesvolle werkwijze wordt vastgelegd en geïntegreerd in de contextlaag van de organisatie, waardoor het een gedeelde organisatorische vaardigheid wordt in plaats van individuele kennis.

Het resultaat is niet alleen een grotere efficiëntie, maar een geheel nieuwe manier van werken.
Hetzelfde principe geldt voor vraagprognoses, prijsoptimalisatie, nalevingsbeheer, supply chain-activiteiten en vrijwel elk bedrijfsproces dat wordt beperkt door menselijke capaciteit.

Waar moeten ondernemingen beginnen?

Het opbouwen van concurrentievermogen op het gebied van bedrijfs-AI komt uiteindelijk neer op het herontwerpen van de manier waarop een organisatie denkt, beslissingen neemt en functioneert. Dit is niet iets wat een leverancier van modellen kan bieden.

De prioriteit voor elke onderneming is dan ook om bepaal welke bedrijfskritische activiteiten nog steeds sterk afhankelijk zijn van menselijke expertise, stel de onvoorwaardelijke regels vast waaraan AI zich moet houden, en structureer de kennis binnen de organisatie op systematische wijze, zodat deze kan worden beheerd, gedeeld en benut door AI-agenten.

Foundation-modellen zijn hard op weg om in alle sectoren een standaardfunctie te worden. De kans om een duurzaam AI-voordeel op te bouwen blijft echter nog steeds bestaan.

De organisaties die nu actie ondernemen om hun bedrijfssystemen aan te passen aan het tijdperk van AI-agenten, zullen degenen zijn die een duurzaam en verdedigbaar concurrentievoordeel tot stand brengen.

Neem contact op met de experts van Artefact om te ontdekken hoe uw organisatie haar AI-capaciteiten kan uitbouwen.