Categorie: AI

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.

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.

Organisaties investeren volop in AI-trainingen, licenties en experimenten. Medewerkers leren prompten en worden aangemoedigd om nieuwe toepassingen te ontdekken. Maar naarmate AI normaler wordt, ontstaat een andere vraag: wat wordt er binnen de organisatie daadwerkelijk beter? AI-adoptie zegt op zichzelf weinig over de waarde die kunstmatige intelligentie creëert. Het aantal gebruikers, trainingen of prompts is relatief eenvoudig te meten. Lastiger, maar relevanter, is vaststellen wat er gebeurt met doorlooptijden, kwaliteit, kosten, capaciteit en output. Daarmee verschuift de aandacht langzaam van experimenteren met AI naar het aantoonbaar maken van resultaat.

AI krijgt snel een grotere rol binnen financiële afdelingen. Tegelijkertijd groeit het aantal tools, copilots en agents zo hard dat organisaties ook tegen nieuwe vragen aanlopen over betrouwbaarheid, integratie, reproduceerbaarheid en beheersing. AI in Finance hoeft daarom niet te betekenen dat ieder financieel proces met kunstmatige intelligentie moet worden uitgevoerd. Voor sommige analyses blijven SQL, BI, spreadsheets of andere deterministische technieken uitstekend geschikt. De interessante opgave voor CFO’s en financeprofessionals is om per vraagstuk bewust te bepalen welke technologie daadwerkelijk waarde toevoegt.

AI ontwikkelt zich razendsnel en de verwachtingen over de gevolgen voor bedrijven, banen en productiviteit zijn groot. Inmiddels beschikken we ook over steeds meer cijfers waarmee een deel van die verwachtingen kan worden getoetst. De economische impact van AI blijkt vooralsnog genuanceerd. De adoptie groeit snel en bij specifieke werkzaamheden worden duidelijke productiviteitsverbeteringen gemeten. Tegelijkertijd is grootschalige verdringing van banen nog beperkt zichtbaar en moeten veel van de verwachte economische effecten zich nog bewijzen. Tijd om de voorspellingen naast de beschikbare data te leggen.