Hoewel hij optimistisch is over de vooruitzichten dat AI veel werkactiviteiten zal automatiseren, erkent McKinsey dat het tientallen jaren zal duren voordat dit op welke schaal dan ook zal gebeuren. CIO’s en andere leidinggevende leiders moeten dit in gedachten houden te midden van de hype en wilde beweringen van veel leveranciers en consultants.
Er zijn een aantal redenen waarom zinvolle AI-implementaties binnen de onderneming langer zullen duren dan velen denken.
Complexiteit van mensenwerk
Er wordt geschat dat de gemiddelde persoon elk uur 2000 beslissingen neemt. Hoewel veel van deze beslissingen routinematig zijn en weinig nadenken vereisen, zijn andere veel complexer en genuanceerder. Op het werk zijn we efficiënt in het snel verwerken van meerdere inputs, waarbij we rekening houden met kwesties als veiligheid, sociale normen, de behoeften van onze collega’s en werkgever, maar ook met nauwkeurigheid en strategische doelen. Tegelijkertijd kunnen we deze beslissingen mondeling, schriftelijk en via gebaren communiceren met behulp van meerdere systemen en workflows.
Hoewel computertechnologieën en verbeterde toegang tot gegevens bedrijven misschien hebben geholpen betere routinematige beslissingen van lage waarde te nemen, vereist alles wat complexer is nog steeds menselijke inbreng en toezicht. De reputatie van een organisatie leeft of sterft door de beslissingen die binnen de organisatie worden genomen, en als deze eenmaal verloren is gegaan, is deze moeilijk en vaak onmogelijk terug te winnen. Hoewel chatbots veel functies zullen overnemen die momenteel worden uitgevoerd door door mensen aangedreven callcenters, zullen deze opereren binnen strak gedefinieerde parameters, inclusief hun gegevensinvoer en de antwoorden die ze kunnen geven.
AI-hallucinaties
Het probleem van AI-hallucinaties, waarbij een groot taalmodel (LLM) authentiek ogende maar verzonnen resultaten oplevert, mag niet worden onderschat voor AI-implementaties in ondernemingen. Er wordt geschat dat het hallucinatiepercentage voor ChatGPT tussen de 15% en 20% ligt, een onaanvaardbaar cijfer voor bedrijfskritische besluitvorming.
Hallucinaties kunnen binnen bedrijfsimplementaties worden verminderd door LLM’s te verfijnen door ze te trainen op privégegevens die zijn geverifieerd. Verdere verbeteringen kunnen worden aangebracht door zoekopdrachten te beperken tot beproefde aanwijzingen en door open source-tools zoals Langkit en Guardrails, of eigen producten zoals Galileo, op te nemen. Deze tools en raamwerken bevinden zich nog in de beginfase van ontwikkeling en gebruikers zullen moeten experimenteren met meerdere benaderingen en oplossingen. Het zal op zijn minst enkele jaren duren voordat gevestigde en vertrouwde methoden om hallucinaties tot een aanvaardbaar niveau terug te brengen algemeen beschikbaar zijn.
