GenAI: meer dan alleen maar toepassingsvoorbeelden
Van oudsher hebben bedrijven AI ingezet AI afzonderlijke knelpunten op te lossen, bijvoorbeeld om de prognoses voor de toeleveringsketen te verbeteren of de fraudedetectie te versterken.
“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 ingrijpend te veranderen.”
Edouard de Mézerac, Artefact
Deze verschuiving betekent dat het automatiseren of ondersteunen van conceptuele taken – zoals het verzamelen van informatie en het nemen van beslissingen – nu binnen handbereik ligt. De impact reikt verder dan alleen efficiëntiewinst; het geeft de gehele waardeketen van sectoren een nieuwe invulling.
Praktijkvoorbeelden: hoe toonaangevende bedrijven GenAI inzetten
Om deze transformatie te illustreren, gaf Edouard praktijkvoorbeelden waarin GenAI nu al een aanzienlijke impact heeft:
Telecom – Installatievertragingen met 70-80% verminderen
–Uitdaging: Een grote organisatie grote vertragingen bij de aanleg van glasvezelverbindingen als gevolg van planningsconflicten en ontoereikende infrastructuur. Het oplossen van deze problemen nam gemiddeld twee tot drie maanden in beslag.
–Oplossing: AI verzameldeAI informatie van telecomproviders, gemeentelijke registers en gebouweigenaren, en regelde tegelijkertijd de afsprakenplanning en de coördinatie van de workflow.
Productie – Verkoopteams helpen hun productkennis te verdiepen
–Uitdaging: Een wereldwijde organisatie op het gebied van elektrische producten organisatie haar verkoopteams snel duizenden productdetails onder de knie zouden krijgen, waardoor het moeilijk was om B2B-klanten nauwkeurig advies te geven.
–Oplossing: Een door GenAI aangestuurde chatbot voorzag verkoopteams van realtime, betrouwbare productdetails, ondersteund door retrieval-augmented generation (RAG) om de nauwkeurigheid te waarborgen en AI beperken.
Luxe detailhandel – Verbetering van de training van het verkooppersoneel over nieuwe producten
–Uitdaging: Een luxe 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 direct productinformatie, waaronder achtergrondinformatie over de ontwerper, de belangrijkste kenmerken en mogelijke combinaties, waardoor de interactie met klanten werd verbeterd.
De harde waarheid: de meeste bedrijven zijn er nog niet klaar voor
Ondanks het potentieel van deze technologie zijn de meeste bedrijven nog niet klaar voor GenAI. Edouard heeft vijf belangrijke belemmeringen voor een brede acceptatie van GenAI geïdentificeerd:
Gebrek aan voorbereiding bij het management
Veel topmanagers hebben hun carrière opgebouwd in een tijdperk waarin AI digitale transformatie nog geen integraal onderdeel vormden van de bedrijfsstrategie. Daardoor is er een aanzienlijke kenniskloof ontstaan: slechts 50% van de leidinggevenden heeft AI gevolgd, en van hen geeft de helft aan dat hun training ontoereikend is.
Beperkte gereedheid van bedrijfsfuncties
AI succesvolle AI kan niet louter een initiatief van de IT-afdeling zijn. Leidinggevenden in alle belangrijke functies – zoals de toeleveringsketen, marketing, inkoop en CRM – moeten de verantwoordelijkheid voor de integratie van GenAI op zich nemen.
Onvoldoende data
AI hebben hoogwaardige, goed gestructureerde data nodig data effectief te kunnen functioneren. Veel bedrijven kampen met problemen zoals inconsistente data , onduidelijke referentiekaders en gebrekkige documentatie. Zonder een solide data hebben bedrijven moeite om AI op grote schaal in te voeren.
Onduidelijke bestuurs- en ethische kaders
De regelgeving op het gebied van AI sterk van land tot land, wat voor multinationale ondernemingen tot complexe nalevingsvraagstukken leidt. Daarnaast roept generatieve AI belangrijke ethische en personeelsgerelateerde vraagstukken op. Als AI marketingafdelingen bijvoorbeeld AI om met minder personeel dezelfde resultaten te behalen, moeten bedrijven rekening houden met de mogelijke gevolgen voor hun personeel.
Hoge implementatiekosten en onzekere ROI
Voor veel bedrijven blijft het ontwikkelen en implementeren van schaalbare GenAI-oplossingen te duur. Sommige AI bedrijfsmodellen hebben nog steeds moeite om een positief rendement op de investering te behalen.
Een wedstrijd voor de sterksten
We zijn getuige van een nieuw technologisch tijdperk dat zich in een ongekend tempo ontvouwt – een tijdperk dat bepalend zal zijn voor het komende decennium van economische transformatie. Bedrijven die GenAI omarmen en hun werkprocessen herzien, zullen floreren. Bedrijven die zich niet aanpassen, zullen achterop raken.
Edouard de Mézerac is verheugd dat HEC-alumni het voortouw nemen in deze discussies en benadrukt een duidelijke boodschap: leiders moeten hun verantwoordelijkheid nemen, hun strategieën herzien en zich voorbereiden op een toekomst die nu al is aangebroken.
