VCM_022026_LR

ARTIFICIËLE INTELLIGENTIE

bedrijven een LLM-licentie, terwijl meer dan negentig procent van de medewerkers per soonlijke accounts gebruikt om hun werk te automatiseren. AI verandert het werk dus al, maar buiten de officiële kanalen om. Vooruit strevende organisaties dichten die kloof door te kijken hoe medewerkers hun eigen AI-tools inzetten en te ontdekken welke daarvan echt waarde toevoegen. Pas daarna investeren ze in bedrijfsspecifieke oplossingen. Leren van feedback Een van de belangrijkste redenen waarom bedrijven er niet in slagen AI-tools succes vol te implementeren is het gebrek aan con textueel leren. Uit het MIT-onderzoek blijkt dat weerstand om nieuwe tools te omarmen daarbij een van de grootste struikelblokken is, gevolgd door bezorgdheid over de modelk waliteit. Ook slechte gebruikerservaringen en het gebrek aan steun vanuit het topmanage ment spelen mee. Zoals aangegeven zetten medewerkers chatbots in om eenvoudige, individuele taken te automatiseren, bijvoor beeld mails opstellen en basisanalyses uitvoe ren, maar op bedrijfsniveau zijn ze wantrou wig over de output. Gebruikers verwachten namelijk dat AI-tools in een bedrijfscontext kunnen leren en onthouden. Vaak staan fervente chatbotgebruikers het meest kritisch tegenover de op maat ontwik kelde AI-tools. Met tools zoals ChatGPT zijn ze in staat de antwoorden beter te sturen en te verfijnen. De huidige GenAI-tools missen geheugen, aanpassingsvermogen, standvas tigheid en contextbewustzijn. Dat legt meteen de uitdaging bloot: voor bedrijfskritische en/ of complexe processen geven gebruikers nog steeds de voorkeur aan mensen. De reden? De tools leren niet van hun feedback, zijn niet afgestemd op specifieke bedrijfsprocessen en functioneren niet in uitzonderlijke situa ties. Bovendien moeten gebruikers telkens opnieuw te veel manuele context aanleveren. Bedrijfsleiders zijn dus op zoek naar systemen die leren en verbeteren binnen hun omge ving. Succesvolle organisaties en leveranciers

De scherpe daling van pilots naar productie voor taakspeci eke GenAI-tools FIGUUR 2 De forse daling van pilots naar productie voor taakspecifieke GenAI-tools legt de GenAI-kloof bloot. onthult de GenAI-kloof

Algemene LLMs

Ingebouwde of taakspeci eke GenAI

80%

60%

50%

40%

20%

5%

Onderzocht

Getest

Succesvol geïmplementeerd

dan stuiten de tools vaak op adoptieproble men.

bouwen adaptieve, ingebedde systemen die leren van feedback, gebruik en uitkomsten, context behouden en diepgaand maatwerk leveren voor specifieke processen. Ze richten zich op kleine, waardevolle toepassingen en schalen vervolgens op naar kernprocessen. Inkopers verkiezen vertrouwde leveranciers die hun processen door en door kennen boven nieuwe spelers. Minimale impact op bestaande tools, veiligheid van data en flexibiliteit blijken eveneens belangrijke cri teria in het selectieproces. Wat opvalt, is dat bedrijven bereid zijn AI-systemen te trainen, zolang de voordelen duidelijk zijn en er vol doende waarborgen zijn ingebouwd. Waardecreatie Volgens de MIT-studie doen makkelijk te implementeren tools die snel waarde creëren, het beter dan zware bedrijfstoe passingen. Succesvolle tools delen twee kenmerken: weinig configuratie nodig en direct zichtbaar resultaat. Systemen die uit gebreide aanpassingen binnen de onderne ming vereisen, blijven vaak in de pilotfase hangen. Documentautomatisering voor contracten en formulieren, voice-AI voor gesprekssamenvattingen of codegenera tie voor repetitieve engineeringtaken zijn een paar succesvoorbeelden. Speelt com plexe interne logica, ondoorzichtige beslis singsondersteuning of optimalisering op basis van bedrijfsspecifieke heuristieken mee,

Tegelijk merkt het BCG-rapport op dat toe komstgerichte bedrijven, ongeacht hun sector, zich niet toespitsen op losse AI-pilots of geïso leerde toepassingen, maar hun kernproces sen volledig heruitvinden. Daarbij hanteren ze een duidelijk omschreven stappenplan. Zo bouwen ze een meerjarig strategisch AI-plan uit, gedragen door sterk leiderschap, herschik ken ze bestaande processen en definiëren ze nieuwe met waardegedreven prioritering van AI-implementaties. Om nieuwe inkom stenstromen te creëren, geven ze bovendien voorrang aan de nieuwste ontwikkelingen, zoals generatieve AI (GenAI) en agentic AI. De resultaten volgen ze strikt op en ze inte greren een ‘AI-first’-bedrijfsmodel waarin de samenwerking tussen mens en machine cen traal staat. Tot slot investeren ze in talent en in ecosystemen met leveranciers, en bouwen ze een doelgerichte technologie-architectuur en datastructuur. De echte ROI Waar AI echt rendeert, hangt af van waar bedrijven de tools inzetten. Zo toont de focus van de AI-investeringen bijkomend de kloof tussen toekomstgerichte bedrijven en de rest aan. Volgens MIT gaat zowat de helft van de AI-budgetten naar sales en marketing, terwijl het automatiseren van de backoffice (ope-

16

WWW.VALUECHAIN.BE