AI-tools boosten vooral de productiviteit van de individuele medewerker, niet die van het bedrijf

De hype rond AI blijft groeien en tools zoals ChatGPT en Copilot winnen snel terrein op de werkvloer. Hoewel deze technologieën indrukwekkend zijn, is de vraag of je deze tools moet inzetten in een businesscontext.

Het grootste risico is dat bedrijven AI omarmen zonder strategisch na te denken over hoe de technologie bedrijfsprocessen daadwerkelijk kan verbeteren. In plaats van te zorgen voor een duurzame impact, worden deze tools vaak uitgerold als ‘lege dozen’ die niet aan de verwachtingen voldoen.

Voor individueel gebruik zijn tools zoals ChatGPT en Copilot uitermate geschikt. Ze kunnen helpen bij dagelijkse taken zoals het tweaken van een e-mail, het structureren van een presentatie, of het snel verzamelen van informatie. Dit soort toepassingen vergroot vooral de persoonlijke productiviteit: ze stellen medewerkers in staat om sneller te werken en taken effectiever uit te voeren. Maar hier schuilt meteen ook een beperking: de meerwaarde en impact van de tools is grotendeels afhankelijk van de vaardigheid van de gebruiker. Een medewerker die goed weet hoe hij een vraag moet formuleren of ‘prompten’, zal betere resultaten krijgen dan iemand die dat minder goed kan.

In een businesscontext wordt dit een probleem. Wanneer dergelijke tools op schaal worden toegepast, blijft de output afhankelijk van de individuele expertise, wat inconsistentie en onbetrouwbare resultaten oplevert. Terwijl net te veel bedrijven veronderstellen dat de meerwaarde van tools als ChatGPT en Copilot voor persoonlijk gebruik ook van toepassing is wanneer ze bedrijfsbreed worden ingezet. Dat is een misvatting.

Hallucinaties

Neem een salesafdeling als voorbeeld. Het is verleidelijk om ChatGPT te gebruiken voor vragen zoals: ‘Wat speelt er in de industrie van klant X?’ Het gegenereerde antwoord is vaak nuttig, maar onvoldoende om de diepgaande inzichten te bieden die je als verkoper nodig hebt. Drie grote problemen steken daarbij al snel de kop op. Ten eerste is de vraagstelling inconsistent: salespersoon A formuleert zijn vraag anders dan salespersoon B, wat tot uiteenlopende resultaten leidt. Dit gebrek aan uniformiteit ondermijnt de schaalbaarheid van het proces. Ten tweede, hoe weet je of de gegenereerde informatie accuraat en up-to-date is? Onjuiste of verouderde data kunnen leiden tot ‘hallucinaties’ – onjuiste of irrelevante informatie die bedrijven misleidt en besluitvorming belemmert. Zonder directe toegang tot de juiste data blijft dit onzeker. Ten derde, zijn deze interacties vaak losstaande vragen, zonder enige integratie met bredere bedrijfsprocessen. Enkel met informatie over welke offers belangrijk zijn en met welke producten de klant in het verleden heeft gewerkt, los je een use-case op.

Gespecialiseerde modellen voor specifieke processen

Bedrijven die complexe zakelijke uitdagingen willen aanpakken, moeten op zoek gaan naar end-to-end AI-oplossingen die verder gaan dan eenvoudige chatinterfaces. Een effectieve AI-tool in een zakelijke context moet niet alleen antwoorden geven, maar helpen om volledige processen te automatiseren. Wat we nu zien, is dat de redeneercapaciteiten van moderne AI-modellen aanzienlijk krachtiger zijn geworden. Deze modellen kunnen data in meerdere stappen verwerken en op een samenhangende manier logische conclusies trekken, wat het risico op hallucinaties vermindert – zolang de ingevoerde data correct en volledig zijn.

Datakwaliteit

Hier ligt de kern van het probleem voor veel bedrijven: de kwaliteit van hun data. De oude gedachte dat AI-modellen getraind moeten worden met enorme hoeveelheden data, is niet langer van toepassing. Moderne AI-modellen zijn zo verfijnd dat ze effectief kunnen werken met minimale hoeveelheden schone data. Een kleine dataset, zoals een korte beschrijving van een product of dienst, kan al voldoende zijn om waardevolle inzichten te genereren. Maar die data moet wel accuraat en actueel zijn, anders blijft je AI-tool een lege doos. Bedrijven moeten daarom zorgen voor een robuust data governance systeem om ervoor te zorgen dat wijzigingen, zoals prijsaanpassingen, correct en tijdig worden doorgevoerd. Alleen door deze fundamenten op orde te hebben, kan AI meer zijn dan een hype en zorgen voor duurzame impact.