Generatieve kunstmatige intelligentie (GenAI) is wellicht de meest gehypete technologie van dit moment. Goldman Sachs Economics Research voorspelt dat bedrijven in 2025 wereldwijd bijna 200 miljard dollar investeren in AI. De technologie moet zorgen voor een hogere productiviteit, meer efficiëntie en innovatie. Directies vragen zich echter steeds vaker af of AI echt geschikt is voor bedrijfstoepassingen.
AI is zeker niet nieuw
Hoewel de hype rondom AI inmiddels ongekende hoogten heeft bereikt, is de technologie zelf niet nieuw. Nick Bostrom publiceerde zijn boek ‘Superintelligence’ meer dan 10 jaar geleden. Hij gaf hierin al een goede samenvatting van de ontwikkeling van AI-technologie. Dit eigentijdse werk beschrijft de stadia van AI – de opgeblazen verwachtingen, het moment dat de ontwikkeling stagneert na een periode van snelle groei en de doorbraken.
Bedrijven vertrouwen al lange tijd op machine learning. Ze sturen hiermee geavanceerde analyses en voorspellende mogelijkheden in een breed scala van toepassingen aan. Denk hierbij aan toepassingen in de industriële sector, financiële markt, inkoop en supplychain. Deze algoritmen voorzien vooruitstrevende bedrijven van informatie, waarmee ze een grotere operationele efficiëntie bereiken.
AI is ook al op grote schaal toegepast in verschillende vormen van algoritmen, zoals die gebruikt worden door bijvoorbeeld zoekmachines. Deze technologieën hebben een cruciale rol gespeeld in de huidige technologische ontwikkeling en hebben hele sectoren getransformeerd, met name de reclame-industrie.
Problemen nemen toe
Maar wat op het web werkt, werkt niet noodzakelijkerwijs in een zakelijke omgeving. Dit zijn de uitdagingen bij het toepassen van AI:
1. Privacy en gegevensbescherming
Het internet houdt geen rekening met autorisaties. De directie wel. Onder meer vanwege toenemende regelgeving maken directies zich steeds meer zorgen over privacy en het beschermen van data. Veel bedrijven hebben dan ook beperkingen opgelegd aan het gebruik van open GenAI-tools. En dat is meer dan terecht.
Stel je voor dat een werknemer financiële overzichten, contracten met leveranciers of salarisinformatie deelt met een GenAI-tool. Deze tool gebruikt die informatie vervolgens bij het beantwoorden van prompts van andere gebruikers.
Een GenAI-tool zonder een mechanisme voor toegangscontrole is simpelweg niet geschikt voor bedrijfsomgevingen. Het zal waarschijnlijk alleen bruikbaar zijn in specifieke scenario’s of binnen één afdeling. Hierdoor wordt de potentie van de tool beperkt en zal deze minder waarde leveren aan het hele bedrijf.
2. Samenhang data
Ook bij het gebruik van data lakes, waarbij bedrijfs- en externe gegevensbronnen worden gecombineerd voor AI-toepassingen, kunnen securityproblemen ontstaan. Data lakes kunnen verraderlijk zijn voor bedrijven, vooral wanneer gegevens worden geëxporteerd buiten de grote bedrijfsapplicaties om.
Hiervoor is een gefedereerde aanpak nodig. De bedrijfsgegevens blijven hierbij op hun oorspronkelijke locatie en worden niet gekopieerd of overgedragen. Het is belangrijk dat organisaties de betekenis en samenhang van hun data behouden. Dit is vaak een zwak punt in data lake-projecten en kan problemen veroorzaken voor de AI-modellen die op deze data worden getraind.
3. Hallucinaties
De grootste bedreiging van het inzetten van AI binnen het bedrijfsleven is dat AI de neiging heeft om te hallucineren. Generatieve AI is een uitstekend algoritme dat in staat is om te leren door goed te kijken naar de informatie die binnen zijn domein beschikbaar is. In de huidige situatie is dat vooral het internet. Maar lang niet alle informatie op internet is betrouwbaar.
In de bedrijfswereld zoeken CEO’s naar een ‘enkele bron van waarheid’. Dat betekent dat feiten gecontroleerd moeten worden. Maar hierbij vragen ze zich af welke dataset ze moeten gebruiken om hun GenAI mee te trainen. Ze kunnen immers geen producten bouwen of innovaties ontwikkelen met AI-modellen die van alles verzinnen. Of inzichten gebruiken die gebaseerd zijn op onjuiste of onnauwkeurige informatie.
Leveranciers van applicatiesuites hebben een voordeel: de bedrijfsapplicaties die door bedrijven wereldwijd worden gebruikt, bevatten veel bedrijfsgegevens. AI-algoritmen kunnen deze data analyseren voor het verkrijgen van nauwkeurige, relevante en betrouwbare inzichten. Leveranciers in dit domein hebben ook veel expertise in bedrijfsprocessen en gecontextualiseerde gegevens – de perfecte bronnen voor het trainen van effectieve GenAI.
Richtlijnen voor toepasbare GenAI
Er is geen twijfel over mogelijk dat organisaties de komende jaren flink profiteren van de kracht van AI. Of dit ook echt toepasbaar is binnen organisaties hangt af van de individuele systemen en tools die zij inzetten. Terwijl sommige organisaties al beschikken over de juiste vaardigheden, voldoen andere bedrijven nog niet aan alle eisen die ze stellen aan betrouwbaarheid en security.
Bedrijven moeten erop letten dat AI-gebruiksscenario’s worden ontwikkeld die waarde voor het bedrijf leveren, afhankelijk zijn van robuuste datasets en aan de verwachtingen voldoen. Deze richtlijnen zullen ervoor zorgen dat AI-oplossingen voor bedrijven relevant, betrouwbaar en verantwoordelijk zijn.
Manos Raptopoulos, president SAP EMEA
