Hoe Bedrijven Kunnen Profiteren van Kunstmatige Intelligentie

Je zult weinig onderwerpen vinden die zo breed besproken worden als kunstmatige intelligentie. Veel wetenschappers noemen het zelfs de belangrijkste technologische doorbraak van de 21e eeuw tot nu toe. De introductie van de ChatGPT-chatbot eind 2022 maakte het voor het grote publiek mogelijk om de indrukwekkende capaciteiten van AI met eigen ogen te ervaren. Zelfs toen waren de meeste mensen al bekend met verschillende AI-toepassingen, zoals spraakgestuurde virtuele assistenten (zoals Apple's Siri) of geavanceerde rijhulpsystemen in moderne auto's. Maar de snelle ontwikkeling en de nieuwe toepassingen die daaruit zijn voortgekomen, zoals tekst- en beeldgeneratie, waren – en zijn nog steeds – verbazingwekkend.

In tegenstelling tot klassieke software die werkt op basis van door mensen opgestelde regels en algoritmes, leert AI door het analyseren van data. Daardoor is het in staat om zelfstandig patronen te herkennen en beslissingen te nemen, zonder dat dit expliciet geprogrammeerd hoeft te worden. Met de juiste training kunnen AI-modellen zich aanpassen aan nieuwe en veranderende omstandigheden en in de loop van de tijd verbeteren – mits ze worden gevoed met kwalitatieve, correcte data. Dit effect is goed zichtbaar bij beeldgeneratietools zoals Midjourney, die met elke nieuwe versie nog nauwkeurigere en geavanceerdere resultaten leveren.

Voor bedrijven zijn de belangrijkste vragen welke toepassingen ze moeten omzetten naar kunstmatige intelligentie en wat ze ermee willen bereiken. "Wij onderscheiden vijf fundamentele capaciteiten van AI: waarnemen, analyseren, taalbegrip, contentgeneratie en optimalisatieprocessen," voegt Andreas Liebl toe.

Sensorische AI is gebaseerd op informatie van camera’s, microfoons of sensoren. Het wordt bijvoorbeeld gebruikt in kwaliteitscontrole bij productieprocessen of in autonoom rijdende voertuigen. Analytische AI daarentegen kan verkoop- en prijsvoorspellingen doen, producties- en logistieke processen voorspellend plannen, evenals onderhoudsintervallen voorspellen.

Momenteel zorgt generatieve AI voor veel ophef. Dit zijn systemen die zelfstandig content genereren op basis van de input van de gebruiker. "Hier implementeren we al RAG-gebaseerde modellen voor bedrijven. RAG staat voor Retrieval Augmented Generation," legt Liebl uit. "Dit zijn taalmodellen die verschillende informatie analyseren uit interne data en databases waartoe ze toegang hebben. Dit kan gebruikers helpen bij het lezen van handleidingen, het analyseren van contracten of het samenstellen van grote hoeveelheden klantgegevens." Ook chatbots, die zelfstandig klantvragen op bedrijfswebsites beantwoorden, vallen onder deze categorie.

De volgende stap in de ontwikkeling van kunstmatige intelligentie is volgens Andreas Liebl wat men noemt agent-gebaseerde AI. "Deze systemen zullen, met behulp van machine learning en taalverwerking, in staat zijn om zelfs complexe werkstappen volledig te automatiseren," aldus de expert. In de toekomst zou deze technologie bijvoorbeeld complete toeleveringsketens autonoom kunnen beheren, processen in realtime optimaliseren en doelgericht reageren op onverwachte verstoringen. Dergelijke modellen kunnen zelfs worden ingezet in ontwikkeltrajecten om zelfstandig code te schrijven voor nieuwe software. "Deze technologie staat nog in de kinderschoenen," zegt Liebl, "maar ze heeft binnenkort het potentieel om de meest uiteenlopende toepassingen vele malen efficiënter te maken."

Hogere productiviteit, minder fouten, lagere kosten en meer flexibiliteit – dat zijn allemaal mogelijkheden die AI bedrijven belooft te bieden. Toch is het volgens Liebl nog lang niet vanzelfsprekend dat bedrijven hier direct van kunnen profiteren. "Ik vergelijk het graag met een marathon. Alleen omdat ik de beste hardloopschoenen koop, wil dat nog niet zeggen dat ik meteen de hele afstand kan rennen. Ik moet klein beginnen en me stelselmatig verbeteren. Dat is precies zo met AI. Het is niet genoeg om simpelweg een toepassing aan te schaffen. Bedrijven moeten AI zien als een competentie die ontwikkeld moet worden – inclusief de bijbehorende cultuur, datainfrastructuur en governance. Alleen dan is een organisatie echt klaar om deze technologie op een zinvolle manier te implementeren."