AI in het bedrijfsleven: Hype of echte noodzaak?

Tegenwoordig lijkt het alsof AI overal wordt  besproken. Deze stelling is waarschijnlijk niet ver van de realiteit. Artificial  intelligence en haar transformerende kracht zijn een extreem populair  onderwerp. De Innovantage podcast, gepresenteerd door Sigli’s CBDO Max Golikov, draagt ook bij aan het vergroten van het publieke bewustzijn over  het potentieel van deze technologie. In de nieuwe aflevering besloot Max zich  te concentreren op de impact van AI in de echte zakelijke wereld.

Om hierover te praten, nodigde hij Maxime Vermeir uit, Senior Director of AI Strategy bij ABBYY, die bereid was  waardevolle inzichten te delen met het publiek van de podcast.

Maxime is een van die experts die "AI bestudeerden voordat AI cool was". In de loop der jaren is de industrie sterk veranderd, en hij heeft de evolutie vanuit vele hoeken gezien. In zijn carrière werkte hij met bedrijfstechnologie, SaaS-oplossingen en mobiele apps, en lanceerde zelfs een startup voordat de startup-scène mainstream werd.

Tegenwoordig ligt zijn focus scherp op artificial intelligence . Nu helpt hij mensen om het op zinvolle, productieve manieren te begrijpen en te benutten.

AI: Is de hype echt?

AI is een zeer trendy technologie. Maar wat schuilt er achter deze hype? Maxime erkende dat hype altijd een onderdeel is geweest van de techindustrie, van Web 2.0 tot de cloud. AI is daarop geen uitzondering.

Artificial intelligence is mainstream geworden, wat zowel opwinding als bezorgdheid veroorzaakt. Aan de ene kant worden meer mensen nieuwsgierig en opgeleid over AI. Dit opent nieuwe kansen voor bedrijven.

Aan de andere kant leidt deze toename van aandacht vaak tot opgeblazen verwachtingen en soms misvattingen. Sommige mensen maken zich bijvoorbeeld nog steeds zorgen dat robots hun banen overnemen.

Wat opvalt, is hoe snel de AI-hypecyclus verkort. In tegenstelling tot de trage en chaotische begindagen van cloudadoptie, ontwikkelt de AI-ruimte zich veel sneller. Regelgeving komt snel op gang. Bedrijven zoeken transparantie en vragen AI-leveranciers om gedetailleerde informatie over beveiligingsprotocollen en de manier waarop de technologie is opgebouwd.

Voor Maxime is dat een teken van echte vooruitgang. De industrie begint af te stappen van de "one-size-fits-all"-aanpak en beweegt zich naar een meer doordachte, pragmatische perceptie. De hype mag er nog zijn, maar er is ook een groeiend verantwoordelijkheidsgevoel.

Praktische waarde van AI-oplossingen

Hij benadrukte ook het belang van praktische waarde boven hype. In sommige gevallen kan het bijvoorbeeld helemaal niet haalbaar zijn om een eigen groot taalmodel te bouwen, wat een zeer duur en tijdrovend project kan zijn. In plaats daarvan kan het logischer zijn om te vertrouwen op veel eenvoudigere, klassieke technologieën zoals reguliere expressies.

Er is echte innovatie gaande in AI, en krachtige tools komen op. Maar niet elk probleem heeft een grote oplossing nodig. Het kost tijd voor mensen om te begrijpen dat het "next big thing" niet altijd de juiste keuze is. Het is veel belangrijker om het juiste gereedschap voor de juiste use case te kiezen, met een duidelijk begrip van zowel hun mogelijkheden als beperkingen.

Toen de hype rond LLM's explodeerde, haastten velen zich om ze toe te passen op documentgegevensextractie en maakten dit zelfs een van hun eerste use cases. Maxime vond dit niet het beste idee, gezien de bredere creatieve potentie van de technologie. Dit leidde tot een wijdverbreid geloof dat LLM's gevestigde oplossingen zoals Intelligent Document Processing (IDP), een volwassen technologie die al meer dan 20 jaar door bedrijven wordt gebruikt, volledig konden vervangen.

Op een gegeven moment verklaarde een analysebureau zelfs dat "IDP dood is" en vergeleek het met RPA (Robotic Process Automation), dat overschaduwd werd door nieuwere tools.

Maar vandaag is het verhaal veranderd.

Zoals Maxime opmerkte, hebben bedrijven gemerkt dat het gooien van PDF's in LLM's vaak leidt tot veel problemen, zoals hallucinaties, contextbeperkingen en onnauwkeurigheden. Dit is vooral problematisch bij het extraheren van kritieke data. De gevolgen van dergelijke fouten kunnen behoorlijk tastbaar en kostbaar zijn.

Met tientallen jaren ervaring in documentverwerking heeft ABBYY altijd een andere aanpak gehad. Lang voordat de LLM-hype begon, gebruikten ze al transformer-gebaseerde modellen die waren toegespitst op specifieke taken, zoals documentsegmentatie of waarde-extractie. De sleutel is het combineren van technologieën binnen een speciaal gebouwd platform, ontworpen om betrouwbare resultaten te leveren in echte zakelijke omgevingen. Deze aanpak kan echte waarde brengen voor bedrijven.

Het creatieve potentieel van AI

Maxime benadrukte dat er verschillende soorten AI zijn die verschillende doelen kunnen dienen. Generative AI zou bijvoorbeeld niet de eerste keuze moeten zijn voor taken zoals data-extractie. In plaats daarvan is het logischer om te vertrouwen op meer traditionele, bewezen methoden zoals machine learning, convolutionele netwerken, NLP en transformer-gebaseerde modellen. Deze bestonden allemaal lang voordat ChatGPT in beeld kwam.

ABBYY integreert bijvoorbeeld ook grote taalmodellen in zijn platform, maar met een duidelijk doel. Ze worden gebruikt voor complexere, probabilistische use cases waar generative AI echt waarde kan toevoegen. Bij correct gebruik creëert het een zogenaamd "1+1 = 3"-effect, waarbij meerdere technologieën samen worden gebruikt om betere resultaten te leveren dan elk afzonderlijk zou kunnen.

Het oplossen van echte problemen vereist altijd een combinatie van AI-methoden, elk gekozen in de juiste context.

Zoals Maxime zei, hoewel GenAI misschien niet de eerste keuze is voor documentverwerking, heeft het wel grote creatieve kracht. Het maakt dergelijke tools zeer nuttig wanneer het nodig is om het 'lege pagina'-probleem in schrijven en contentcreatie te overwinnen.

Maxime legde uit dat het mogelijk is om generative AI om te vormen tot een krachtige creatieve partner voor je persoonlijke en zakelijke workflows. Hoewel AI niet altijd perfect de intenties van gebruikers begrijpt, kan het vermogen om doordachte, voorspellende reacties te geven helpen om je eigen ideeën te verfijnen en verder te ontwikkelen.

Hij ziet generative AI ook als een goede sociale gelijkmaker in creativiteit. Vroeger was het uiten van creatieve ideeën vaak afhankelijk van technische vaardigheden of specifieke tools. Dit waren serieuze barrières voor sommige mensen. Maar nu kunnen gebruikers met intuïtieve AI-interfaces eenvoudig uitleggen wat ze willen en resultaten krijgen.

Deze verschuiving ontgrendelt creatief potentieel voor een veel grotere groep. Meer mensen kunnen nu hun ideeën tot leven brengen, ongeacht achtergrond of vaardigheden.

Hoe benaderen executives over het algemeen AI-tools?

Tegenwoordig benaderen veel executives AI-tools met zeer hoge verwachtingen. Na implementatie van een oplossing willen ze een snel, transformerend effect zien. Maar de realiteit is complexer.

Omdat AI meer mainstream en zichtbaar wordt in alledaagse media, is er een perceptie dat het alles kan. Dit zorgt ervoor dat sommige besluitvormers de inspanning en middelen die nodig zijn voor een effectieve implementatie onderschatten. Hoewel generative AI-demo's ontegenzeggelijk indrukwekkend zijn, is het omzetten van dat potentieel in praktische waarde veel uitdagender.

Maxime wees erop dat hoewel creatieve toepassingen van AI meestal vrij eenvoudig te begrijpen en te benutten zijn, enterprise use cases een ander verhaal zijn. Zakelijke processen omvatten samenwerking, integratie tussen systemen en duidelijke ROI-verwachtingen.

De echte impact ligt in het automatiseren van end-to-end processen, niet alleen in het versnellen van afzonderlijke taken. Executives moeten eerst hun processen begrijpen, de echte knelpunten identificeren en pas dan de juiste technologie kiezen om ze te verbeteren.

Hoe meet je het succes of falen van de implementatie van AI-oplossingen?

De verkeerde manier om AI te implementeren, is door alleen te focussen op het versnellen van individuele stappen of het verminderen van menselijke input zonder het volledige workflow te begrijpen. Hoewel deze veranderingen op korte termijn winst kunnen opleveren, creëren ze vaak nieuwe problemen in andere fasen.

Succes in AI-adoptie moet worden gemeten aan verbeteringen in het algehele proces. Daar speelt process intelligence een sleutelrol. Het stelt je in staat om de impact van veranderingen in de hele workflow te visualiseren, testen en voorspellen. Zonder dat inzicht zal automatisering alleen geen zinvolle resultaten opleveren.

Tijd is vaak een belangrijke maatstaf voor het meten van AI-succes. Het mag echter niet de enige zijn.

Het te snel automatiseren van een verzekeringsclaimproces met de verkeerde technologie, zoals een LLM, kan aanvankelijk efficiënt lijken, maar kan leiden tot kostbare fouten en herwerk. Een betere maatstaf voor succes omvat minder fouten, snellere en nauwkeurigere resultaten en naleving van regelgeving zoals de EU AI Act.

AI-regelgeving: Helpt het echt?

Maxime is ervan overtuigd dat de echte uitdaging bij AI niet de technologie zelf is, maar hoe we het implementeren en gebruiken. Hij ziet de EU AI Act als een noodzakelijke stap in de regulering van deze technologie, hoewel het sneller zou kunnen gaan. De wet hindert innovatie niet. Het zorgt voor transparantie en verantwoording, wat essentieel is voor het opbouwen van vertrouwen in AI-systemen.

Dit regelgevend kader helpt om de rol van AI te verduidelijken en misbruik te voorkomen. Hierdoor kunnen bedrijven compliant blijven en veel risico's vermijden.

Organisaties kunnen zelf beoordelen of samenwerken met derden om te voldoen aan transparantie-eisen, om een verantwoordelijker gebruik van AI in de zakelijke ruimte te bevorderen.

AI versus traditionele technologieën: Balans nodig

De realiteit is dat AI op overdreven manieren wordt gepromoot, vergelijkbaar met hoe RPA nu wordt omgedoopt tot "agenttechnologie" om meer marktaandacht te trekken.

Desondanks moeten zakelijke executives bij het selecteren van AI-tools focussen op echte resultaten zoals kostenbesparingen of procesverbeteringen ondersteund door klantgetuigenissen.

Tegenwoordig zijn er veel leveranciers die bekende technologieën zoals GPT of cloudservices achter hun oplossingen noemen. Tegelijkertijd geven ze geen inzicht in unieke kenmerken en benaderingen die de waarde en differentiatie van hun tools bepalen.

Voor bedrijven is het van vitaal belang om oude en nieuwe technologieën in balans te houden. Hoewel een goed gevestigde technologie die meer dan 30 jaar geleden werd geïntroduceerd, betrouwbaarheid en een bewezen staat van dienst biedt, kan het nadeel zijn dat het flexibiliteit mist of niet voldoet aan nieuwere, evoluerende behoeften.

Het is essentieel om verschillende technologieën strategisch te combineren en oplossingen te creëren die echte waarde leveren. AI moet doordacht worden geïmplementeerd, niet omdat het een van de laatste trends of buzzwords is, maar omdat het processen ten goede kan veranderen.

AI-agents en de toekomst van werk

Volgens Maxime zijn AI-agents momenteel zowel een hype als een nuttige technologie. Hoewel Salesforce heeft bijgedragen aan hun promotie, is er potentieel voor AI-agents om problemen aan te pakken die RPA niet kon. Ze kunnen bijvoorbeeld complexe processen automatiseren en bredere toegang tot technologie mogelijk maken.

AI-agents zijn ontworpen voor praktische automatisering en kunnen bestaande tools coördineren zonder menselijke tussenkomst. De reden voor optimisme is dat meer mensen nu het belang van process intelligence begrijpen. Dit bewustzijn neemt toe, waardoor organisaties voorzichtiger worden en zich meer richten op een correcte implementatie van AI om falen te voorkomen.

Het is interessant om te vermelden dat 80% van de AI-projecten vandaag nog steeds mislukt. Maar mensen willen natuurlijk niet tot die 80% behoren, ze willen tot de gelukkige 20% horen.

Hoe verklein je de kans op falen? Maxime noemde dat AI alleen effectief kan zijn als je het voorziet van de kennis van je organisatie. Hier is het nodig om te focussen op de gegevens over hoe je bedrijf opereert en de informatie die vastligt in je documenten.

Daarnaast moet je duidelijk uitleggen hoe je processen werken. Daar kan process intelligence helpen. Door een blauwdruk te geven van je huidige workflows en welke veranderingen zullen leiden tot de gewenste ROI, kun je AI begeleiden om resultaten te leveren.

Maxime stelde dat AI de volgende grote stap in enterprise-automatisering zou kunnen zijn. Mensen zijn moe van het omgaan met talloze API's en bypass-services. Ze willen geïntegreerde platforms. Het is nog een beetje vroeg voor agentframeworks om volledig enterprise-ready te zijn, maar dit kan snel gebeuren.

Zullen AI-agents banen overnemen?

Elke grote technologische verschuiving brengt zowel banencreatie als banenverlies met zich mee. Het betekent absoluut niet dat ontwerpers of artiesten niet meer nodig zijn alleen omdat AI visuals kan genereren. Er zullen altijd twee groepen zijn: zij die verandering weerstaan uit angst vervangen te worden, en zij die het omarmen en gebruiken om hun vaardigheden te versterken. AI is slechts een ander gereedschap. Het vervangt expertise niet, het verbetert het. Net zoals een penseel iemand geen schilder maakt, maakt AI iemand geen artiest zonder de onderliggende vaardigheid.

Nieuwe rollen, zoals prompt engineers, komen al op. Tegelijkertijd worden sommige repetitieve taken uitgefaseerd. Het is de natuurlijke cyclus van innovatie. Degenen die zich aanpassen, leren en evolueren, zullen nieuwe kansen blijven vinden.

Volgens Maxime is deze technologische verschuiving niet anders dan eerdere. Toen RPA werd geïntroduceerd, waren mensen bang dat automatisering hun handmatige taken zou vervangen. En dat gebeurde. Maar het opende ook de deur naar waardevoller werk.

AI kan enkele zeer tastbare, duidelijke taken uitvoeren. Als iemand bijvoorbeeld slecht is in het schrijven van e-mails, kan AI die persoon helpen om het op een gemiddeld niveau te doen.

Maar voor experts ligt de waarde in hoe goed ze het gereedschap begeleiden. De kwaliteit van de input bepaalt direct de kwaliteit van de output. "Garbage in, garbage out" werkt nog steeds. Als je vage prompts geeft, krijg je generieke resultaten. Maar als je de tijd neemt om structuur, context en intentie uit te leggen, kan de output overeenkomen met de kwaliteit die je nastreeft.

AI-adoptie: Praktisch advies

Aan het einde van hun gesprek vroeg Max Golikov zijn podcastgast om praktische aanbevelingen te delen voor AI-leiders en oprichters.

Maxime zei dat ze moeten beginnen met het duidelijk definiëren van het probleem dat ze proberen op te lossen. Een van de meest voorkomende fouten is het adopteren van technologie alleen omwille van innovatie, vooral tijdens intense hypecycli, die frequenter en extremer worden.

Of je nu een nieuw product bouwt of AI binnen een bedrijf implementeert, het kernprincipe blijft hetzelfde: duidelijkheid over het doel is cruciaal. Vooral voor enterprise-leiders is een diep begrip van hun bestaande processen niet-onderhandelbaar. Zonder dat inzicht is het bijna onmogelijk om AI effectief toe te passen.

Met duidelijke doelen en proceszicht kunnen leiders de juiste tools met precisie kiezen. Dit helpt hen om veelvoorkomende valkuilen te vermijden, zoals het gebruik van overdreven complexe oplossingen voor eenvoudige problemen.

‍

Het identificeren van het juiste gebruik van opkomende technologie is een van de dingen die je kunt leren van de afleveringen van de Innovantage podcast. Mis de volgende aflevering niet om op de hoogte te blijven van de nieuwste trends in de zakelijke wereld.