GenAI: meer dan alleen use-cases
Traditioneel hebben bedrijven AI toegepast om geïsoleerde pijnpunten op te lossen, zoals het verbeteren van de prognoses voor de toeleveringsketen of het verbeteren van fraudedetectie.
“Maar GenAI is anders. Het is niet zomaar een hulpmiddel om specifieke taken te optimaliseren; het heeft het potentieel om de manier waarop bedrijven werken opnieuw vorm te geven.”
Edouard de Mézerac, Artefact CEO
Deze verschuiving betekent dat het automatiseren of vergroten van conceptuele taken, zoals het verzamelen van informatie en het nemen van beslissingen, nu binnen handbereik ligt. De impact gaat verder dan efficiëntiewinst; het herdefinieert de hele waardeketen van industrieën.
Toepassingen in de echte wereld: hoe topbedrijven GenAI gebruiken
Om deze transformatie te illustreren, deelde Edouard voorbeelden uit de praktijk waar GenAI al een aanzienlijke impact heeft:
Telecom - Vermindering van installatievertragingen met 70-80%
-Uitdaging: Een groot telecombedrijf had te kampen met grote vertragingen bij de installatie van glasvezel vanwege planningsconflicten en ontoereikende infrastructuur. Het oplossen van deze problemen nam gemiddeld 2 tot 3 maanden in beslag.
-Oplossing: AI automatiseerde het verzamelen van informatie van telecomproviders, stadsdocumenten en gebouweigenaren, terwijl het ook de planning van afspraken en de coördinatie van de workflow afhandelde.
Productie - Verkoopteams helpen om productkennis onder de knie te krijgen
-Uitdaging: Een wereldwijd bedrijf in elektrische producten moest zijn verkoopteams snel duizenden productdetails leren kennen, waardoor het moeilijk werd om nauwkeurig advies te geven aan B2B-klanten.
-Oplossing: Een GenAI chatbot voorzag verkoopteams van realtime, betrouwbare productgegevens, ondersteund door retrieval-augmented generation (RAG) om nauwkeurigheid te garanderen en AI “hallucinaties” te minimaliseren.”
Luxury Retail - Training van verkooppersoneel over nieuwe producten verbeteren
-Uitdaging: Een duur modemerk introduceert elke week 15 nieuwe producten per winkel, waardoor het voor verkoopmedewerkers een uitdaging is om op de hoogte te blijven van productdetails en aanbevelingen.
-Oplossing: AI leverde direct inzicht in het product, inclusief de achtergrond van de ontwerper, belangrijke kenmerken en mogelijke combinaties, waardoor de interactie met de klant werd verbeterd.
De harde waarheid: de meeste bedrijven zijn er niet klaar voor
Ondanks het potentieel van de technologie zijn de meeste bedrijven niet voorbereid op GenAI. Edouard identificeerde vijf belangrijke barrières voor een wijdverspreide invoering van GenAI:
Onvoorbereidheid van het leiderschap
Veel senior managers hebben hun carrière opgebouwd in een tijdperk voordat AI en digitale transformatie een integraal onderdeel werden van de bedrijfsstrategie. Als gevolg daarvan is er een aanzienlijke kenniskloof: slechts 50% van de leiders heeft een AI-training gevolgd, en van hen geeft de helft aan dat hun training onvoldoende is.
Beperkte gereedheid voor bedrijfsfuncties
Een succesvolle AI-implementatie kan niet alleen een IT-gedreven initiatief zijn. Zakelijke leiders in belangrijke functies, zoals supply chain, marketing, inkoop en CRM, moeten verantwoordelijkheid nemen voor de integratie van GenAI.
Onvoldoende data infrastructuur
AI-modellen vereisen hoogwaardige, goed gestructureerde data om effectief te kunnen werken. Veel bedrijven kampen met problemen zoals inconsistente data governance, onduidelijke referentiekaders en slechte documentatie. Zonder een solide data foundation hebben bedrijven moeite om AI-oplossingen op schaal in te zetten.
Onduidelijk bestuur en ethische kaders
De regelgeving voor AI verschilt aanzienlijk per land, waardoor het voor multinationale organisaties ingewikkeld wordt om aan de regels te voldoen. Daarnaast brengt GenAI belangrijke ethische en personeelsgerelateerde problemen met zich mee. Als AI bijvoorbeeld marketingafdelingen in staat stelt om dezelfde output te behalen met minder werknemers, moeten bedrijven rekening houden met mogelijke gevolgen voor hun personeelsbestand.
Hoge implementatiekosten en onzekere ROI
Voor veel bedrijven blijft het bouwen en implementeren van schaalbare GenAI-oplossingen te duur. Sommige AI-gedreven bedrijfsmodellen worstelen nog steeds met een positieve ROI.
Een race voor de sterkste
We zijn getuige van een nieuw technologisch tijdperk dat zich in een ongekend tempo ontvouwt - een tijdperk dat het volgende decennium van economische transformatie zal bepalen. Bedrijven die GenAI omarmen en hun workflows opnieuw vormgeven, zullen floreren. Bedrijven die zich niet aanpassen, zullen achterop raken.
Edouard de Mézerac vindt het geweldig om te zien dat HEC Alumni een leidende rol spelen in deze gesprekken en benadrukt een duidelijke boodschap: Leiderschap moet in actie komen, strategieën heroverwegen en zich voorbereiden op een toekomst die er al is.
