Roadmap van Sopra Steria. Het moment van de waarheid
Het gaat er niet langer om te testen wat AI kan, of zelfs maar om nieuwe persoonlijke assistenten te ontwerpen, maar om precies te definiëren wat AI moet opleveren, onder welke voorwaarden en met welke verwachte resultaten. Einde van het ‘GenAI-spektakel’
AI is een beslissende fase ingegaan. De tijd van nieuwsgierigheid, geïsoleerde demonstraties en gefragmenteerde proofs of concept is nu voorbij. GenAI heeft het laboratorium verlaten en staat nu hoog op de agenda van leidinggevenden, waardoor de centrale vraag is verschoven van ‘Wat kan AI?’ naar ‘Hoe maken we er een stabiele, veilige en reproduceerbare bron van waarde van?’.
Het bereiken van industriële schaal is nu de echte uitdaging, menen de auteurs van de CIO Compass “Einde van het GenAI-spektakel”, Fabrice Asvazadourian, CEO van Sopra Steria Next, en Mohammed Sijelmassi, CTO van Sopra Steria Next.
De obstakels zijn echter vooral structureel, en niet louter technisch. Organisaties worden geconfronteerd met “cognitieve kosten”, die verband houden met de volatiliteit van het verbruik van tokens en het gebruik van GPU’s, wat de voorspelbaarheid van operationele modellen ondermijnt. Daarnaast zijn er gefragmenteerde architecturen en de valkuil van ongestructureerde data, die implementaties vaak vertragen, terwijl de opkomst van Shadow AI onbeheersbare risico’s met zich meebrengt op het gebied van blootstelling van data en intellectueel eigendom.
De uitdaging van schaalvergroting
In deze context is het niet langer houdbaar om zich te concentreren op geïsoleerde experimenten van het type „plug-and-prompt“. Organisaties moeten evolueren naar ‘AI-ready’ bedrijfsmodellen, gebaseerd op verantwoordelijkheid en soevereiniteit, en steunend op een duidelijk onderscheid tussen wat moet worden aangekocht (AI geïntegreerd in SaaS-oplossingen) en wat moet worden gebouwd om echte differentiërende concurrentievoordelen te creëren.
De eerste uitdaging is het ‘Buy vs Build’-dilemma te doorbreken, aldus Fabrice Asvazadourian en Mohammed Sijelmassi. Er moet een keuze worden gemaakt: AI geïntegreerd in SaaS-oplossingen (snelle waardecreatie maar beperkte controle ) of op maat ontwikkelde AI (sterke differentiatie maar grotere complexiteit bij het onderhoud). De juiste keuze hangt af van de eisen op het gebied van soevereiniteit, het gewenste niveau van concurrentiedifferentiatie, het data-voordeel en de economische voordelen op de lange termijn.
De tweede uitdaging is leveranciersafhankelijkheid en de afhankelijkheid van één enkel model. “Vertrouwen op één enkele LLM-leverancier stelt het bedrijf bloot aan prijsstijgingen, verlies van concurrentievermogen, instabiliteit van API’s en geopolitieke of regelgevende beperkingen.” Modelagnostische architecturen zijn onmisbaar om flexibiliteit en onderhandelingskracht te behouden
Veiligheidsmaatregelen zijn absoluut noodzakelijk
De auteurs benadrukken het risico van zwak beheer en niet-traceerbare resultaten. Zonder een beheerst ecosysteem kunnen AI-systemen inconsistente of onvoldoende onderbouwde resultaten opleveren; niet op betrouwbare wijze worden gecontroleerd of bewaakt; en risico’s opbouwen op gevoelige gebieden (juridisch, HR, financiën, cyberbeveiliging). Zonder gestructureerde waarborgen brokkelt het vertrouwen snel af.
De volatiliteit van de kosten en het ontbreken van AI FinOps vormen een andere uitdaging. “Zonder kostenbeheer kunnen het gebruik van inferentie, het uit de hand lopen van het tokenverbruik en pieken in het GPU-gebruik de budgetten snel doen ontsporen. De kosten variëren sterk van maand tot maand en zijn sterk afhankelijk van de keuzes op het gebied van modellen en architectuur…”
Transformeren… op grote schaal
Vijfde uitdaging: schaduw-AI en nieuwe veiligheidsrisico’s. Het onbewaakte gebruik van openbare LLM’s stelt de organisatie bloot aan risico’s zoals datalekken, prompt-injectie, data-poisoning, modeldiefstal en het omzeilen van beveiligings- en nalevingscontroles. “Het veilig opschalen van AI vereist beveiligingsmaatregelen die zijn afgestemd op de redenering van machines, en niet langer uitsluitend op traditionele IT-bedreigingen”, benadrukken de auteurs.“, benadrukken de auteurs.
Hoewel schaalvergroting de grootste uitdaging is, is het niet de enige. De echte belofte van AI is niet automatisering, maar ‘ ‘ ofwel ‘verhoging‘: het vergroten van menselijke capaciteiten en het herdefiniëren van prestatiedrempels, concluderen Fabrice Asvazadourian en Mohammed Sijelmassi. “Door de creativiteit van generatieve modellen te combineren met de nauwkeurigheid van composiete en agnostische architecturen, kunnen organisaties eindelijk strategische intenties omzetten in duurzame operationele realiteit, op een veilige manier en… op grote schaal.”
