Natuurlijk bestaan er verschillen tussen modellen en toepassingen, maar toegang tot goede AI wordt steeds minder schaars. Daarmee ontstaat een interessantere vraag: als steeds meer organisaties over vergelijkbare AI beschikken, waar zit dan straks nog het concurrentievoordeel?
Wat mij betreft niet in het model zelf. Het verschil ontstaat vooral in wat AI over jouw organisatie weet, hoe goed processen zijn ingericht en in hoeverre AI daadwerkelijk iets kan betekenen binnen die processen.
Van toegang tot toepassing
Die verschuiving is inmiddels duidelijk zichtbaar. OpenAI beschreef onlangs in zijn Enterprise Signals-onderzoek dat organisaties die vooroplopen niet noodzakelijk over andere AI-modellen beschikken. Het verschil zit vooral in de manier waarop zij AI gebruiken. Koplopers geven AI meer context en hulpmiddelen en bewegen van algemene ondersteuning richting het daadwerkelijk uitvoeren van werkzaamheden. (openai.com)
Dat vind ik vanuit marketingperspectief misschien wel interessanter dan de volgende modelrelease. Technologie wordt uiteindelijk pas onderscheidend wanneer een organisatie er iets mee doet wat een concurrent niet zomaar kan kopiëren.
Een algemene AI-assistent kan voor vrijwel iedere onderneming een e-mail schrijven, een rapport samenvatten of ideeën voor een campagne bedenken. Maar zo'n assistent weet niet vanzelf welke klanten voor jouw organisatie strategisch belangrijk zijn, waarom bepaalde offertes wel of niet worden gewonnen, welke uitzonderingen binnen een orderproces gebruikelijk zijn of welke afspraken met leveranciers gelden.
Daar zit bedrijfscontext. En die context heeft iedere organisatie zelf opgebouwd.
Jaren aan kennis zitten overal verspreid
Organisaties hebben door de jaren heen enorme hoeveelheden eigen kennis verzameld. Een deel daarvan staat netjes in CRM-, ERP- of andere bedrijfsapplicaties. Een ander deel zit in documenten, dashboards, werkinstructies, projectomgevingen en e-mails. En een verrassend groot deel zit waarschijnlijk nog steeds in de hoofden van medewerkers.
Dat betekent dat een AI-model op zichzelf maar een klein deel van de oplossing is.
Stel dat je een commerciële AI-assistent wilt inzetten. Een generiek model begrijpt prima wat sales is en kan voorstellen doen voor een opvolgmail of een gesprek voorbereiden. Om een accountmanager echt te ondersteunen, moet het echter ook iets weten over de klant, eerdere contacten, lopende offertes, producten, marges en gemaakte afspraken.
Voor customer service geldt hetzelfde. Een vriendelijk antwoord genereren is niet meer bijzonder ingewikkeld. Het wordt interessanter wanneer AI ook begrijpt welk product de klant gebruikt, welke storing eerder is gemeld, wat de gemaakte serviceafspraken zijn en welke vervolgstap logisch is.
Ook in logistiek zit het onderscheid niet in een AI-model dat begrijpt wat voorraadbeheer betekent. De toegevoegde waarde ontstaat wanneer AI rekening kan houden met de daadwerkelijke voorraad, levermomenten, klanten, uitzonderingen en operationele afspraken van die specifieke organisatie. Op dat moment verandert AI van een algemeen hulpmiddel in technologie die de organisatie daadwerkelijk beter begrijpt.
Context wordt daarmee een bedrijfsmiddel
Grote technologiebedrijven bewegen duidelijk in die richting. Salesforce introduceerde in september een nieuwe Enterprise AI Harness rond precies dit vraagstuk. Niet alleen het AI-model staat daarin centraal, maar ook bedrijfsdata, processen, bedrijfsregels en de mogelijkheden om vanuit die context acties uit te voeren. (salesforce.com)
Ook Salesforce en Google Cloud kondigden verdere integratie aan waarbij AI-agents kunnen werken met dezelfde data, workflows en bedrijfslogica over verschillende platformen heen. (salesforce.com) Google Cloud en Accenture zetten daarnaast gezamenlijk een team van 1.000 gespecialiseerde engineers op om bedrijven te helpen de stap te maken van experimenten naar toepassingen binnen de organisatie. (googlecloudpresscorner.com)
Die ontwikkelingen laten zien waar de markt naartoe beweegt. De uitdaging wordt steeds minder of organisaties AI kunnen gebruiken. De interessantere vraag is hoe je ervoor zorgt dat AI jouw organisatie voldoende begrijpt om daadwerkelijk iets nuttigs te doen.
Begin daarom niet bij het model
Bij AI-discussies gaat het opvallend vaak eerst over tooling. Gebruiken we ChatGPT, Gemini, Claude of iets anders? Welk model scoort het beste? Welke oplossing moeten we aanschaffen? Die vragen zijn begrijpelijk, maar voor veel organisaties denk ik niet dat ze het beste startpunt zijn.
Begin liever bij een proces. Kijk waar veel tijd verloren gaat, waar medewerkers telkens informatie uit verschillende systemen moeten verzamelen of waar dezelfde afweging steeds opnieuw wordt gemaakt. Onderzoek waar vertraging ontstaat omdat kennis moeilijk beschikbaar is en waar iemand geholpen zou zijn wanneer informatie niet alleen wordt gevonden, maar ook direct in de juiste context wordt geplaatst.
Pas daarna wordt de technologie interessant. Misschien is een eenvoudige AI-assistent voldoende. Misschien moet informatie uit verschillende systemen worden samengebracht. En soms blijkt dat er helemaal geen AI nodig is en dat het slimmer is om eerst het onderliggende proces te verbeteren.
Dat laatste wordt in alle AI-enthousiasme nog weleens vergeten. Een slecht proces wordt niet automatisch een goed proces omdat je er AI aan toevoegt.
Je eigen manier van werken is moeilijker te kopiëren
Daar zit voor mij ook de belangrijkste strategische kans. Een concurrent kan hetzelfde AI-model aanschaffen en waarschijnlijk grotendeels dezelfde software gebruiken. Functionaliteiten die vandaag nog bijzonder zijn, kunnen bovendien binnen enkele maanden standaard beschikbaar zijn.
Wat een concurrent niet zomaar kan kopiëren, is de context die jouw organisatie in jaren heeft opgebouwd. Klantkennis, processen, data, ervaring, uitzonderingen en beslislogica zijn specifiek voor de manier waarop een organisatie werkt. Wanneer AI toegang krijgt tot precies die context en die informatie op de juiste manier kan gebruiken, ontstaat er iets dat veel minder eenvoudig te reproduceren is.
Organisaties die daarin slagen, bouwen uiteindelijk meer dan een efficiëntere chatbot. Ze maken hun bestaande kennis beter beschikbaar en verbinden technologie steeds sterker met de manier waarop hun bedrijf werkelijk functioneert.
Daarvoor hoeven niet direct complete bedrijfsprocessen autonoom te worden gemaakt. Juist een afgebakend proces met een concreet probleem en een duidelijke gewenste uitkomst kan een goed startpunt zijn. Vervolgens moet de vraag niet alleen zijn of AI technisch werkt, maar vooral of er daadwerkelijk iets verbetert. Worden medewerkers sneller geholpen, krijgen klanten eerder antwoord, verdwijnen handmatige stappen of ontstaat er meer tijd voor werkzaamheden waar menselijke aandacht meer waarde toevoegt?
AI wordt de basis. Context maakt het verschil.
We gaan waarschijnlijk een periode tegemoet waarin AI steeds minder als aparte technologie wordt gezien en steeds meer onderdeel wordt van de software en processen die organisaties dagelijks gebruiken. Daarmee verdwijnt ook een deel van het onderscheid dat alleen voortkomt uit toegang tot krachtige AI.
Iedereen krijgt misschien niet letterlijk dezelfde AI, maar de verschillen in beschikbaarheid worden kleiner. Daardoor verschuift het speelveld. Niet alleen de kwaliteit van het model wordt belangrijk, maar vooral de kwaliteit van de context die je eraan kunt toevoegen en de manier waarop je die vervolgens in je organisatie benut.
De organisaties die daar nu al over nadenken, hebben wat mij betreft een interessantere uitgangspositie dan organisaties die vooral wachten op het volgende model of de volgende AI-feature. Niet omdat zij noodzakelijk betere technologie hebben, maar omdat zij beter weten waar hun eigen waarde zit en hoe technologie daarop kan aansluiten.
De vraag is daarom steeds minder hoe slim je AI is. Veel relevanter wordt hoeveel AI van jouw organisatie begrijpt, welke informatie beschikbaar is en welke rol het binnen processen kan spelen.
