Nieuws

Steeds meer organisaties investeren in AI-modellen, copilots en agents. Nieuwe toepassingen volgen elkaar snel op en bedrijven presenteren hun AI-initiatieven graag als bewijs van innovatie. Maar wanneer concurrenten toegang hebben tot dezelfde technologie, hoe onderscheidend zijn die investeringen dan op de lange termijn? Een duurzaam concurrentievoordeel met AI hangt sterk samen met wat organisaties zelf hebben opgebouwd. Denk aan historische gegevens, specialistische kennis, betrouwbare processen en ervaring met klanten. De kwaliteit en toegankelijkheid van die informatie bepalen in belangrijke mate hoeveel waarde een organisatie uit AI kan halen.

In november 2022 verscheen Power and Prediction. Twee weken later werd ChatGPT gelanceerd. Inmiddels zijn we vier jaar, talloze AI-modellen en enorme investeringen verder. Toch blijken de economische inzichten uit dat boek nog verrassend actueel. De auteurs beschrijven hoe AI de kosten van voorspellingen verlaagt en daarmee nieuwe mogelijkheden voor organisaties creëert. Maar hoeveel is er inmiddels veranderd aan AI en besluitvorming? Veel bedrijven gebruiken AI om bestaande werkzaamheden sneller uit te voeren. De gevolgen voor de inrichting van processen, verantwoordelijkheden en beslissingen zijn een stuk lastiger vast te stellen.

Bij een miljardentransactie wil je weten wie er aan tafel zitten, welke zakelijke belangen een rol spelen en hoe besluiten tot stand komen. Voor accountants en toezichthouders zijn dat vertrouwde aandachtspunten. Bij internationale diplomatie is die informatie doorgaans veel minder toegankelijk. Berichtgeving over een mogelijke verkoop van internationale bezittingen van het Russische olieconcern Lukoil maakt belangenverstrengeling en transparantie opnieuw relevant. De gesprekken over Oekraïne en mogelijke commerciële belangen raken elkaar volgens de berichtgeving, al zijn veel details nog onbevestigd. Met bedrijfsgegevens, transactiedata en netwerkanalyse kunnen we zakelijke relaties onderzoeken en gerichter bepalen welke vragen nader onderzoek verdienen.

Een beleggingsportefeuille kan iedere dag tot achter de komma worden gewaardeerd. Toch vertelt die berekende waarde niet automatisch hoeveel geld beschikbaar komt wanneer een grote positie daadwerkelijk moet worden verkocht. De gebeurtenissen rond Turkse beleggingsfondsen maken de liquiditeit van beleggingen plotseling heel concreet. Koersen, aantallen en waarderingsmodellen kunnen correct zijn, terwijl de realiseerbare opbrengst onder andere marktomstandigheden aanzienlijk anders uitpakt. Datzelfde speelt bij voorraden, vastgoed, debiteuren en andere waarden die we dagelijks op financiële dashboards presenteren.

Generatieve AI heeft de drempel om een goed leesbare tekst te produceren drastisch verlaagd. Een rommelige notitie kan binnen enkele minuten een helder verhaal worden en ook wie moeite heeft met formuleren, beschikt inmiddels over een digitale schrijver die altijd beschikbaar is. Daarmee verandert ook de waarde van schrijven met AI. Wanneer vrijwel iedereen een keurige blog, analyse of LinkedIn-post kan produceren, wordt formuleren minder onderscheidend. De interessante vraag verschuift naar wat er vóór het schrijven gebeurt: heb je een originele gedachte, relevante ervaring, goede data of een vraag waarover het daadwerkelijk de moeite waard is om na te denken?

Het is 1951. The Catcher in the Rye van J.D. Salinger is net verschenen en groeit uit tot een groot succes. Maar daar is niet iedereen even gelukkig mee. Salinger gebruikt grof taalgebruik en de seksuele verwijzingen in de roman roepen weerstand op bij ouders, die hun zorgen neerleggen bij schoolbesturen. In de jaren die volgen, belandt de roman op de stapel van andere boeken die jongeren volgens hen beter niet kunnen lezen, samen met Steinbeck, Twain en Hemingway. Verschillende Amerikaanse scholen verwijderen het uit hun lesprogramma of bibliotheek.