Ondanks dat het alweer halverwege 2024 is, en de grote doorbraak van A.I. alweer bijna 2 jaar achter ons ligt, zijn er helaas nog steeds niet veel cijfers bekend over succesvolle en minder succesvolle A.I.-adaptatie bij organisaties. Maar duidelijk is wel dat implementatie ervan niet altijd van een leien dakje gaat. In een uitgebreid whitepaper zet Textmetrics daarom uiteen wat er allemaal bij komt kijken als je hier je voordeel mee wilt doen, en welke regels je dan moet opstellen. Dat blijkt met name 9 stappen en overwegingen te omhelzen. Waar moet je precies rekening mee houden?
#1. Toepasbaarheid
Nadat Hollywood-producer Tyler Perry de video’s van Sora had gezien, zette hij de plannen voor uitbreiding van zijn filmstudio’s voor 800 miljoen dollar voorlopig in de ijskast. Hij onderzoekt nu hoe hij (deze) A.I. effectief in kan zetten in zijn filmbedrijf. Zo creëert zogenoemde generatieve A.I. wel meer lucratieve business opportunities. Maar het is wel belangrijk te kijken hoe het gebruik van A.I. het hele bedrijf ten goede komt, aldus de whitepaper. ‘Ervaring uit de automatisering heeft ons helaas geleerd dat medewerkers zelfstandig ‘handige’ applicaties gaan ontwerpen waarmee alleen zij kunnen werken en waarvoor geen enkele documentatie is.’
Daar moet je dus voor uitkijken, aldus Textmetrics. ‘Voor andere afdelingen leverde dit alleen maar meer werk en veel frustratie op. Een ongestructureerd A.I.-beleid laat hetzelfde zien: bij generatieve A.I.’s als ChatGPT kan er al heel eenvoudig een GPT ontworpen worden, een gespecialiseerde versie van ChatGPT die geoptimaliseerd is voor een bepaalde functie zoals het samenvatten van een pdf. Zo’n GPT kan heel erg handig lijken, maar als je niet oplet, zwerven er binnenkort tientallen GPT’s rond in je bedrijf en niemand weet meer precies waarvoor ze nu eigenlijk dienen.’
#2. Input
Wil je zelf aan de slag met A.I., dan is ook de inputkant niet te onderschatten. ‘De input-data van een A.I. zijn uiterst belangrijk. Dit geldt voor de trainingsdata als je zelf een A.I. laat ontwerpen, maar ook voor de instructies die medewerkers invoeren in de prompt. De kwaliteit van de data moet je daarom waarborgen door gedetailleerde specificaties op te stellen en regelmatig een intern data quality assessment te houden om te voorkomen dat de data gecompromitteerd worden. Evalueer ook regelmatig de kwaliteit en effectiviteit van de gebruikte prompts.’
#3. Output
Minstens zo belangrijk is de vraag: wat doe je met hetgeen de A.I. je oplevert? ‘Er zijn diverse problemen met de output van de verschillende generatieve A.I.’s. Een A.I. kan gaan hallucineren en wetenschappelijke bronnen en andere referenties verzinnen, duplicate content genereren, onjuiste feiten bedenken en bias verwerken in de output. Onwaarheden publiceren kan reputatieschade, maar ook legale problemen opleveren.’ Dat speelt niet alleen nu, maar ook in de toekomst. ‘Stel bijvoorbeeld dat je bepaalde inputdata niet meer mag gebruiken vanwege aangescherpte copyright-wetten. Dan moet je al je vorige output hierop controleren.’
#4. Throughput
Input is wat je erin stopt, output is wat je eruit haalt. Maar dan hebben we ook nog zoiets als throughput. Oftewel: wat gebeurt er in het proces precies met de data? ‘Creëert de A.I. ongevraagd een profiel van je bedrijf? Worden je bedrijfsgegevens verkwanseld aan de hoogste bieder? Er zijn ook andere problemen. Denk bijvoorbeeld aan de copyrightschendingen bij OpenAI voor het trainen van ChatGPT, waarvoor ongevraagd teksten gebruikt werden van auteurs die hier nu een vergoeding voor eisen. Als OpenAI hiertoe veroordeeld wordt, heeft dit effect op elke gebruiker van hun A.I.-diensten en -producten.’
Officieel medio 2026 moet in heel Europa de AI-Act van kracht zijn.
Officieel medio 2026 moet in heel Europa de AI-Act van kracht zijn. Maar de wet is nu al een goede leidraad voor je interne A.I.-beleid, stelt de whitepaper. En let wel: onder de AI-Act ben je ook verantwoordelijk voor het gebruik van A.I. in tools van derden die je gebruikt. ‘Let dus goed op of de servers van je leveranciers zich binnen of buiten de EU bevinden.’ Hetzelfde geldt min of meer voor de AVG. Ook daarvan moet je nu al kijken of je A.I. geen persoonsgegevens op onreglementaire wijze verwerkt. Opletten dus. Wat steeds lastiger wordt, omdat neurale netwerken tegelijkertijd steeds complexer worden.
#5. Security
Bij het Internet of Things (IoT) kunnen apparaten op afstand bediend worden door het uitwisselen van data. Hierdoor ontstaat een reëel risico op spionage. Het Chinese Huawei wordt er bijvoorbeeld al lange tijd van verdacht spionage te faciliteren. Dit zouden ze doen door componenten in hun slimme apparatuur in te bouwen die gegevens doorsluizen naar de Chinese overheid. Nederland heeft daarom het gebruik van Huawei-apparatuur in de telecom in 2021 verboden.
De veiligheid van persoonlijke en bedrijfsgegevens komt in het geding bij het gebruik van een open A.I.-platform. Dit risico is tweeledig. Enerzijds zijn er de gebruikers die gevoelige data zoals klantgegevens invoeren in de prompt en anderzijds weet niemand wat er precies met de data gebeurt tijdens de verwerking. Bovendien is het onduidelijk hoe de beveiliging van de throughput geregeld is. Heeft een hacker toegang tot al je bedrijfsgeheimen en lopende acties? Georganiseerde scambendes kunnen je hiermee accuraat profileren en vervolgens een overtuigende deepfake op je medewerkers en partners afsturen.
#6. Beheersbaarheid
Als je in je organisatie geen duidelijk A.I.-beleid opstelt, is er geen overzicht over de tools die je medewerkers gebruiken. En zonder overzicht weet je niet hoe of waar je in moet grijpen. ‘Verschillende A.I.-tools kunnen elkaar tegenwerken en je geld kan verdwijnen in een bodemloze put. En wie weet wat voor malware je inmiddels hebt binnengehaald met gratis software die is geïnstalleerd door je personeel.’
#7. Vertrouwen
Vertrouwen is essentieel bij de implementatie van A.I. Te snelle implementatie kan niet alleen je medewerkers bang maken dat hun baan op het spel staat, maar ook klanten en partners laten denken dat je alleen maar geld wil uitsparen. Zoals bijvoorbeeld recent GVB overkwam, toen het Amsterdamse vervoerbedrijf besloot voor zijn nieuwe campagne met A.I.-modellen te gaan werken.
#8. Kennis
Is de benodigde kennis wel in huis om A.I. deskundig te implementeren en te onderhouden? Zelfs al is die kennis nu in huis, dan nog dreigt er een braindrain als er elders interessantere uitdagingen zijn, aldus Textmetrics. ‘Houd je personeel dus vast en zorg voor goede documentatie van al je stappen.’
#9. Investering
Ja, en dan de hamvraag: wat mag het kosten? Voor de meeste bedrijven is A.I. immers geen doel, maar een middel. De eventuele investering moet rendement opleveren en zo efficiënt mogelijk gebeuren. ‘Als iedereen op eigen houtje kunstmatige intelligentie implementeert, moet iedereen het wiel opnieuw uitvinden. Een gecentraliseerde aanpak is daarom altijd effectiever en levert aanzienlijke tijds- en kostenbesparing op’, aldus de auteurs van de whitepaper, die ook pleiten voor zoveel mogelijk transparantie in het A.I.-proces. ‘Als we alle aandachtspunten transparant implementeren, weten we hoe en waar we een fout kunnen herstellen.’
Meer weten?
Lees in de hele whitepaper hoe je grip kunt krijgen op je A.I.-implementatie, zodat je met meer vertrouwen de toekomst in kunt gaan:
Grip op A.I.