De Toekomst van Werk: Hoe AI en Automatisering Jobrollen en Bedrijfsmodellen opnieuw Definiëren

In onze professionele praktijk zijn we twee gepolariseerde meningen over AI en zijn impact op jobrollen en bedrijfsmodellen tegengekomen. De ene kant maakt zich zorgen over stijgende werkloosheidscijfers en kunstmatige intelligentie die de overhand krijgt, terwijl de andere kant gelooft dat AI geen significante veranderingen zal brengen en uiteindelijk een bubbel zal blijken te zijn.

Terwijl 64% van de CIO’s hoge verwachtingen heeft van het gebruik van AI om hun bedrijfsoperaties te verhogen en ondernemingen te laten evolueren, wordt het begrijpen van de sterke mogelijkheden en beperkingen van de technologie bijzonder belangrijk. Kan kunstmatige intelligentie echt nieuwe bedrijfsmodellen introduceren, of zijn deze verwachtingen gebaseerd op vooroordelen?

Als altijd ligt het echte antwoord ergens in het midden.

Iedere technologische revolutie is gevolgd door de transformatie van jobrollen en werkplekroutines. De evolutie van AI beloofde snel werkplekken te veranderen en maatschappelijke veranderingen te drijven. Het bleek dat AI de samenleving niet zo heeft beïnvloed als verwacht, maar de samenleving kan en moet AI beïnvloeden.

De vertraging in de ontwikkeling van LLM en de voortdurende rapporten over AI hallucinaties maken het duidelijk dat de AI-systemen die we vandaag kennen verre van perfect zijn — ze leveren niet wat verwacht werd, en de ontwikkelaars weten het. Het is belangrijk om te begrijpen dat het probleem niet met kunstmatige intelligentie ligt, maar met de hype eromheen. In plaats van te vertragen en te focussen op het verbeteren van bestaande functies, zijn ontwikkelaars begonnen met het nastreven van het volgende doel. Als gevolg daarvan zijn veel potentiële problemen onverkend en over het hoofd gezien, waardoor talloze problemen ontstaan, zoals Google een $100 miljard aandelenverlies leed omdat zijn Bard AI een feitelijke fout maakte die niemand had gecontroleerd.

Deze resultaten laten zien dat als AI controle en monitoring nodig heeft om basisTaken uit te voeren, het te vroeg is om het te vertrouwen met complexe taken. Veel jobrollen vereisen diepe inzichten, kritisch denken en flexibiliteit die kunstmatige intelligentie mist — en dat zal niet snel veranderen.

De voormalige hoofd van de AGI-readinessgroep bij OpenAI zei dat de echte efficiëntie van AI het resultaat zal zijn van een robuust gesprek tussen bedrijven, overheden, industrieën, professionals en burgers. Momenteel is dit gesprek nog niet begonnen, en het zal volledige deelname van iedereen die hiermee te maken heeft, vereisen.

AI in bedrijfsmodellen: het huidige waardeonderzoek

Terwijl de tijd van AI-gedreven bedrijfsmodellen nog niet iets is dat we binnen een jaar of twee kunnen verwachten, is er geen twijfel over dat kunstmatige intelligentie een significante impact heeft gehad op de manier waarop bedrijven opereren en hun workflows beheren.

In het algemeen komt het allemaal neer op drie ondersteunende pijlers van elk bedrijf:

1. Data-analyse

Hoe meer we verbonden zijn, hoe meer data ons bereikt. Dit is vooral waar voor bedrijven — elk jaar van de bedrijfsreis genereert een veelvoud aan datapools, documenten, papieren en schermafbeeldingen. Elk van deze stukjes biedt immense waarde, maar het moet eerst worden gevonden. Voor menselijke experts zou het zoeken naar en organiseren van al die data maanden, zo niet jaren, duren. Echter, voor kunstmatige intelligentie is het een kwestie van dagen, zo niet seconden. Door diep in grote hoeveelheden data te duiken, ze te sorteren en te organiseren — inclusief ongestructureerde data — verbindt AI vitale informatie met werknemers, beslissers en executives, waardoor databottlenecks worden uitgewist en scherpere besluitvorming op elk niveau mogelijk wordt. Met AI wordt de geschiedenis en het totale overzicht van de bedrijfsreis veel duidelijker, waardoor meer zekerheid ontstaat en bedrijfsleiders kunnen zien waar ze zijn en waar ze in de toekomst moeten zijn.

2. Klantinteractiepersonalisatie

Met de kwaliteit van de klantbeleving in de VS op een historisch laag niveau, is het verminderen van de responstijd, het mogelijk maken van gepersonaliseerde interacties en het aanpakken van klantproblemen zo snel mogelijk, nooit belangrijker geweest voor bedrijven. Echter, het bereiken van deze doelen betekent het opnemen van elke enkele stukje klantgegevens: demografie, aankoopgeschiedenis, interactiefrequentie met het merk en vele andere factoren. Een taak van deze omvang is te veel voor een callcenter of ondersteunend team om aan te pakken, maar het is een routineactiviteit voor een AI-assistent. Door samen te werken, kunnen AI-gepowered platforms en menselijke werknemers superieure klantenservice leveren door individuele klantgeschiedenissen onmiddellijk te onderzoeken en hun specifieke behoeften aan te pakken. Een dergelijke aanpak biedt de niveaus van personalisatie en empathie die klanten in een merk zoeken, waardoor de relatie met de leverancier wordt versterkt en loyaliteit wordt gekoesterd.

3. Risicobeheer

Risicobeheer is een constant en onveranderlijk pijnpunt voor bedrijven — en het zal altijd zo blijven. Hoe intenser het bedrijfslandschap, hoe meer scenario’s executives moeten evalueren om financiële en reputatie-risico’s goed te beoordelen. Sommige evaluaties zijn gebaseerd op kritisch denken en ervaring, terwijl andere enorm veel historische data vereisen om patronen te onthullen. In het laatste geval biedt kunstmatige intelligentie immense hulp door afwijkingsdetectie, patroonherkenning en het detecteren van verdacht gedrag. Deze capaciteiten verlichten de druk op managers, analisten en executives, waardoor ze bedreigingen kunnen identificeren voordat ze ontstaan — en zich dienovereenkomstig kunnen voorbereiden.

De toekomst van AI-bedrijfsmodellen: blijf op de hoogte voor meer

Een van de belangrijkste punten om rekening mee te houden is dat de soorten AI-gepowered bedrijfsmodellen ongedefinieerd zullen blijven totdat de volledige waarde van kunstmatige intelligentie is ontdekt. Terwijl bedrijfsleiders nog twijfelen over het berekenen van de ROI van AI, is er behoefte aan onderzoek en exploratie.

De adoptie van kunstmatige intelligentie is geen kleine verandering; het introduceert een compleet nieuwe workflow. Daarom moeten bedrijfsleiders een goed begrip krijgen van die workflow, de KPI’s identificeren en bepalen wat het onderscheidt van eerdere routines — en de transformatiewaarde afleiden op basis van hun analyse.

Als voorbeeld, in veel gevallen, verbetert AI niet alleen bedrijfsprocessen — het creëert nieuwe die het mogelijk maken om gewenste resultaten te bereiken. Maar om de waarde van deze resultaten te maximaliseren en de basis te leggen voor compleet nieuwe modellen, heeft elk bedrijf drie integrale componenten nodig: het proces, de technologie en de mensen die het gebruiken.