7 bezwaren tegen AI weerlegd en meer lessen van de World Summit AI

Soms lijkt AI wel een beetje over de hype heen, maar niet als je rondloopt op de World Summit AI. Daar neemt iedereen AI – en zichzelf – heel serieus. Ik was er ook, op het hippe Hembrugterrein in Amsterdam-Noord-Noord (Zaandam). Hieronder mijn zoektocht naar goede voorbeelden, case studies en lessons learned.

Zoals elk congres begint de World Summit AI met een bang: een flitsende videomontage op grote schermen, van 2001: A Space Odyssey tot Tiananmen Square en van de evolutie van de mens tot de robotgevechtshond. Je raadt het al: dit pretentieuze filmpje was gemaakt door AI.

De volgende bang komt even later tijdens de keynote van hoofdsponsor Microsoft, als het geluidssysteem eruit knalt. Veelgehoorde grap: is het AI die het congres saboteert?

Hete lucht…

Het is de opmaat tot twee dagen met een wirwar van sessies in acht verschillende tracks. Ik focus me op case studies, waar ik hoop te horen over praktische toepassingen, eerste resultaten, do’s en dont’s en lessons learned.

Dat is wel even zoeken. Veel sprekers komen niet verder dan inkoppers als: “start with: what is our business case and which AI use cases support this?” (Dell) of “highlight the importance of adoption by end users as well as top-down vision and leadership” (Microsoft).

Ik krijg veel stappenplannen voorgeschoteld. Zoals Unilever, die van ‘strategy’ via ‘opportunity’, ‘future state’ en ‘roadmap’ naar ‘deployment’ gaan. Of Dell met ‘Explore-Plan-Learn-Accelerate’. Decathlon’s rijtje is ‘proof of concept’, ‘orchestrate’, ‘scale’, ‘execute’ en ‘run’. Klinkt allemaal weldoordacht, maar deze stappenplannen kennen we toch allang van andere technologische innovaties?

Wacht even, ‘orchestrate’? Dat woord ga ik vaker horen, steeds in combinatie met ‘scale up’. Dat laatste blijkt ongelofelijk moeilijk met AI, en het eerste moet daarbij helpen. Een orchestration platform brengt al je AI-apps samen, integreert ze met andere systemen en met je databronnen, en maakt effectieve governance mogelijk, zo begrijp ik. Techreuzen als AWS, Dell en Intel gaan daar vast goed geld mee verdienen.

… en hete koffie

Veel praktischer is de sessie van een enthousiaste Italiaanse techie van Nestlé. Hij heeft NesGPT gebouwd, een chatbot voor medewerkers. Hiervoor gebruikte hij RAG: Retrieval Augmented Generation, waarmee je precies kan definiëren uit welke broninformatie een AI-chatbot put. NesGPT is gestart met niet meer dan 200 interne documenten, maar genereert al wel 1 miljoen aanvragen per maand van 95.000 gebruikers.

Een paar interessante observaties: in tegenstelling tot LLM’s geldt voor RAG ‘less is more’. Documenten toevoegen blijkt tijdrovend door voorbewerking (indexering, metatagging) en leidt tot meer foutmeldingen. Maar ondanks het intensieve gebruik heeft NesGPT nog geen enkele klacht over hallucinaties gehad.

Zeven bezwaren tegen AI (weerlegd)

Ook leerzaam is een nuchtere Australiër die vertelt hoe hij zijn hele online kredietverlener Beforepay heeft omgebouwd tot AI-first bedrijf. Hij noemt zeven bezwaren die je tegen gaat komen als je serieus met AI aan de slag gaat – en voor elk heeft hij een weerwoord:

1. AI hallucineert!
   Gebruik het dan nooit zonder toezicht en vooral voor ideeëngeneratie.
2. Het is een enorm risicovolle verandering!
   Doe het dan in stapjes, niet met een big bang; laat het parallel lopen met je bestaande business; en neem het niet op in je KPI’s.
3. Er moet altijd een ‘human in the loop’!
   Maar wat gaat die human dan doen? Alle uitkomsten checken gaat snel vervelen. Beter om mensen in te zetten om de AI-modellen zelf te verbeteren.
4. Wat als er kwaadaardige code in zit?
   Begin in een losstaande sandbox en doe handmatige code reviews.
5. Onze data is er niet klaar voor!
   Dat is je data nooit, maar je kunt al wel beginnen met AI en je data in parallel aanpakken.
6. AI zet de hele organisatie op z’n kop!
   “Yep, deal with it.”
7. Kunnen onze mensen dat wel?
   Daar zul je versteld van staan; zelfs ouderen komen vaak mee. Maar niet iedereen kan de stap maken.

Hij eindigt met een paar lessons learned: hoeveel je ook aan data-engineering wilde uitgeven, verdubbel het. Zorg dat je een data scientist hebt die de business begrijpt, en iemand uit de business die data science begrijpt. En de mooiste? Die vind je onderaan dit artikel.

Had ik dat maar geweten

Lessons learned kom ik ook tegen in een sessie met vooral Nederlandse bedrijven. Volgens Eneco moet je het wiel niet opnieuw proberen uit te vinden, maar goed luisteren naar je leveranciers. (Microsoft zat de sessie voor…)

Denk niet te groot en ‘follow the money’: waar kun je kostenbesparingen behalen met AI? Bedenk dan wel hoe je de tijdbesparing ook echt kan omzetten in lagere kosten. Dat is makkelijker bij een groot team, zoals een callcenter, dan bij specialisten met elk hun eigen werkveld.

De man van ASML is een system architect, dus zijn belangrijkste les is om te zorgen voor een goed datafundament. Ook hij raadt aan om klein te beginnen, maar bovendien om de effecten over langere tijd te blijven meten. Is de impact wel blijvend? En zoals te verwachten van onze nationale innovatietrots tipt hij: geef lucht aan vernieuwing.

De McKinsey-consultant tenslotte praat in spreekwoorden: zie niet alles als een spijker voor de AI-hamer. Begin met het doel voor ogen, niet met de middelen.

Wàt zeiden ze?

Zo hoor ik wel meer one-liners. Een slimme jonge vrouw van VodafoneZiggo haalt Daniel Ek van Spotify aan:

Talk is cheap, building is expensive, so we talk a lot.

Dat geldt volgens haar ook voor de ontwikkelfase van AI-projecten. Richt je daarbij niet op “solutions looking for problems“ (de hamer van McKinsey), en ook niet op “problems looking for solutions”, maar op “aspirations looking for enablers”.

Veel praten dus, maar om dat effectief te kunnen doen moet je wel ergens over kunnen praten. Zorg dus dat je eerst een prototype of een proof of concept hebt: “Show, then tell”.

Dat vindt een Danone-dame ook heel belangrijk, maar dan vooral om steun te vergaren van stakeholders. De C-suite begrijpt niets van AI, maar wil dat niet toegeven. Ze zullen daarom al je plannen afkeuren, tenzij je ze kunt verbazen met een mooie demo. Het opschalen van een proof of concept naar brede uitrol moet je daarna niet onderschatten. Vaak moet je daarvoor helemaal opnieuw beginnen, vooral met data en governance. Misschien moet ze eens gaan praten met de orchestration-jongens.

Zij maakt zich trouwens zorgen over de toekomst van werk met AI. Wordt een key skill voor die toekomst: “doing nothing, feeling important”? Minder werken is fijn, maar is het werk dat overblijft wel uitdagend als AI alles beter kan? We moeten er nodig over nadenken, want ik hoor een Dell hotshot op de main stage verkondigen: “it’s moving really fast”. Goh, echt?

Mijn laatste quote komt van de oprichtster van OffWorld, die de angst voor kwaadaardige AI – in de ruimte of op aarde – relativeert: “humans are also not always benign” (mensen zijn ook niet altijd goedaardig).

Geef me de ruimte

Bij die rocket scientist kom ik terecht als ik genoeg heb van steeds hetzelfde geijkte strategieverhaaltje. Zij verruimt mijn blik met haar stelling dat AI een nieuwe space age inluidt. We weten allemaal dat een iPhone veel meer rekenkracht heeft dan de computers van de Apollo-maanlanders, maar ik wist niet dat mensen sinds die maanlandingen niet meer buiten de Low Earth Orbit zijn geweest.

AI gaat dat veranderen, want in deep space is goede monitoring, diagnostiek en onderhoud van alle apparatuur – en van de ruimtereizigers en kolonisten – letterlijk van levensbelang. Je moet in staat zijn “to withstand the unknown”. En omdat mensen er nogal schaars zijn ben je daarvoor afhankelijk van technologie. Van AI en robots, dus. Die laatsten worden steeds beter, laat ze zien met deze video.

Een andere blikverruimer is de oprichtster van Hidden Door, dat met AI fantasiewerelden maakt op basis van boeken en films. In die werelden kunnen fans zelf rollenspellen spelen. Volgens haar produceren LLM’s per definitie middelmatige content. Menselijke creativiteit blijft nodig, maar met AI kun je daar wel eindeloos veel mee doen. Ook voorspelt ze het einde van prompt engineering: de context wordt de prompt.

Twijfelende intelligentie

Een waardige afsluiting van de World Summit AI is de workshop van Rob van der Veer. Hij is al 20 jaar gespecialiseerd in AI-veiligheid en heeft daar zelfs net een kinderboek over uitgebracht. Zijn interessantste stelling is dat we AI-chatbots veel te zelfverzekerd hebben gemaakt. Bij intermenselijk contact leiden we van aarzelingen en gezichtsuitdrukkingen af hoe zeker iemand is van zijn zaak. Daarom zouden chatbots eigenlijk een beetje moeten haperen en spelfoutjes moeten maken, zodat we hun antwoorden op waarde kunnen schatten.

Datzelfde geldt voor de meeste sprekers op de World Summit AI: die zijn ook veel te zelfverzekerd over hun eigen aanpak en oplossingen, terwijl eigenlijk niemand het flauwste benul heeft waar het heengaat met AI.

Natuurlijk, een planmatige aanpak, stakeholdermanagement en governance zijn belangrijk. Misschien zelfs een orchestration-platform. Maar het gaat erom wat je met AI gaat doen. Je komt nergens zonder een open geest en steeds weer omdenken. En we weten allemaal: het loslaten van bestaande structuren, processen en gewoonten is het moeilijkste wat er is. Kijk maar naar al die sprekers.

Gelukkig beginnen er goede voorbeelden te komen waar we ons aan kunnen spiegelen, zoals NesGPT en Beforepay. Om ook met een grote bang te eindigen, hier dan, zoals beloofd, de mooiste lesson learned van die laatste: “it is going to work way, way better than you expect.”