In deze aflevering van The Bridge van Artefact deelt Hanan Ouazan zijn expertise over AI en de invloed daarvan op het automatiseren van bedrijfsprocessen en het verhogen van de productiviteit binnen de onderneming.

Hij werd geïnterviewd door Caroline Goulard, CEO en oprichtster van twee data , over zowel haar analyse van deze ingrijpende transformatie als de nieuwe toepassingen die hieruit zullen voortvloeien.

Hanan is lid geworden Artefact toen het bedrijf 10 jaar geleden werd opgericht en heeft altijd een passie gehad voor AI . Hij speelt een sleutelrol in de ontwikkeling van generatieve AI bij Artefact onze klanten, waarbij hij gebruikmaakt van voortdurend evoluerende geavanceerde technologieën om beter aan hun behoeften te voldoen in overeenstemming met de eisen van hun sector.

Hij studeerde af aan de Centrale Lille en de École Normale Supérieure (ENS) en voltooide zijn onderzoeksmaster MVA (Mathematics, Vision, Learning) aan de ENS, een van de meest toonaangevende opleidingen op het gebied van machine learning, Data en statistisch leren. Hanan geeft leiding aan een team van getalenteerde ingenieurs bij het ontwerpen, ontwikkelen en op de markt brengen van toep artificial intelligence .

De AI : een nieuw tijdperk in automatisering.

AI zijn niet langer louter hulpmiddelen die geautomatiseerde taken uitvoeren. In tegenstelling tot RPA (Robotic Process Automation), dat vooraf gedefinieerde taken in een vaste volgorde uitvoert, kunnen AI zich aanpassen aan hun omgeving, beslissingen nemen en processen optimaliseren zonder menselijke tussenkomst.

Dit betekent een echte stap in de richting van meer autonome, flexibele en intelligente AI. Deze AI bieden een nieuwe, meer adaptieve aanpak, omdat ze:

  • Hun omgeving observeren en hun gedrag aanpassen op basis van de data.
  • Samenwerken met meerdere systemen om complexe taken uit te voeren.
  • Procesoptimalisatie en -automatisering zonder voortdurende menselijke tussenkomst.
AI en Agentic zullen in 2025 de meest besproken technologische termen zijn. Deze ontwikkeling op het gebied van automatisering maakt gebruik van de uitzonderlijke prestaties die generatieve AI opgeleverd. Ik noem het graag RPA 2.0: het is in staat om te worden geïntegreerd in dynamische workflows en gaat verder dan de rol van een eenvoudige assistent.”
Hanan Ouazan, Managing Partner bij Artefact Global Lead AI

RPA-technologie (Robotic Process Automation) houdt in dat een proces wordt geautomatiseerd door het op te splitsen in een reeks taken die aan elkaar worden gekoppeld totdat het gewenste resultaat is bereikt, vaak volgens een eenvoudig proces: lezen, extraheren, schrijven.

Generatieve AI bestaan uit drie onderdelen:

  1. LLM: In eerste instantie hadden we modellen waarmee we vragen konden beantwoorden op basis van hun kennis.
  2. Assistent: Toen brak het tijdperk aan van assistenten die konden communiceren met kennissystemen om ons te helpen in ons dagelijks leven (zoals RAG) – de beroemde „COPILOT“. Hier AI niets „uit“, maar verrijkt het zijn kennis en ondersteunt het de gebruiker.
  3. Agent: Een agent is een applicatie die een doel nastreeft door de omgeving te observeren en daarop te reageren met de middelen die hem ter beschikking staan. Nieuw is dit ‘bewustzijn’ van de omgeving, waardoor de agent zich kan aanpassen aan onvoorziene gebeurtenissen.

En juist daarin verschilt het van het concept van RPA. Het is het vermogen van de agent om zich aan te passen aan het onverwachte dat ervoor zorgt dat het vaak het label RPA 2.0 krijgt!

Praktijkvoorbeeld: hoe AI het verschil maken.

AI vinden op tal van gebieden toepassing.

  • Klantrelaties: slimme chatbots die niet alleen vragen kunnen beantwoorden, maar ook acties kunnen uitvoeren (een contract bijwerken, een factuur genereren, een specifiek verzoek afhandelen).
  • Backoffice: EDM 2.0, geautomatiseerd documentbeheer, afhandeling van incidenten en interne verzoeken.
  • Code schrijven: AI’s helpen ontwikkelaars door code te genereren, scripts te optimaliseren of tests te automatiseren.

 

“Use cases zullen opnieuw moeten worden bekeken vanuit het oogpunt van het proces, en niet alleen maar in AI moeten worden omgezet. Het doel is niet om AI er zomaar bovenop te plakken, maar om het proces opnieuw te definiëren zonder de beperkingen die er mogelijk waren.”
Hanan Ouazan, Managing Partner bij Artefact Global Lead AI

De invloed van AI op softwareontwikkeling: automatisering, interoperabiliteit en nieuwe uitdagingen.

 

“We zien de opkomst van AI die in staat zijn om code te genereren, deze te implementeren en zelfs complexe processen te automatiseren. Deze technologieën zorgen voor een ingrijpende verandering in de softwareontwikkeling, waardoor het veel sneller en toegankelijker wordt om applicaties verder te ontwikkelen.”
Hanan Ouazan, Managing Partner bij Artefact Global Lead AI

AI hebben twee belangrijke toepassingen:

  1. Snelle bootstrapping (bijv. Bolt): onmiddellijke omzetting van concepten in prototypes.
  2. Ontwikkelingshulp (bijv. Copilot, Cursor): codeaanvulling, refactoring, het genereren van tests.

Deze ontwikkeling is echter geen vervanging voor menselijke expertise. Deze tools vereisen streng toezicht om structurele fouten te voorkomen, en met name het risico van ‘kaartenhuis’-code, die op het eerste gezicht krachtig lijkt maar in de productie onstabiel is.

Hoe AI het probleem van de interoperabiliteit tussen applicaties zullen oplossen.

Tegenwoordig is de koppeling tussen een AI en software voornamelijk gebaseerd op servicespecifieke API’s. Om bijvoorbeeld te communiceren met systemen als Google Drive, Slack en Confluence, houdt dit het volgende in:

  1. Het integreren van drie verschillende API’s, die elk hun eigen technische kenmerken hebben.
  2. De AI configureren met drie connectoren, die elk afzonderlijk moeten worden geauthenticeerd en geconfigureerd.
  3. Er worden drie afzonderlijke zoekopdrachten uitgevoerd, waarvan de resultaten vervolgens door de agent worden samengevoegd of samengevat.

Dit proces is niet alleen complex, maar ook moeilijk te onderhouden en verder te ontwikkelen, vooral op grote schaal. Dit is precies het probleem dat het door Anthropic gelanceerde initiatief, met het Model Context Protocol (MCP), wil oplossen. Dit nieuwe protocol fungeert als een universele, gestandaardiseerde API, die speciaal is ontworpen om de interactie tussen AI en software te vereenvoudigen.

Tot slot is het belangrijk om te beseffen dat AI de structuur van SaaS-software ter discussie stellen, die is gebaseerd op drie fundamentele bouwstenen (UX, intelligentie,Data). Deze technologie zet deze drie componenten op losse schroeven:

  1. UX: Dankzij AI verandert de interactie met de gebruiker. Prompts en automatisering nemen de plaats in van het traditionele klikken, waardoor de klassieke UX minder centraal komt te staan. De ervaring wordt opnieuw gedefinieerd rond onzichtbare workflows of workflows die zijn afgestemd op de behoeften van de agenten.
  2. Inzicht: Automatiseringen omvatten vaak acties tussen verschillende systemen. Open, gestandaardiseerde logica zou de plaats kunnen innemen van workflows die vastzitten in geïsoleerde ecosystemen.
  3. Data: Data blijft een obstakel voor volledige integratie.

 

“Tegenwoordig bouwen SaaS-aanbieders verschillende automatiseringslagen in hun platforms in, maar deze aanpak stuit op zijn grenzen nu er behoefte is aan ondersteuning voor meerdere platforms. De toekomst van SaaS ligt waarschijnlijk in open, onderling verbonden en adaptieve logica, ten dienste van bedrijven.”
Hanan Ouazan, Managing Partner bij Artefact Global Lead AI

AI : acceptatie, uitdagingen en gevolgen voor het werk.

De eerste AI , zoals Copilot van Microsoft, Google en Salesforce, raken steeds meer ingeburgerd, maar blijven beperkt tot eenvoudige taken. Geavanceerdere agenten hebben moeite om op grote schaal te worden ingezet vanwege een gebrek aan controle en vertrouwen, terwijl autonome agenten nog steeds in een experimenteel stadium verkeren.

Enkele maanden geleden verklaarde Jensen Huang, CEO van Nvidia, tijdens de Consumer Electronics Show (CES) in Las Vegas dat „IT de HR van AI zal worden”.

Volgens Hanan Ouazan is deze visie weliswaar interessant en uitdagend, maar niet helemaal realistisch en ook niet wenselijk.

Volgens hem zal IT een sleutelrol spelen bij de implementatie van deze AI , maar zal het niet in staat zijn om het beheer van deze tools in zijn eentje op zich te nemen. Dit vereist een bredere organisatorische transformatie en de onmisbare betrokkenheid van de bedrijfsonderdelen:

  • Een uitdaging voor het bedrijf boven alles: AI automatiseren bedrijfsprocessen. Om hier toezicht op te houden, is de inzet van operationele en data nodig.
  • Een ingrijpende organisatorische verandering: de IT-afdeling wordt verantwoordelijk voor het technische onderhoud, maar het beheer en de optimalisatie van de agents vallen onder de verantwoordelijkheid van de bedrijfsonderdelen.

Generatieve AI nu al AI een transformatie van bedrijven: minder uitvoerende taken, meer toezicht en optimalisatie. Net als bij industriële automatisering moeten vaardigheden mee evolueren om deze tools effectief te kunnen integreren.

 

“Automatisering alleen is niet voldoende: we moeten onze bedrijfsprocessen nu al herzien om onnodige complexiteit te voorkomen. AI niet zomaar een extra laag zijn, maar een hefboom om efficiëntere modellen te bedenken die zijn afgestemd op de bedrijfsbehoeften.”
Hanan Ouazan, Managing Partner bij Artefact Global Lead AI