Van tokenmaxxing naar valuemaxxing: de volgende fase van AI

Inmiddels maakt 43 procent van de Nederlanders gebruik van AI in hun dagelijkse werkzaamheden (CBS). Hiermee is de eerste fase van implementatie van deze technologie geslaagd, waarin het kennismaken met AI en het bouwen aan AI-vaardigheden van medewerkers centraal stonden. De meeste Nederlandse bedrijven zijn dan ook toe aan de volgende stap: van ‘tokenmaxxing’ naar ‘valuemaxxing’.

Veel bedrijven hebben inmiddels al behoorlijk geïnvesteerd in AI, waarbij ze dus vooral hebben ingezet op ‘tokenmaxxing’. Hierbij worden prompts of interacties met een taalmodel geoptimaliseerd om het maximale uit het beschikbare tokenbudget te halen. Maar nu is het belangrijk dat bedrijven de overgang naar fase twee geleidelijk inzetten. De vraag is dan ook niet langer hoeveel AI in jouw organisatie wordt gebruikt, maar hoe je meer waarde kunt halen uit iedere euro die je erin investeert. En daar wordt het interessant, want rendement terugzien op bedrijfsniveau vraagt om de volgende stap: werkprocessen herontwerpen en AI-agents inbouwen op de plek waar zakelijke beslissingen daadwerkelijk worden genomen.

Waar hangen de prestaties van aan AI-agent van af?

Hoe goed een AI-agent presteert, hangt af van twee zaken. Allereerst de kwaliteit van de data die de agent gebruikt, en ten tweede de duidelijkheid van de regels die bepalen wat de agent mag doen. Slechte data of onduidelijke kaders leiden tot slechte beslissingen, hoe geavanceerd het model ook mag zijn. Accenture-onderzoek bevestigt dat: bedrijven die hun data klaar hebben voor geavanceerde AI-infrastructuur realiseren een EBIT-voordeel van 4,5 procent ten opzichte van branchegenoten.

Die twee voorwaarden, goede data en heldere kaders, ontstaan niet vanzelf. Ze vragen om grip op de AI-infrastructuur van je organisatie, oftewel inzicht in hoe AI wordt gebruikt, wat het kost, hoe het wordt bestuurd en wie waartoe toegang heeft. Waar fase één voornamelijk inging op het vraagstuk hoe AI-tools de productiviteit kunnen bevorderen, wordt fase twee een vraagstuk voor het hele bestuur. Een centraal overzicht brengt het gebruik, kosten, bestuur en waarborgen van AI modellen en agents in kaart. En juist die inzichten, gecombineerd met centraal beheer van al je AI-tools en agents, maken de stap naar ‘valuemaxxing’ mogelijk: het moment waarop je AI-agents daadwerkelijk laat renderen.

AI-agents: de ruggengraat van valuemaxxing

Kies daarvoor je AI-agents zorgvuldig, en begin bij processen waar de grootste efficiencyslag te maken valt. Binnen finance ligt dit bijvoorbeeld bij het automatiseren van aansluitingen, prognoses en facturatie. In de keten bij demand planning en voorraadbeheer en binnen compliance bij het monitoren van transacties en het signaleren van risico’s.

In drie stappen naar valuemaxxing:

1. Begin bij de zakelijke doelen, niet bij het AI-model. Identificeer waar AI een meetbaar resultaat oplevert, denk aan verkoopprognoses, sturing of kortere doorlooptijden. Bepaal vooraf hoe je succes meet en wijs een verantwoordelijk team aan. Het eigenaarschap hoort bij de business, niet bij IT.
2. Bepaal welke data AI-agents mogen gebruiken. Modellen hebben toegang nodig tot actuele bedrijfsdata, maar de organisatie houdt de regie over beheerrechten, kwaliteit en herkomst.
3. Gebruik het juiste model voor de juiste taak. Het krachtigste model is niet automatisch het meest effectieve. Kleinere modellen handelen routinetaken sneller en goedkoper af, terwijl de zwaarste modellen gereserveerd blijven voor werk dat hun kracht ook echt nodig heeft. Waarde, niet rekenkracht, is het doel.

Al eens eerder maakte Nederland een grote digitale omslag. In de jaren negentig zorgde de pc-privéregeling voor een brede basis van digitaal vaardige gebruikers, de grondslag voor onze sterk gedigitaliseerde samenleving en de succesvolle techsector. Die brede basis hebben we inmiddels ook met AI: nu is het tijd om er waarde uit te halen.

Door: Kevin Jonkergouw, RVP Benelux bij Databricks