Het nieuwe drieluik biedt een onmisbaar kader om de toenemende complexiteit in goede banen te leiden

De toegankelijkheid van AI-tools stimuleert innovatie, maar verhoogt ook het risico op versnipperde implementaties, onverwachte kosten en onvoldoende beheersbare milieueffecten. De voorgestelde oplossing steunt minder op één enkele tool dan op gedeeld bestuur, een technologiekeuze op basis van de behoeften en een gemoderniseerde FinOps-aanpak.

“Breng voor uw AI-projecten vanaf de start van elk initiatief alle betrokken functies samen: het management, IT, financiën, compliance, gegevensbescherming en, ruimer bekeken, de teams die zich bezighouden met data, AI en maatschappelijk verantwoord ondernemen (MVO). Beslissingen mogen niet aan één enkele afdeling worden overgelaten en mogen evenmin pas na de experimenteerfase worden genomen.”

Volgens Yannis Nakos, Chief Innovation Officer bij NSI Group, vereist AI-projectbeheer absoluut multidisciplinaire overleg- en beslissingsorganen. In tegenstelling tot traditionele IT-projecten beperkt AI zich niet tot code en technische infrastructuur. Het iteratieve karakter, de sterke afhankelijkheid van data en de ethische, menselijke én ecologische gevolgen maken het noodzakelijk om verschillende perspectieven samen te brengen. Alleen zo kunnen het welslagen, de conformiteit, de veiligheid en de acceptatie van het project worden gewaarborgd.

Een middel, geen doel op zich

“Ik raad aan om projecten vanaf het begin vanuit verschillende invalshoeken te beoordelen. Zo kunnen we dubbel werk, uiteenlopende aanpakken tussen teams en het risico op tegenstrijdige beslissingen beperken.”

Bij NSI leefde aanvankelijk de indruk dat het bedrijf nog niet genoeg deed op het vlak van AI, vertelt Yannis Nakos. Een analyse van de gerealiseerde projecten bracht echter minstens vijftig referenties over een periode van tien jaar aan het licht. Ook hadden verschillende vestigingen uiteenlopende AI-tools ontwikkeld voor vergelijkbare doelstellingen, die soms tot verschillende resultaten leidden. Sindsdien stelt Yannis Nakos vast dat dit probleem zich vrijwel wekelijks ook bij klanten voordoet.

“Vaak bestaat er een kloof tussen wat een organisatie denkt te weten over haar initiatieven en de operationele realiteit. Dat onderstreept het belang van een gedeelde inventaris en een voorafgaande afstemming, waar onze CEO, Emmanuel Pallage, bij NSI in 2024 om heeft gevraagd. AI is slechts een middel, geen doel op zich. Een AI-visie zonder een overkoepelende strategische visie komt neer op de aankoop van een geavanceerde tool omdat die nu eenmaal in de mode is.”

Een collectief besluitvormingsproces met duidelijk afgebakende verantwoordelijkheden

Een technologie mag nooit de doelstellingen van een organisatie bepalen. Het is de strategie die de richting aangeeft, benadrukt Yannis Nakos. Die strategie bepaalt waar de organisatie naartoe wil: nieuwe markten aanboren, de klantervaring verbeteren, de kosten verlagen …

“Innovatie zoekt vervolgens naar manieren om die doelstellingen op een onderscheidende manier te realiseren. Pas daarna komt AI in beeld, als technologische versneller of facilitator om die visie waar te maken.”

Zodra een initiatief een grotere omvang aanneemt, beveelt de Chief Innovation Officer van NSI een collectief besluitvormingsproces met duidelijk afgebakende verantwoordelijkheden aan. “Een dergelijk multidisciplinair kader is niet alleen wenselijk, maar absoluut noodzakelijk: meer dan 70% van de AI-projecten haalt nooit de productiefase omdat de initiële afbakening en definiëring tekortschieten.”

Die voorzichtigheid is ook ingegeven door de afhankelijkheid van externe leveranciers. Zij kunnen hun prijsmodel aanpassen, terwijl de klantorganisatie die wijzigingen niet noodzakelijk kan beïnvloeden of controleren.

Ja tegen generatieve AI, maar niet systematisch

Yannis Nakos pleit er bovendien voor om de reflectie niet te beperken tot een ‘AI-strategie’. Volgens hem is het beter om te beschikken over een algemeen innovatieproces dat op uiteenlopende vraagstukken kan worden toegepast, zoals de evolutie van een verkoopmodel of een productietool. Dat proces moet beginnen met het scherpstellen van de behoefte, vervolgens nagaan of AI een geschikte oplossing is en, zo ja, bepalen welk type oplossing het best aansluit bij de vraag.

Een belangrijk aandachtspunt in het gesprek is het onderscheid tussen deterministische systemen en generatieve modellen. De eerste categorie, die traditioneel onder menselijk toezicht staat, levert een stabiel antwoord op wanneer dezelfde gegevens meermaals worden aangeboden. Generatieve modellen kunnen daarentegen verschillende antwoorden produceren op een identieke vraag. Bovendien kan hun gedrag veranderen na updates, en zelfs binnen één en hetzelfde gesprek.

“Ik wijs generatieve AI niet af. Ik erken dat ze bijzonder waardevol is wanneer een taak vereist dat een dynamische context wordt verwerkt. Ik heb daarentegen mijn twijfels bij het systematische gebruik ervan in kritieke processen of processen waarin een onderneming betrouwbare resultaten verwacht …”

Het uitgangspunt is dus de behoefte afstemmen op het juiste middel: kies voor een deterministisch systeem, zoals een BPMS, BRE of agentische orkestratietool zoals LangFlow, wanneer stabiliteit essentieel is. Gebruik modellen die variabele situaties kunnen interpreteren wanneer ze daadwerkelijk meerwaarde bieden.

“De beslissing moet afhangen van de toepassing, niet van de aantrekkingskracht van de technologie. Wie alleen een hamer heeft, ziet overal spijkers!”

De traditionele FinOps-aanpak volstaat niet

De traditionele FinOps-praktijken, die zijn ontworpen voor voorspelbare cloudresources die per uur of per seconde worden aangerekend — zoals instanties, opslag en netwerkcapaciteit — overtuigen Yannis Nakos niet volledig. AI-projecten, en in het bijzonder generatieve AI, introduceren immers fundamenteel andere kostenmodellen.

AI brengt het concept van ‘tokenomics’ met zich mee: de asymmetrische kosten van prompttokens (de vraag) en completiontokens (het antwoord), en soms ook kosten per aanvraag. Daardoor worden de uitgaven bijzonder volatiel en moeilijk voorspelbaar.

“Het grootste probleem is de snelheid waarmee tarieven veranderen en het gebrek aan transparantie over de manier waarop verschillende modellen binnen één en hetzelfde aanbod worden geconfigureerd en aangerekend. Afhankelijk van die factoren kunnen kostenmodellen abrupt wijzigen, zonder dat een CIO daar enige invloed op heeft.”

FinOps blijft dus noodzakelijk, op voorwaarde dat het verder gaat dan een loutere vergelijking van infrastructuurtarieven. Het moet continu bijgewerkte referentiegegevens integreren, het gebruik en de kosten dynamisch opvolgen en rekening houden met schommelingen in het verbruik.

“We hebben oplossingen nodig die meerdere modellen combineren en een taak kunnen toewijzen aan het model dat economisch en ethisch het meest geschikt is, rekening houdend met de verhouding tussen de behoefte en het ingezette middel.”

FinOps is dus zeker relevant, zolang de discipline niet vasthoudt aan relatief rigide kostenmodellen en een loutere vergelijking van infrastructuurprijzen.

De ecologische voetafdruk van AI-verwerking

Ook de ecologische dimensie wordt voorgesteld als onlosmakelijk verbonden met de financiële kosten. De impact is reëel.

“Het gebruik van AI leidt onvermijdelijk tot een verbruik van materiële en energetische middelen. Dat moet meewegen in de besluitvorming, net zoals het budget en de prestaties.”

Het gesprek levert geen concrete milieumaatstaven op, maar pleit ervoor om AI-businesscases te evalueren in plaats van uitsluitend naar afzonderlijke usecases te kijken, onder meer met behulp van process mining. In die benadering worden behoeften vertaald naar tijd, kwaliteit, kosten en ecologische KPI’s, zoals de CO₂-uitstoot die door een AI-agent wordt veroorzaakt.

Daarbij wordt ook benadrukt dat de ecologische voetafdruk van AI-verwerking al bij de initiële besluitvorming in rekening moet worden gebracht, in plaats van pas na de implementatie.

De keuze van technologieën in goede banen leiden

Volgens Yannis Nakos is digitale soevereiniteit een complex vraagstuk dat al te vaak op een simplistische manier wordt geïnterpreteerd.

“De Amerikaanse Cloud Act zet onze illusies over gegevensbeveiliging op de helling. Maar soevereiniteit beperkt zich niet tot de locatie waar gegevens worden opgeslagen of verwerkingen plaatsvinden. Het is een strategische kwestie waarvoor de antwoorden telkens op de specifieke context moeten worden afgestemd.”

NSI biedt diensten voor soevereine AI aan op drie niveaus:

  • Lokale AI: gebaseerd op opensourcemodellen zoals Mistral of Qwen, maar geïndustrialiseerd en beheerd met IBM-aanbiedingen zoals watsonx en Sovereign Core.
  • Europese infrastructuur: samenwerkingen met het EuroHPC-netwerk van Europese datacenters met capaciteiten op het niveau van petabytes en exabytes.
  • Europese cloudoplossingen van hyperscalers: de zogenaamde ‘Eurocloud’-aanbiedingen, waarbij elke hyperscaler een eigen strategie en interpretatie hanteert van compliance op het vlak van soevereiniteit en cyberweerbaarheid.

De voorgestelde oplossing steunt dus minder op één enkele tool dan op gedeeld bestuur waarbij de strategische functies van een onderneming worden betrokken, een technologiekeuze op basis van reële behoeften en een gemoderniseerde FinOps-aanpak die het gebruik en de kosten kan opvolgen in een omgeving waarin beide snel evolueren.

Interview door: André de Woot