Waarom “AI-klaar” het meest misbruikte woord in de cloud is geworden

“AI-klaar” staat in elke vendorpresentatie en elk bestuursagenda die ik het afgelopen jaar heb bekeken. De frase is overal. Wat het betekent is niet langer duidelijk.

Wanneer een CFO zegt dat ze AI-klaar zijn, bedoelt ze dat het budget is goedgekeurd. Wanneer een CIO het zegt, bedoelt hij dat de platforms op hun plaats staan. Wanneer een consultant het zegt, bedoelt hij een omvang van het werk. Wanneer een bestuurslid het zegt, bedoelt hij een verdedigbare houding. Dezelfde twee woorden. Vier conversaties.

Het resultaat is voorspelbaar: bedrijven verklaren zich AI-klaar op basis van welke definitie hen het meest flatteert, en vervolgens zien ze hun pilots falen in productie om redenen die niemand had voorzien – omdat niemand eigenlijk hetzelfde probleem aan het oplossen was.

De frase is niet het probleem. Het begrip eronder is dat wel. En het is de moeite waard om het te repareren, omdat wat “AI-klaar” eigenlijk betekent, weinig te maken heeft met wat de meeste bedrijven kopen.

De platformlaag is volwassen, maar dat is niet de kloof

Als de meeste mensen onder druk worden gezet om een definitie te geven, komen ze ongeveer op hetzelfde punt terecht. AI-klaar betekent een technische houding: platforms op hun plaats, identiteitsarchitectuur gedefinieerd, governance gedocumenteerd, observabiliteit geïmplementeerd, FinOps-controles actief, misschien is een Chief AI Officer aangenomen.

Dit is niet verkeerd. Deze dingen zijn belangrijk, en de technische laag is dramatisch geavanceerd. Op Google Cloud Next van de week was de boodschap ondubbelzinnig – “de tijd van de pilot is voorbij, de tijd van de agent is aangebroken.” Identiteit, governance en observabiliteit worden rechtstreeks in het platform zelf gebouwd. De grote hyperscalers convergeren naar vergelijkbare capaciteiten met vergelijkbare snelheid.

Dit is een echte verschuiving, en het is de moeite waard om serieus te nemen. Maar terwijl de platformlaag volwassen wordt, verdwijnt de resterende werkzaamheden van de klant niet – het wordt alleen maar zichtbaarder. Er is een laag tussen het platform en uw mensen die geen enkele leverancier voor u zal bouwen. De meeste bedrijven zijn hier nog niet aan begonnen.

De ontbrekende laag: het harnas

Noem het het harnas. De deterministische middleware tussen uw mensen en de AI – de toolchain die het onmogelijk maakt voor een autonoom systeem om af te wijken van uw specificatie, uw beperkingen of uw doelstellingen.

In softwareontwikkeling is het harnas niet het model. Het is het specsysteem, de testinfrastructuur, de reviewpoorten, de implementatiebeleid – de steiger die de AI-uitvoer in overeenstemming houdt met wat het bedrijf eigenlijk nodig heeft, en niet met wat het platform denkt dat “goede code” in het algemeen is.

Het platform is gebouwd om algemeen te zijn. Alignering met uw bedrijf is een bouwprobleem, en alleen u kunt dit oplossen. De meeste bedrijven zijn hier nog niet aan begonnen. Ze implementeren AI op volwassen platforms en vertrouwen op de standaardinstellingen om de alignering af te dwingen. De standaardinstellingen zullen dit nooit doen.

Maar zelfs met een functionerend harnas is de technische laag niet de kloof. De menselijke kloof is dat wel.

De echte flessehals: menselijk gedrag

Laatst week heb ik vijfenveertig minuten besteed aan het handmatig opstellen van een e-mail voordat ik mezelf betrapt heb.

Ik werk elke dag in deze ruimte. Ik heb toegang tot de beste tools, een diep begrip van wanneer en hoe ik ze moet gebruiken, en een sterke persoonlijke stimulans om AI in mijn eigen werk te maximaliseren. En ik viel nog steeds terug op de oude manier – regel voor regel, met hetzelfde spiergeheugen dat ik twintig jaar lang heb gebruikt – voordat ik besefte wat ik deed.

Als gereedheid op het platformniveau zou leven, zou het klaar zijn. Als het op het harnasniveau zou leven, zou het klaar zijn. Maar gereedheid, zoals het in werkelijkheid speelt, leeft ergens anders – in de kloof tussen wat mogelijk is en wat wordt bereikt. Vermenigvuldigd over elke individu, bij elke taak, duizenden keren per week.

Dat is de kloof die niemand aan het oplossen is. Het is niet dat de technologie niet kan helpen. Het is dat twintig tot vijfenzestig jaar aan spiergeheugen niet op een projectplan worden herschreven.

Zodra je dat accepteert, begint de hele kader van “AI-klaar” er verkeerd uit te zien.

“AI-klaar” is geen finishlijn

“Klaar” impliceert een finishlijn, en die is er niet. Bedrijven die AI-klaar lijken te zijn, staan aan de onderkant van de volgende helling, en degenen die dat niet doen, staan aan de onderkant van een eerdere. Beiden kijken omhoog naar werk dat ze nog niet hebben gedaan.

Dat is waarom “Zijn we AI-klaar?” de verkeerde vraag is. Het behandelt gereedheid als een toestand die je bereikt, terwijl het in de praktijk een schaal is die je beklimt – één gedefinieerd stukje tegelijk. De betere vraag is praktisch: wat is het volgende stukje gereedheid dat onze mensen nodig hebben, en wie is verantwoordelijk voor het bereiken ervan? U budgetteert niet voor AI-gereedheid als bestemming, omdat er geen dergelijke bestemming is. U budgetteert voor het volgende hapje van de olifant, en dan het volgende.

Voor bijna elk bedrijf is het volgende hapje op het individuele niveau – en dat is waar het werk waar niemand op voorbereid is, werkelijk leeft.

Ieder werknemer beheert nu een AI-team

Elke individuele bijdrager in uw bedrijf wordt nu verwacht om een heterogeen team van twintig specialisten te beheren die ze niet hebben aangenomen en niet volledig begrijpen.

Uw copywriter heeft een onderzoeker, een editor en een vertaler. Uw ontwikkelaar heeft een junior engineer en een codebeoordelaar. Uw productmanager heeft een analist, een ontwerper en een klantensynthesizer. Ongeacht de rol, ongeacht de senioriteit, heeft elke persoon in uw bedrijf nu een team. Ze hebben er niet om gevraagd. Ze zijn er niet voor opgeleid. De kwaliteit van hun output hangt nu af van hoe goed ze het beheren.

Dit is wat gereedheid eigenlijk vereist – en het is geen changemanagement. Changemanagement is procedureel: nieuwe workflows, nieuwe training, nieuwe tools die van bovenaf worden uitgerold. Wat hier gebeurt, is iets anders. Elke persoon moet leren om te delegeren, te evalueren en de output over disciplines te twijfelen die ze nooit zijn geleerd. Dat is geen procedure. Dat is een herdefinitie van de baan, die op elk niveau gebeurt, zonder een playbook.

Noem het wat je wilt – vaardigheid, praktijk, dirigeren. De label is minder belangrijk dan de erkenning dat dit het werk is. De meeste bedrijven hebben er nog geen naam voor, laat staan een plan.

Opnieuw nadenken over hoe gereedheid wordt gemeten

Houd op met het meten van gereedheid als een checklist. Begin met het meten waar het werkelijk leeft – op het individuele niveau – en ontwerp de organisatie rond de spier, niet rond het platform.

Drie dingen volgen. Houd op met het vragen “zijn we AI-klaar” en begin met het vragen “wat is het volgende stukje gereedheid voor onze mensen, en wie is de eigenaar?” Investeer in humane capaciteit met hetzelfde gevoel van urgentie als u investeert in platformcapaciteit – de meeste besturen hebben deze verhouding omgekeerd met een orde van grootte. En huur en beloon voor de capaciteit om een heterogeen team van AI-specialisten te beheren, omdat dat het nieuwe minimumniveau is, geen strekgroep.

“AI-klaar” is geen verkeerde frase. Het is de meest misverstane frase in de cloud – en het misverstand kost bedrijven meer dan ze beseffen. De bedrijven die dit goed doen, zullen niet degene zijn met de meeste platforms. Ze zullen degene zijn wiens mensen hebben werkelijk herschreven wat ze bereiken.