Waarom je bedrijf het verkeerde AI-probleem aan het oplossen is
Vrijdag zit een directeur van een middelgrote uitgeversgroep bij ons in het kantoor. Zij vertelt dat ze net half miljoen euro hebben gerond voor een AI-chatbot die “zoveel mogelijk zelf kan doen.” Gemaakt door een roemruchte AI-bureau. Ze hadden voor twee weken niks van zich laten horen, en nu snappen ze niet waarom het ding vrijwel niks kan. Ze willen een groter model. Of twee modellen. Of samenwerking met OpenAI.
Ik vraag haar iets simpels: “Wat is het probleem wat jij echt wilt oplossen?” Drie minuten stilte. Dan zegt ze: “Nou, we willen meer dingen geautomatiseerd hebben.” Dat klopt. Maar WELKE dingen? Voor WELKE afdeling? Met WELKE data die jullie hebben?
Hier zit een patroon in waar ik dit jaar bij zeker tien bedrijven tegenaan ben gelopen. Ze denken: groter model = beter. Dus GPT-4 is beter dan GPT-3.5. Claude Opus is beter dan Claude Sonnet. En als die het niet doen, dan zijn ze naar Meta’s Llama gegaan of Gemini. Allemaal briljante modellen. Maar ze werken niet omdat het werkelijke probleem niet aan de grootte van het model ligt.
Het echte knelpunt is data, niet intelligentie
De meeste bedrijven hebben een groot probleem voordat ze zelfs maar aan modellen denken: hun data is een wirwar. Afdelingen werken in verschillende systemen. Niemand snapt wat er in een spreadsheet van drie jaar geleden stond. Bestanden staan op USB-sticks van vertrokken medewerkers. En dan gooien ze al die ruis in een groot model en verwachten magie.
Hier is wat er werkelijk gebeurt: je voedt het model troep, je krijgt troep terug. Hoe groter het model, hoe gelukkiger het is met troep. Dus je krijgt goeie klinkende troep. Dat voelt als vooruitgang, tot het moment dat iemand realiseert dat de chatbot compleet uit zijn nek lult.
De bedrijven die wél resultaat zien? Zij doen iets heel ander. Zij zeggen: oké, laten we eerst één specifiek proces nemen. Laten we dat proces schoonvegen. Laten we precies definiëren wat er in en uit moet gaan. En dan – THEN , zetten we een model erop. Vaak niet eens het grootste model. Soms is GPT-4 voor je specifieke use case compleet overkill. Sonnet doet het prima.
Klein genoeg is big
Een bedrijf dat bouwmaterialen verkoopt zit met twintig verschillende soorten klachten die allemaal op dezelfde e-mailadres binnenkomen. Ze willen die automatisch sorteren. Ze willen weten: is dit een garantiekwestie, een vraag om informatieblad, een levering die te laat is, of een facturatieprobleem?
Je denkt: je stuurt zoiets naar GPT-4, en hop, probleem opgelost. Maar weet je wat werkelijk beter werkt? Een model van twee miljard parameters dat je zelf traint op twintig voorbeelden van ELKE categorie. Sneller. Goedkoper. Veel betrouwbaarder. En draait op hun eigen server, dus geen data naar OpenAI.
Dit gaat tegen alles in wat bedrijven horen. Ze horen: AI is zo intelligent geworden, je hoeft niks meer te doen. Je zet de knop om en het lost je problemen op. Bullshit. De intelligentie van een model is tien procent van het verhaal. Negentig procent is: hoe duidelijk kun je het probleem omschrijven, hoe schoon zijn je data, en hoe goed test je of het werkt.
Dus ja, grote modellen zijn indrukwekkend. Ze kunnen filosofische vragen beantwoorden en code schrijven en proza schrijven dat niet te onderscheiden is van menselijk. Maar voor jouw specifieke bedrijfsproces? Die Grande Modello is zoals een vrachtwagen inzetten voor een boterham naar je buurman brengen.
Waar je mee moet beginnen
Stop met modellen zoeken. Begin met processenaat. Pak je irritantste, meest repetitieve handwerk. Niet het spannendste, het irritantste. Die e-mails sorteren. Die gegevensinvoer. Die rapporten samenvatten. Dat is waar AI echt geld bespaart.
Maak duidelijk wat je voor elkaar wilt hebben: input, output, waar gaat het misgaan, wat geeft het voordeel. Verzamel twintig goede voorbeelden van dat proces in zijn schoonste vorm. Niet gemiddelde voorbeelden, de goede.
DAN pas ga je nadenken over welk model. En dan kom je waarschijnlijk tot de ontdekking dat je helemaal niet het duurste model nodig hebt. Dat je iets kleiner kunt nemen, sneller, goedkoper, betrouwbaarder.
Als je daar hulp bij nodig hebt – als je niet zeker weet waar je moet beginnen of welk proces het beste kandidaat is , dat is precies waar wij goed in zijn. We helpen bedrijven die knelpunt opsporen en daar het juiste model tegenaan zetten.
