Niet breed maar diep:
hoe verticale ai hetverschil maakt
Hoe laat je ai renderen? Pak het verticaal aan en richt je op domeinspecifieke toepassingen met directe impact op workflows, zegt Neil Sholay, ai-specialist bij Oracle.
Tekst: Alfred Monterie Beeld: ENVATO
Zo’n 95 procent van generatieve ai-projecten mislukt. Negen op de tien projecten haalt nooit het productiestadium en blijven steken in de experimentele fase. Maatstaf voor het falen is de meetbare input op de winst- en verliesrekening, en die zal zeer gering of nihil zijn als een ai-project niet verder komt dan een proef. Dat laten onderzoeken van onder meer MIT en McKinsey zien. Veel projecten slagen niet doordat bedrijven niet goed zijn voorbereid: ze missen duidelijke doelen, goede data, of de juiste vaardigheden in hun team. Ook is er sprake van een zogenoemde leerkloof.
Zo ontdekten onderzoekers van MIT dat de meeste ai-tools voor bedrijven geen feedback vasthouden, zich niet aanpassen aan workflows of in de loop van de tijd verbeteren. Zonder die kwaliteiten lopen ze vast. Gebruikers weten vaak niet of een resultaat juist is vanwege ambiguïteit; het resultaat valt op meerdere manieren te interpreteren. Ook ontbrekende context, verouderde data of een fout in het model kunnen roet in het eten gooien.
Horizontaal
‘Het negatieve rendement op investeringen in ai komt vooral doordat bedrijven zich richten op zogenoemde horizontale kunstmatige intelligentie. En dat soort ai heeft een beperkte business impact,’ aldus Neil Sholay, vice president ai business value bij Oracle. Hij sprak begin oktober tijdens de AI World Summit in Zaandam. Na afloop gaf hij Computable een uitgebreide toelichting.
‘Bij algemene tools zoals chatbots, co-pilots en digitale assistenten ligt de focus veelal op productiviteit, tijd- en kostenbesparing’
‘Bij algemene tools zoals chatbots, co-pilots en digitale assistenten ligt de focus veelal op productiviteit, tijd- en kostenbesparing.’ Maar dat is te eenzijdig, want volgens de ai-expert van Oracle leidt de toepassing van generatieve ai niet tot een transformatie van de kern van de bedrijfsprocessen. ‘Kijk ook naar de extra opbrengsten. Pilots zijn vaak niet meer dan een technisch experiment. Ze lossen geen zakelijk probleem op. Het meten van resultaten hoeft niet per se ingewikkeld te zijn. Stel een bank heeft een achterstand in de verwerking van papieren facturen. Als dankzij ai die achterstand terugloopt van 30.000 naar 2.000 papieren facturen, valt het rendement gemakkelijk te berekenen.’
Verticaal
Oracle zet daarom sterk in op verticale ai; domeinspecifieke toepassingen met directe impact op workflows. Volgens Sholay leidt het gebruik van een specialistisch instrumentarium tot meer (meetbare) resultaten dan universele toolkits. Gespecialiseerde ai, afgestemd op specifieke domeinen zoals fraudedetectie, voorspellend onderhoud of logistiek, laat een veel hoger rendement zien. Deze systemen zijn diepgeworteld in workflows en beschikken vaak over een duidelijker governance en ‘feedback loops’.
De toepassing van eerder geleerde patronen op real-time data, ook wel ai-inferentie genaamd, maakt het mogelijk om complexe problemen in de kern van bedrijfsprocessen op te lossen. Voorbeeld is routeoptimalisatie voor een grote vloot van elektrische bedrijfswagens voor installatiemonteurs. Ook kan verticale ai leiden tot een herontwerp van de volledige bedrijfsstroom, waarbij ai-modellen worden verbonden met workflows, bedrijfsdata en domeinkennis. Zo’n herontwerp kan het gebruik van ai-agenten, grote taalmodellen (llm’s) of ai-inferentie inhouden.
Succesfactoren
Sholay noemt vijf succesfactoren voor een succesvolle toepassing van ai in ondernemingen. Ten eerste moeten bedrijfsdata toegankelijk en geschikt zijn voor ai. Er moet altijd menselijke tussenkomst zijn ingebakken in de controlemechanismen om de balans te waarborgen tussen autonomie en risico. Een derde succesfactor is de governance; het beheren, veilig houden en de orkestratie van ai-agents, aldus Sholay. Zeker omdat zakelijke gebruikers ai-agenten kunnen bouwen met ‘no code’-tools die weinig kennis van programmeren vereisen. Sholay: ‘Pas ook de gebruikersinterface aan zodat die conversationeel, bewust van de context en dynamisch wordt.’ Als vijfde succesfactor noemt hij het zaak om het meten van de business impact ‘in te bouwen’ in de systemen. De impact wordt groter bij gebruik van missiekritieke data in verticale bedrijfsprocessen, bijvoorbeeld op gebied van financiën, leveringsketen of menselijk kapitaal. Met name banken zoals ING en telecommunicatiebedrijven waaronder KPN zijn al bezig om ai direct in hun werkstromen in te bouwen.
‘Er moet altijd menselijke tussenkomst zijn ingebakken in de controlemechanismen om de balans te waarborgen tussen autonomie en risico’
Licentiemodellen
Sholay weerspreekt dat de licentiemodellen die Oracle hanteert, een rem op het gebruik van ai kunnen vormen. Volgens hem onderscheidt Oracle zich van SAP, Microsoft en Salesforce. Hij zegt dat de toegang tot veel ai bij die concurrenten in een premium pakket zit dat 25 procent tot 30 procent duurder zou zijn. Sholay: ‘Bij Oracle zitten de ai-agenten ingebed in de saas-abonnementen zonder extra premie voor ai. Dat geldt ook voor verticale applicaties als order-to-cash, process-to-pay en time-to-hire. Ai wordt ingespoten in alles wat we doen.’
Maar Oracle’s boute claim dat hun ai gratis is, behoeft nuancering, stelt een insider. Zoals zoveel dingen, is niets echt gratis. En zeker bij Oracle niet. Het gebruik van de software mag dan in het pakket zitten, de gevolgen van het gebruik zoals een grotere load in de cloud kunnen wel degelijk tot hogere facturen leiden. En er wordt weleens gekscherend gezegd dat Oracle meer juristen dan verkopers in dienst heeft. Wat het bedrijf aan ai ‘weggeeft’, kan Oracle langs andere weg weer terugverdienen. Ai-gebruikers doen bijvoorbeeld een groter beroep op Oracle’s infrastructuur. En daar hangt uiteraard een prijskaartje aan.
Infrastructuur
Die ai-infrastructuur vormt voor Oracle een speerpunt; een belangrijke schakel in het verdienmodel. Volgens Sholay kan Oracle zijn ‘enterprise’ applicaties schaalbaar uitrollen omdat het bedrijf al een enorme infrastructuur bezit. Bovendien wordt de capaciteit gigantisch uitgebreid. Het Stargate-project, een joint venture waar behalve Oracle ook Microsoft/OpenAI, Softbank, Nvidia, Core Weave in zitten, versnelt de infrastructuur voor ai-adoptie aanzienlijk. Alleen al in de VS vergt dit netwerk van hypermoderne datacenters een investering van 500 miljard dollar. Dit project moet Oracle’s positie versterken als infrastructuur-partner voor grootschalige ai-toepassingen. En de klant zal dat zeker op de facturen terugzien.
‘Een andere ontwikkeling die Oracle in de kaart speelt, is dat veel klanten terugkomen van de ‘best of breed’-gedachte. Een jaar of vijf geleden werd gedacht dat het werken met meerdere leveranciers een lock-in voorkomt, kostenverlagend werkt en betere functionaliteit oplevert,’ beweert Sholay. ‘Maar uit oogpunt van integratie, security, governance en datamodel blijkt één platform veel handiger. Met één technologie-stack is het ook beter werken.’
‘Behalve it’ers moeten ook andere bedrijfsafdelingen zoals financiën en hr nauw worden betrokken. De business dient zelf use cases aan te dragen’
Adoptie
Een van de belangrijkste thema’s tijdens de World AI Summit in Zaandam was de vraag hoe snel de adoptie van ai gaat en welke remmende factoren er zijn. Volgens Sholay gaat er nu veel bottom-up vanuit (it-)teams lager in de organisatie. Hij denkt dat het verstandig zou zijn als er meer top-down gebeurt en ook de ondernemingsleiding initiatieven aanzwengelt. Het vormen van centrale teams zou versnippering moeten voorkomen en de afstemming bevorderen. Behalve it’ers moeten ook andere bedrijfsafdelingen zoals financiën en hr nauw worden betrokken. De business dient zelf use cases aan te dragen. Belangrijk is dat er een centraal toezicht komt op ai-projecten, zegt Sholay. ‘Voorkom dat een ‘wilde’ expert zomaar wat begint zonder dat dit de business wezenlijk verbetert. Ook heeft het zin de financiële directeur erbij te betrekken om ‘gekte’ te stoppen. Dat digitale transformaties veel aandacht in bedrijven opslokken, hoeft ai-toepassingen niet af te remmen. Integendeel, verdergaande digitalisering legt de basis voor ai. En andersom is ai een katalysator voor meer digitale transformatie.’
Ai-agents zijn geen magie
Volgens Karsten Marijnissen, Field cto bij de Utrechtse it-dienstverlener Incentro, zijn ai-agents geen ‘magie’. Miljoenen worden verspild omdat ten onrechte wordt gedacht dat ai een soort magie is in plaats van een ‘vak’ waarbij ook de inzet van ervaren mensen met de nodige kennis van de materie onontbeerlijk is. ‘Het is de helft softwareontwikkeling en de helft menselijke kennis’, zegt hij.
Marijnissen noemt als voorbeeld DAF Trucks uit Eindhoven waar ervaren technici bij ai-projecten de juiste context geven. Net zo belangrijk als het ai-systeem is de inbreng van iemand die al vele jaren bijdraagt aan bijvoorbeeld de ontwikkeling van nieuwe truck-cabines. Een hele kleine afwijking kan veel verschil uitmaken. Alles moet meteen perfect zijn. Als je een gaatje op één inch afstand van de juiste plek boort, kan zo’n fout grote gevolgen hebben. Daarom blijft het belangrijk dat een mens de ai bij nieuwe ontwikkelingen aanvult.
Marijnissen is het met Sholay eens dat ai-projecten altijd moeten beginnen met de vraag hoeveel waarde ze voor een bedrijf opleveren. Use cases moeten vervolgens iteratief worden aangepast totdat die waarde maximaal is.
