De vele gedaanten van AI
AI is de toekomst, daar twijfelt niemand meer aan, maar welke vorm dat uiteindelijk zal aannemen, dat is koffiedik kijken. Aan termen is er zeker geen gebrek: Generative AI, Agentic AI, AI Analytics, Edge AI, Enterprise AI – het bos en de bomen, weet u wel. Een poging om wat orde te scheppen. (Frans Godden)
De term Artificial Intelligence of AI dook voor het eerst op in het midden van de jaren vijftig van de vorige eeuw, nadat de Britse wiskundige en computerpionier Alan Turing een paar jaar eerder al zijn paper ‘Computing Machinery and Intelligence’ gepubliceerd had, zowat de basis van AI. Maar AI kon pas op algemene interesse rekenen nadat IBM in 2011 met zijn supercomputer Watson bij het computerspel Jeopardy! alle regerende kampioenen verslagen had. En nog vers in het geheugen: de lancering van ChatGPT eind 2022, dat via chatbots AI toegankelijk maakte voor iedereen.
Generative AI
De meeste voorbeelden van AI vandaag steunen sterk op deep learning en NLP, natural language processing. Traditionele AI en machine learning systemen herkennen patronen in data en maken op basis daarvan voorspellingen. GenAI of generative artificial intelligence gaat nog een stapje verder, het leert uit bestaande data om nieuwe data te genereren met gelijkaardige eigenschappen. En NLP vult dat proces aan door computers in staat te stellen menselijke taal te begrijpen en te interpreteren zodat mensen in hun gewone taal kunnen communiceren met computers. Het is dat concept van NLP dat aan de basis ligt van ChatGPT en verschillende andere generatieve chatbots.
ChatGPT heeft onmiskenbaar de manier van werken met AI compleet op zijn kop gezet. Volgens de Gartner Generative AI 2024 Planning Survey verwachten bedrijfsleiders nu in de komende 12 tot 18 maanden door AI gemiddeld een stijging van de productiviteit met 23%, een omzetsprong met 16% en kostenbesparingen met 15%. Toch is het niet allemaal rozengeur en maneschijn met GenAI want diezelfde analisten van Gartner hebben vastgesteld dat het enthousiasme over GenAI reeds over zijn hoogtepunt is en dat de verwachtingen al zijn bijgesteld omwille van hallucinaties en niet consistente resultaten – lees: problemen met robuustheid en betrouwbaarheid.
Digitale werknemers
Bovenaan de hype cycle van Gartner staan nu de AI Agents, soms ook digitale werknemers genoemd. Het zijn autonome softwaresystemen die binnen hun omgeving beslissingen kunnen nemen en acties ondernemen met een minimum aan menselijke tussenkomst, met behulp van o.m. machine learning en NLP. Ze kunnen allerlei data verwerken (tekst, audio, video, code, enz.) en leren voortdurend bij uit hun ervaring. Ze worden ook alsmaar beter zonder menselijke interventie. Een bekend voorbeeld zijn agents voor klantenondersteuning die automatisch vragen kunnen beantwoorden, informatie opzoeken en eventueel problemen doorspelen als ze niet zelfstandig opgelost kunnen worden. Ze kunnen ook samenwerken met andere agents om meer complexe problemen op te lossen. Een recent rapport van Salesforce (‘The Seventh Edition State of Service Report’) komt tot de vaststelling dat AI Agents in een service-omgeving niet alleen kosten kunnen besparen maar ook de klantentevredenheid kunnen verhogen. Tegen 2027 zou 50% van alle servicegevallen via AI opgelost kunnen worden.
Eerst stappen, dan lopen
AI Agents kunnen duidelijk verder gaan dan chatbots en large language models door data en gesofisticeerde analytics tools in te schakelen om meer complexe redeneringen aan te kunnen, al dan niet met menselijke tussenkomst. Maar: analisten van McKinsey hebben een jaar lang meer dan 50 IA Agents opgevolgd en hun conclusies zijn wel ontnuchterend: er is nog veel werk aan de winkel. Ze zijn niet altijd de beste oplossing voor alle noden en ze vragen evenveel aandacht en begeleiding als andere werknemers, alleen al omdat je ze nooit zomaar aan hun lot kan overlaten. Helaas storten veel bedrijven zich halsoverkop op AI Agents en GenAI en dat eindigt vaak in desillusie. In zijn ‘2025 Planning Guide for Analytics and Artificial Intelligence’ geven de analisten van Gartner dan ook een erg plastisch advies: ga voor een kruip-stap-loop-aanpak en zet zo je eerste lessen om in een schaalbare architectuur.
AI Agents worden vaak verward met Agentic AI terwijl er wel een duidelijk onderscheid is, want Agentic AI gaat een hele stap verder. Het kan vrij autonoom beslissingen nemen en acties opstarten, bv. in supply chain management de vraag analyseren, de voorraad aanpassen en de logistiek optimaliseren. Het leert ook veel meer van alle mogelijke interacties en ervaringen en kan proactief reageren op problemen of kansen. En het kan meerdere AI Agents integreren om bredere problemen aan te pakken. Algemeen wordt het dan ook gezien als de toekomst van AI, want het combineert meerdere soorten artificial intelligence die samen het systeem in staat stellen te plannen, reageren, leren en verbeteren – altijd autonoom.
Verantwoorde AI
Steeds vaker zie je ook de term Responsible AI of Verantwoorde AI opduiken. Dat is niet echt verwonderlijk want vooral sedert de opkomst van Generative AI worden er vragen gesteld rond het ethisch verantwoord gebruik van AI. Onderzoek van Accenture heeft uitgewezen dat amper 35% van alle consumenten wereldwijd vertrouwen heeft in de manier waarop organisaties AI-technologie toepassen. Meer dan driekwart vindt dat bedrijven ter verantwoording moeten worden geroepen bij verkeerd gebruik. In 2023 bracht een rondvraag bij de klanten van frameworkleverancier Scaled Agile aan het licht dat 43% onder hen aarzelde om AI te gebruiken omwille van de inherente risico’s. Die bevinding wordt bevestigd door IDC’s ‘Microsoft Responsible AI Survey’, waar meer dan 30% van de ondervraagden een gebrek aan governance en oplossingen voor risk management als voornaamste belemmering zagen voor het toepassen van AI. Het is dan ook niet verwonderlijk dat nu wereldwijd allerlei initiatieven worden genomen om precies dat ethisch verantwoord gebruik van AI in goede banen te leiden.