De snelle opkomst van kunstmatige intelligentie (AI) heeft geleid tot een golf van experimenten in verschillende industrieën. Veel bedrijven ervaren echter "proof-of-concept-moeheid", waarbij initiële proeven er niet in slagen om te vertalen naar tastbare bedrijfswaarde. Ivan Zhang, medeoprichter van Cohere, een toonaangevend bedrijf op het gebied van enterprise large language models (LLM), ging tijdens een recente Web Summit in op deze groeiende frustratie en drong er bij potentiële klanten op aan hun vertrouwen in AI te behouden, terwijl hij de kritieke noodzaak benadrukte om zich te concentreren op return on investment (ROI).
De valkuil van het Proof-of-Concept
Zhang benadrukte de ontgoocheling bij ondernemingen die zwaar hebben geïnvesteerd in AI-pilots zonder een overeenkomstige beloning te zien. Hij erkende dat veel Cohere-klanten, ondanks het bouwen van initiële applicaties, moeite hebben gehad om ze in productie te brengen vanwege problemen variërend van kosten en governance tot databeveiliging en privacy. Dit sentiment weerspiegelt een bredere trend waarbij de belofte van AI vaak botst met de praktische realiteit van implementatie.
Hij wees op de kwesties van uitgaven, naleving van de regelgeving, gegevensbescherming en privacyprotocollen, die Cohere hoopt op te lossen met zijn nieuwe werkruimteplatform North.
Het ROI-imperatief
In een interview benadrukte Zhang dat de volgende fase van AI-adoptie moet worden gedreven door aantoonbare ROI. Bedrijven moeten een duidelijke financiële rechtvaardiging zien voor hun AI-investeringen, zodat de voordelen opwegen tegen de kosten. Hij waarschuwde dat sommige AI-systemen zo duur zijn om te bedienen dat ze alle potentiële kostenbesparingen door het automatiseren van taken tenietdoen.
"Soms zijn de systemen die ze uiteindelijk bouwen, de kosten van het model zelf duurder dan de mensen die het daadwerkelijk runnen," zei hij.
De essentiële vraag of er een daadwerkelijke verbetering is met AI-implementaties moet worden beantwoord om de verbrande bruggen van AI-bedrijven die projecten aangaan die nooit uitkomen te overwinnen.
AI-augmentatie versus productiviteit
Zhang merkte ook gevallen op waarin bedrijven hebben geprobeerd bestaande personeelsbestanden te versterken met AI, maar geen verbetering in de productiviteit zagen. In sommige gevallen verminderden werknemers eenvoudigweg hun werklast zonder de output te verhogen, waardoor de voordelen van AI effectief teniet werden gedaan. Dit benadrukt het belang van het zorgvuldig overwegen van hoe AI wordt geïntegreerd in bestaande workflows en ervoor te zorgen dat het leidt tot echte efficiëntiewinsten.
Vroege tegenslagen overwinnen
Zhang verwacht dat AI-startups nu de taak zullen hebben om bedrijven terug te winnen die "verbrand" zijn door projecten die niet zijn uitgekomen. "De volgende fase van go-to-market voor deze technologieen is ‘waar is de ROI?’," Hij gelooft dat AI-bedrijven het vertrouwen zullen moeten herwinnen door de tastbare waarde van hun oplossingen aan te tonen en zich te concentreren op het leveren van meetbare resultaten.
Echo’s uit de onderzoeksgemeenschap
Zhang’s observaties worden ondersteund door onderzoek van organisaties zoals het National Bureau of Economic Research, dat "geen significant effect op de inkomsten of geregistreerde uren in welke functie dan ook" vond na het onderzoeken van 7.000 werkplekken die AI-chatbots gebruikten. Evenzo onthulde een Boston Consulting Group-studie dat slechts een kwart van de ondervraagde leidinggevenden een aanzienlijke waarde van AI heeft gezien, wat suggereert dat bedrijven hun investeringen vaak te dun spreiden over meerdere pilots.
Prioriteit geven aan zakelijke problemen boven opzichtige oplossingen
Zhang’s advies aan bedrijven die LLM’s overwegen, is om zich te concentreren op het oplossen van specifieke zakelijke problemen in plaats van het bouwen van uitgebreide oplossingen zonder duidelijke use cases. Hij waarschuwde om niet "verdwaald te raken in het bouwen van iets en te zoeken naar een probleem", waarbij hij het belang benadrukte van het afstemmen van AI-investeringen op strategische bedrijfsdoelen.
AI als een hulpmiddel in de gereedschapskist
Zhang betoogde dat AI moet worden gezien als slechts één hulpmiddel in de gereedschapskist voor het oplossen van zakelijke problemen en het creëren van waarde voor klanten. Hij waarschuwde tegen het overhypen van het potentieel van de technologie om alle problemen van de wereld op te lossen en benadrukte dat deze het meest effectief is wanneer deze strategisch wordt gebruikt en in combinatie met andere oplossingen.
De Hallucination uitdaging
Hoewel AI aanzienlijke vooruitgang heeft geboekt, blijven er uitdagingen bestaan, met name op het gebied van "hallucinaties", waarbij LLM’s valse of gefabriceerde informatie genereren. Ondanks de vooruitgang op dit gebied zijn de hallucination percentages van LLM’s hardnekkig hoog gebleven, waarbij zelfs de nieuwste modellen van toonaangevende bedrijven fouten produceren. Dit probleem onderstreept het belang van transparantie en het bieden van gebruikers inzicht in hoe AI-modellen tot hun conclusies komen.
De mede-oprichter erkende tegenover talloze professionals dat hallucinatie een probleem blijft in generatieve AI. Hij verklaarde dat het bedrijf heeft geprobeerd te helpen door transparant te zijn, inclusief het tonen aan gebruikers van "het rauwe denken" van zijn LLM’s, en welke tools zijn systemen gebruiken, samen met hoe en citaten naar afgeleide antwoorden.
Het concurrentielandschap
Cohere ondervindt hevige concurrentie van beter gefinancierde rivalen in de AI-ruimte. Zhang is echter van mening dat groter niet altijd beter is als het gaat om het bouwen van kosteneffectieve en energiezuinige AI-modellen. Hij betoogde dat een model "slechts zo goed is als de gegevens en systemen waartoe het toegang heeft", waarbij hij het belang benadrukte van het bouwen van oplossingen die volledig binnen de omgevingen van klanten kunnen worden uitgevoerd. Zhang prees Cohere’s "intense groei" en zei dat de "relatief jonge" aard van de ruimte voldoende ruimte laat voor het bedrijf om uit te breiden.
Omzetgroei en uitdagingen
De groei van Cohere is de laatste tijd een belangrijk aandachtspunt geweest voor techmedia. Cohere bereikte deze maand $100 miljoen USD ($138 miljoen CAD) aan geannualiseerde omzet na meer dan een verdubbeling van zijn omzet sinds het begin van 2025, en CEO Aidan Gomez vertelde Bloomberg onlangs dat het bedrijf "niet ver verwijderd" was van de winstgevendheid. Maar The Information heeft gemeld dat dit nog steeds $350 miljoen USD achter ligt op wat Cohere in 2023 aan investeerders vertelde dat het nu jaarlijks zou verwachten te verdienen. Omzetdoelen en hevige concurrentie zijn niet de enige uitdagingen waarmee Cohere te kampen heeft.
Rechtszaak wegens inbreuk op het auteursrecht
De AI-startup heeft ook wat een expert een mogelijk "precedent scheppende" rechtszaak wegens inbreuk op het auteursrecht van grote mediabedrijven noemde. Een groep mediaorganisaties, waaronder de Toronto Star, Condé Nast en Vox, hebben beweerd dat Cohere media-inhoud zonder toestemming heeft gescraped en gebruikt om AI-modellen te trainen, zonder toestemming in realtime toegang had tot inhoud en inbreukmakende outputs heeft gegenereerd. Cohere is slechts een van de vele AI-startups die met soortgelijke rechtszaken worden geconfronteerd. Cohere heeft deze beweringen ontkend en betoogd dat de aanklagende uitgevers alles uit de kast hadden gehaald om een zaak te "fabriceren" en betwistte het idee dat er praktische inbreuk op het auteursrecht had plaatsgevonden.
Zhang weigerde veel commentaar te geven op de kwestie en verwees BetaKit naar een blogpost waarin Cohere’s denken werd beschreven. "We hebben er vertrouwen in," zei hij.
Een diepere duik in de uitdagingen bij de implementatie van AI
Veel bedrijven duiken aanvankelijk met veel enthousiasme in AI-initiatieven, in de overtuiging dat AI hun activiteiten snel zal revolutioneren en ongekende efficiëntie zal creëren. Maar velen ondervinden aanzienlijke uitdagingen die ze niet hadden verwacht. Deze moeilijkheden kunnen verschillende vormen aannemen, van technische complexiteit tot organisatorisch verzet. Het begrijpen van deze uitdagingen is essentieel voor bedrijven die AI met succes willen implementeren en een positief rendement op hun investeringen willen behalen.
Technische complexiteit en datavereisten
Een van de eerste hindernissen die bedrijven vaak tegenkomen, is de technische complexiteit van AI-systemen. AI-modellen, met name die gebaseerd zijn op deep learning, zijn rekenkundig veeleisend en vereisen gespecialiseerde kennis om te creëren, trainen en implementeren. Gegevens zijn ook vereist. De kwaliteit en kwantiteit van de trainingsdata hebben een aanzienlijke impact op de prestaties van AI-modellen. Het verzamelen en voorbereiden van enorme datasets kan een tijdrovend en kapitaalintensief proces zijn. AI-projecten kunnen worden belemmerd door een gebrek aan hoogwaardige, gelabelde data, wat resulteert in onnauwkeurige of bevooroordeelde modellen.
Bovendien introduceert het garanderen van de interoperabiliteit van AI-systemen met de bestaande IT-infrastructuur verdere complexiteit. Verschillende AI-platforms en frameworks zijn mogelijk niet compatibel met legacy systemen, waardoor aanzienlijke wijzigingen in bestaande workflows en architecturen noodzakelijk zijn. Het integreren van AI in ingewikkelde organisatorische omgevingen vereist vaak veel ervaring en een sterk begrip van zowel AI-technologieën als de onderliggende commerciële activiteiten.
Organisatorische en culturele barrières
Naast de technische obstakels kunnen organisaties aanzienlijke organisatorische en culturele hindernissen tegenkomen bij de acceptatie van AI. Een veel voorkomend probleem is de terughoudendheid van werknemers om AI-gestuurde veranderingen te omarmen. Werknemers kunnen bezorgd zijn over banenverlies en over de noodzaak om nieuwe talenten te leren en zich aan te passen aan nieuwe werkmethoden. Verzet van werknemers kan AI-initiatieven belemmeren en het realiseren van verwachte voordelen belemmeren.
Bovendien vereist AI-implementatie aanzienlijke samenwerking tussen afdelingen en teams. Datawetenschappers, IT-professionals, bedrijfsanalisten en subject matter experts moeten samenwerken om problemen te definiëren, AI-oplossingen te creëren en deze in productie te implementeren. Silo’s en een gebrek aan communicatie kunnen de samenwerking verstikken en de effectieve integratie van AI in commerciële activiteiten belemmeren. Het overwinnen van deze organisatorische en culturele obstakels vereist een sterk leiderschap, effectieve communicatie en een toewijding aan verandermanagement.
Ethische en governance-bezwaren
Naarmate AI zich meer verspreidt, worden ethische en governance-kwesties steeds belangrijker. AI-systemen hebben het vermogen om vooroordelen te bestendigen, oneerlijke oordelen te vellen en de privacy van mensen te schenden. Organisaties moeten deze zorgen aanpakken door robuuste ethische richtlijnen en governance-procedures te ontwikkelen voor AI-ontwerp, -ontwikkeling en -implementatie. Transparantie, verantwoordelijkheid en eerlijkheid zijn de belangrijkste principes voor verantwoorde AI.
Dataprivacy is een belangrijke kwestie om te overwegen. Dataprivacyregels moeten worden gevolgd bij het bouwen van AI-systemen, samen met veiligheidsmaatregelen om gevoelige informatie te beschermen tegen ongewenste toegang of misbruik. Organisaties moeten gebruikers toestemming vragen voor het verzamelen en gebruiken van data en transparantie bieden over hoe AI-modellen keuzes maken. Bovendien moeten organisaties mechanismen hebben om AI-systemen te monitoren en te controleren om eventuele ethische risico’s of ongewenste gevolgen te ontdekken en te mitigeren.
ROI meten en aantonen
Uiteindelijk hangt het succes van elk AI-project af van het vermogen om een meetbaar rendement op investering (ROI) op te leveren. Het bepalen van de ROI van AI-projecten kan echter moeilijk zijn, vooral wanneer de voordelen immaterieel of op lange termijn zijn. Organisaties moeten duidelijke doelen en indicatoren vaststellen voor hun AI-initiatieven en de voortgang regelmatig volgen en de resultaten meten. Dit vereist een grondig begrip van de bedrijfswaarde die AI naar verwachting zal leveren, evenals de middelen die nodig zijn om die waarde te bereiken.
Bovendien is het communiceren van de voordelen van AI aan stakeholders cruciaal voor het verkrijgen van steun en het vestigen van vertrouwen in AI-investeringen. Dit kan inhouden dat use cases worden gepresenteerd, vroege triomfen worden getoond en de impact van AI op essentiële bedrijfsindicatoren wordt gekwantificeerd. Om de ROI van AI succesvol te kwantificeren en aan te tonen, moeten bedrijven een gedefinieerd raamwerk creëren voor het meten van de prestaties en de waardepropositie duidelijk communiceren aan stakeholders.
De toekomst van AI-adoptie: een evenwichtig perspectief
Ivan Zhang’s inzichten benadrukken het belang van een evenwichtige benadering van AI-adoptie, een benadering die het potentieel van de technologie erkent, terwijl deze gebaseerd blijft op praktische realiteit. Naarmate AI zich blijft ontwikkelen, zullen bedrijven zich moeten concentreren op het bouwen van oplossingen die tastbare ROI opleveren, ethische zorgen aanpakken en naadloos integreren in bestaande workflows. Door prioriteit te geven aan zakelijke problemen boven opzichtige oplossingen en AI te beschouwen als een hulpmiddel in de gereedschapskist, kunnen organisaties het ware potentieel van AI ontsluiten en zinvolle bedrijfsresultaten stimuleren.