De IT-sector staat bekend om zijn acroniemen. In de context van generatieve AI mogen we er daar nog eentje aan toevoegen: FOMO, oftewel fear of missing out. Niemand wil de GenAI-trein missen, maar hoe doe je dat zonder je overhaast – en naast de kwestie – in een avontuur te storten?
Artificiële intelligentie is op zich niet nieuw. Ook de voorbije decennia gingen bedrijven aan de slag met data, bijvoorbeeld om ze statistisch te verwerken. Het waren de jaren van data analytics en de bijhorende dashboards. Generatieve AI gaat verschillende stappen verder. Hier draait het namelijk om modellen die leren om zelf inhoud te puren uit data. Met name de komst van ChatGPT heeft generatieve AI daarbij bijzonder toegankelijk gemaakt.
“Vroeger was AI het terrein van de data scientist”, zegt Yashfeen Saiyid, Data & AI Practice Lead bij Proximus NXT. “Maar aan een tool als ChatGPT kun je vragen stellen in gewone mensentaal. In principe kan iedereen er dus mee werken en er toegevoegde waarde uithalen.” En daar is het bedrijven uiteraard om te doen. “We moeten GenAI correct inschatten: als een middel en niet als een doel op zich. Uiteraard is het goed dat bedrijven mensen toewijzen aan GenAI en daarin investeren. Maar ze moeten het vooral als een strategisch initiatief zien: een middel in de zoektocht naar een concurrentieel voordeel.”
De juiste cases
In de praktijk blijkt die zoektocht – zeker binnen zo’n sterk gehypete context als die van GenAI – niet altijd makkelijk. Het algemene gevoel laat zich makkelijk samenvatten: er valt geen tijd te verliezen. Maar tegelijk is al te grote haast ook niet goed. “Het is belangrijk eerst inzicht te verwerven in wat er mogelijk is”, zegt Yashfeen Saiyid. “Je moet de juiste use cases vinden. Daar komt een vorm van design thinking bij kijken, waar business en IT in het ideale geval samen ideeën vormgeven.”
Ook hier komt het erop aan eerst het laaghangend fruit te plukken. Maar dan nog blijft het vaak een complexe oefening. Het gaat om meer dan het idee of het AI-model op zich. “Er komen ook data en mensen bij kijken, en dus een belangrijk luik governance en security.” De grote interesse in GenAI levert vandaag nieuwe proofs of concepts op. “Het gebruik van GenAI moet nog groeien. Er zijn wel degelijk meer en meer enterprise-grade toepassingen op komst: applicaties op basis van GenAI die bestaande processen vervangen en daardoor uitgroeien tot businesskritische toepassingen. Vandaag zien we GenAI vaak al als aanvulling op een bestaande toepassing. Denk aan een FAQ-pagina op een website waar een GenAI-zoeker je toelaat vragen te stellen in mensentaal, waarop de toepassing dan het antwoord voor je zoekt op die FAQ-pagina.”
Vragen stellen
Is er voor bedrijven niet een veel snellere weg om voordeel te halen uit de mogelijkheden van generatieve AI? Via Copilot, bijvoorbeeld, de AI-oplossing die Microsoft nu volop in bestaande toepassingen integreert? “Copilot zorgt in de eerste plaats voor productiviteitswinst”, zegt Yashfeen Saiyid. Copilot verlaagt de drempel om met GenAI te werken, al blijft er ook hier sprake van een zekere leercurve. “De gebruikers leren omgaan met prompts: de opdrachten die je aan de AI-toepassing geeft. En dat is een heel belangrijke vaardigheid. Om echt voordeel te halen uit AI, moet je leren de juiste vragen te stellen.”
Bovendien start AI op die manier echt laagdrempelig binnen de business. “Ook dat is heel belangrijk”, vindt Yashfeen Saiyid. “Want zo start je het gebruik van AI met het oog op de toegevoegde waarde die je zoekt.” Het is de business die de hulp van AI inroept, wat een heel andere benadering is dan wanneer een AI-expert met de mogelijkheden van de technologie naar de business stapt. Productiviteitswinst ligt daarbij voor de hand als doel, maar van daaruit is het maar een kleine stap richting het verder hertekenen en verfijnen van diverse businessprocessen.
Op weg naar succesvolle AI
Data zijn de brandstof voor AI. “Ook hier geldt het principe ‘garbage in, garbage out’. AI kan niet bestaan zonder goede data. Inzetten op het ontsluiten van datasilo’s en het verhogen van de datakwaliteit zijn daarbij onmisbaar. De fundamenten moeten er zijn. Bedrijven die eerder al in data hadden geïnvesteerd, hebben daarmee een zekere voorsprong opgebouwd.” Maar al is het relatief makkelijk om snel een proof of concept op te zetten, in de praktijk blijkt toch vaak een grote uitdaging om vervolgens een enterprise-ready oplossing uit te rollen.
“Starten met GenAI doe je idealiter met het oog op de toegevoegde waarde die je zoekt.”
Yashfeen Saiyid, Data & AI Practice Lead bij Proximus NXT
“Zoals gezegd moet je eerst je data op orde hebben, onder meer op het vlak van integratie, kwaliteit, en governance. Vervolgens moeten je apps de workload aankunnen.” Maar dat is pas het begin van de oefening. “Het is essentieel dat je het juiste AI-model kiest om je probleem op te lossen. En daarbij moet je er bovenal op toezien dat je algehele beheer volgens de regels van de kunst is opgezet: met oog voor security en voor de principes van responsible AI. Ondanks al die voorwaarden wil je dat de toepassingen ook nog eens vlot blijven werken.”
Al die voorwaarden vervul je als bedrijf in een context waarin technologie razendsnel verandert. “De combinatie van al die elementen maakt of kraakt je AI-oplossing. Het is precies waar we bij Proximus NXT onze klanten mee helpen. We bouwen daarbij verder op de ervaring die we hebben uitgebouwd via de ruim honderd AI use cases die we intussen zelf gebruiken.”
Businessstrategie
Dat de weg naar een succesvolle AI-toepassing heel wat obstakels bevat, verklaart mogelijk waarom veel projecten vandaag niet zo snel voorbij de fase van de proof of concept raken. Of is dat omdat bedrijven geen duidelijke AI-strategie hanteren? “Die vraag krijg ik wel vaker”, besluit Yashfeen Saiyid, “namelijk of een bedrijf werk moet maken van een AI-strategie. Maar het antwoord is neen. Als bedrijf moet je vooral een businessstrategie hebben, met AI als één van de mogelijke instrumenten om die te helpen realiseren.”
Meer info op www.proximusnxt.be