2025 02 VCM

DIGITALE TRANSFORMATIE

of het AI-model zelf. Ook de medewerkers en de beveiliging spelen een rol.

Daardoor zien we vandaag wel veel proefprojec ten, maar weinig projecten die al de stap zetten naar volwaardige oplossingen op bedrijfsniveau. Succesvolle AI-initiatieven vereisen immers een breed palet aan expertise: niet alleen op het vlak van AI en engineering, maar ook rond strategie, design, compliance en ethiek. Bedrijven moeten die laatste twee aspecten vanaf het begin in over weging nemen om te voorkomen dat ze investe ren in een oplossing die later niet blijkt aan te slui ten bij de noden of waarden van het bedrijf. Kant-en-klaar of eigen ontwikkeling De implementatie van GenAI-toepassingen kent verschillende vormen. Voor bedrijven die snel voordeel willen halen uit de mogelijkheden van generatieve AI zijn er steeds meer standaardop lossingen beschikbaar, zoals Copilot, dat Micro soft nu in diverse zakelijke toepassingen inte greert, bijvoorbeeld binnen Teams. Bedrijven hebben daarnaast ook de optie met Copilot Stu dio een maatwerkversie van de oplossing te ont wikkelen die aansluit bij de unieke behoeften van hun organisatie. De inzet van een toepassing als Copilot kan direct bijdragen aan productiviteitsverbetering en leert medewerkers te werken met ‘prompts’: de opdrachten die zij aan de AI-toepassing geven. Dat is een belangrijke vaardigheid aangezien het stellen van de juiste vragen essentieel is om opti male resultaten met AI te behalen. Hoewel de meeste bedrijven vandaag met kant en-klare AI-modellen aan de slag gaan, zijn er evengoed bedrijven die hun eigen AI-model len ontwikkelen. In sectoren als energie, IT en telecom investeren bedrijven steeds meer in maatwerk, om de nauwkeurigheid van de modellen verbeteren – waardoor ze een gro tere waarde krijgen als concurrentieel voor deel. Het zijn motieven die uiteraard ook op de sector van transport en logistiek van toe passing zijn, waardoor we mogen verwachten dat ook bedrijven uit die branche zullen inves teren in generatieve AI-toepassingen op maat. FF

Waar de meerwaarde van traditionele AI-toepassingen in analyse en automatisering ligt, draait het bij GenAI vandaag vooral rond slimme assistentie.

Betrouwbaarheid op één Toch zijn er ook beperkingen en risico’s aan het gebruik van GenAI verbonden. Bedrijven noemen onnauwkeurigheid als het vaakst voorkomende probleem en hun grootste bekommernis. Generatieve AI is voor een effec tieve werking sterk afhankelijk van grote hoeveel heden data. In een supply chain-context betekent het dat er een voortdurende stroom van nauw keurige gegevens nodig is, bijvoorbeeld over vraagvoorspellingen, voorraadniveaus, transport kosten en externe factoren zoals weersomstan digheden. Dat vormt een drempel waar bedrijven nog vaak tegenaan lopen. De gegevens moeten ook consistent zijn in tijd en locatie, wat uitdagend kan zijn in wereldwijde supply chains met verschillende leveranciers en partners. ‘Slechte’ data – bijvoorbeeld omdat ze onvolledig zijn – leiden tot foutieve beslissingen en inefficiënte aanbevelingen van de AI-model len, wat de prestaties en betrouwbaarheid van de supply chain ondermijnt. Het verzamelen, opschonen en beheren van de datastromen is duur en arbeidsintensief. Bovendien heb je sys temen nodig die de data in real time verwerken. In supply chains, waar timing en precisie cruciaal zijn, kunnen zelfs kleine fouten in AI-modellen grote verstoringen veroorzaken.

aankomt: belangrijke factoren die een succes volle implementatie en adoptie van generatieve AI-modellen op lange termijn kunnen beïn vloeden. In veel gevallen werken modellen met bedrijfsgevoelige informatie. De bescherming van die data tegen cyberdreigingen en datalek ken is essentieel. Het is dan ook de reden waarom experts het gebruik van ChatGPT of andere kant en-klare GenAI-modellen afraden om bedrijfsge voelige informatie te verwerken. Aangezien de gegevens die je invoert dienen om het model ver der te trainen, valt ongewenste blootstelling van gevoelige bedrijfsinformatie niet uit te sluiten. Aanbieders spelen in op het gebruikersgemak van kant-en-klare oplossingen voor bedrijven en de noodzaak van gegevensbescherming, met bijvoorbeeld private GenAI-apps voor Microsoft 365-gebruikers, gebaseerd op Azure OpenAI. Geen resultaat zonder strategie Bedrijven beseffen dat ze geen tijd mogen verlie zen bij het implementeren van GenAI. Toch kan te snel handelen contraproductief zijn. Een gedegen start vraagt om een goed begrip van wat GenAI precies te bieden heeft. Het is belangrijk om eerst de geschikte toepassingsmogelijkheden in kaart te brengen en een vorm van ‘design thinking’ toe te passen, waarin business en IT samenwerken aan ideeën. Dat impliceert beginnen met relatief eenvoudige doelen, maar ook dan blijft de imple mentatie vaak een complexe onderneming. Ze omvat immers meer dan alleen de technologie

Er zijn ook bezorgdheden als het op gegevens beveiliging en de uitlegbaarheid van modellen

22

WWW.VALUECHAIN.BE