In slechts twee maanden tijd is ChatGPT uitgegroeid tot 's werelds meest gedownloade product. Wat deze oplossing onderscheidt van zijn voorgangers is de ultra-eenvoudige interface gebaseerd op conversatie-achtige "prompts". Dit intuïtieve gebruik, gekoppeld aan AI's vermogen om enorme hoeveelheden data te verwerken en snelle, nauwkeurige resultaten te leveren, vertienvoudigt de snelheid van uitvoering en besluitvorming voor professionals. AI bevrijdt mensen van repetitieve, tijdrovende taken en laat ze zich concentreren op activiteiten met een hogere toegevoegde waarde. Mensen worden niet vervangen, maar "uitgebreid", dankzij generatieve AI.
Volgens recente studies gelooft 78% van de werknemers dat generatief AI een positieve impact heeft gehad op hun productiviteit. Voor taken die te maken hebben met kennisverwerving zouden professionals 37% aan snelheid winnen en ontwikkelaars 55% bij coderingstaken. Zes maanden geleden werd een ware innovatiewedloop gelanceerd tussen de spelers in generative AI. Om de voordelen ten volle te benutten en concurrerend te blijven, moeten bedrijven snel handelen, zonder de resterende uitdagingen uit het oog te verliezen.

Transparantie en vertrouwen, de grote uitdagingen van generatieve AI

De prestaties van generatieve AI oplossingen zijn onmiskenbaar, maar ze hebben beperkingen waar we ons bewust van moeten zijn om hun impact te minimaliseren. Er zijn vier hoofdtypen:

  • Ethiek: vooroordelen, "hallucinaties", gebrek aan bronnen of gebrek aan transparantie in het gebruik van persoonlijke data kunnen weerspiegeld worden in de gegenereerde inhoud. Daarom moeten we processen voor het identificeren van vooroordelen systematiseren, zoals we dat doen bij al onze data verwerkingen op Artefact, in overeenstemming met ons ethisch handvest.

  • Milieu: het trainen van de nieuwste AI modellen op miljarden parameters heeft een ongekende koolstofvoetafdruk. Er was bijvoorbeeld het equivalent van 502 ton CO2-uitstoot nodig om GPT-3[4] te trainen, bijna tien keer de hoeveelheid die nodig is voor de levenscyclus van een gemiddelde auto. De toepassingen zijn nog maar net begonnen: zal de CO2-uitstoot van AI's worden gecompenseerd door de CO2 die niet langer wordt gegenereerd door de menselijke activiteiten die ze vervangen?

  • Werkgelegenheid: Hoewel de overgrote meerderheid van de menselijke taken niet zal worden vervangen, maar eerder zal worden bijgestaan door AI, zullen ze onmiskenbaar worden getransformeerd. Het is cruciaal dat mensen van alle leeftijden en beroepen worden opgeleid voor deze veranderingen. Bovendien openen deze technologieën nieuwe carrièremogelijkheden waarvoor we nu al een tekort aan profielen zien. Opleidingen zoals de Artefact School of Data bieden een snelle, praktische manier om je om te scholen voor deze toekomstgerichte beroepen.

  • Regelgeving: gezien de hierboven geschetste uitdagingen is het duidelijk dat generatief AI binnenkort zal worden onderworpen aan strenge regelgeving, naar het voorbeeld van de regelgeving voor de verwerking van persoonsgegevens data. De Europese Unie werkt momenteel aan de AI Act, die in 2025 van kracht zou moeten worden. Totdat er een duidelijk kader is, moeten bedrijven vertrouwen op bestaande teksten op data, intellectueel eigendom, arbeidsrecht en milieubescherming, evenals op soft law.

Artefacteigen methodologie om risico's te verminderen en bedrijfstransformatie te optimaliseren

De adembenemende, voortdurende vooruitgang in generatief AI vereist van bedrijven dat ze snel handelen, maar wel met onderscheidingsvermogen. Daarom raden we onze klanten aan om een progressieve manier van werken te hanteren en een solide kader rond hun transformatieproject te implementeren.

Om de hele organisatie aan boord te krijgen, zijn de resultaten van een eerste POC vaak doorslaggevend. Om het risico op incidenten te minimaliseren, is het beter om deze eerste test uit te voeren op een interne use case, of via menselijke bemiddeling (bijv.: een menselijke agent gebruikt AI informatie om de klant beter van dienst te zijn). Tegelijkertijd moeten we potentiële toepassingen identificeren in de hele organisatie, op basis van de bedrijfsbehoeften en alle data die we hebben.

Tegelijkertijd moet er een stappenplan worden opgesteld voor:

  • Organisatie: rollen en verantwoordelijkheden moeten worden gedefinieerd, samen met governance en processen voor het maken en uitbreiden van use cases. Er moet een rampenplan worden opgesteld om risico's en vooroordelen te voorkomen.

  • Tech stack en data: bedrijven moeten ervoor zorgen dat ze beschikken over hoogwaardigedata first-party om de geïdentificeerde use cases te bedienen en over een robuuste technische architectuur om ze te industrialiseren. Het is cruciaal om het juiste model te kiezen voor het juiste gebruik, in termen van kosten, impact of prestaties.

  • Human resources: acculturatie- en trainingsprogramma's moeten zo snel mogelijk worden opgezet om een succesvolle overgang te garanderen.

Vertrouwen sluit controle niet uit

Hoewel we ervan overtuigd zijn dat generatief AI een positieve impact heeft en zal hebben op de operationele prestaties van bedrijven en de productiviteit van hun werknemers, is het belangrijk om voorzichtig te lanceren. Vooruitgang moet continu en gecontroleerd zijn, en mensen moeten controle houden over de modellen, voordat ze volledig kunnen profiteren van de onbeperkte gebruiksmogelijkheden die deze nieuwe, ultra-high-performance technologieën bieden.