De Snelheid van AI: De Volgende Fase in de Toekomst van Innovatie

Sinds de opkomst van ChatGPT is de wereld een AI-boomcyclus ingegaan. Maar wat de meeste mensen niet beseffen, is dat AI niet helemaal nieuw is – het bestaat al een tijdje. Zelfs in de vroege dagen van Google’s veelgebruikte zoekmachine was automatisering de basis van de resultaten. Nu begint de wereld te beseffen hoezeer AI al in ons dagelijks leven is ingebed en hoeveel ongebruikte potentieel het nog heeft.

De snelheid van AI-adoptie en innovatie gaat zo snel – het bereikt ongeveer $1 biljoen aan uitgaven – dat veel mensen zich afvragen of we de expansie van toekomstige modellen zelfs twee jaar van tevoren kunnen anticiperen. Dit wordt nog verder aangewakkerd doordat technologiebedrijven zoals Meta, Alphabet, Microsoft, Oracle en OpenAI ronde na ronde van nieuwe AI-verbeteringen en modellen aankondigen om de industrievraag bij te houden. De AI-chipfabrikant Nvidia groeit zo snel dat zijn bedrijf zelfs niet goed kan worden gewaardeerd.

Wat we weten over de snelheid van AI is dat naarmate de hoeveelheid data toeneemt en de kwaliteit van de data blijft verbeteren, de mogelijkheden van AI om innovatie voor bedrijfsactiviteiten, toepassingen en processen in elke industrie te stimuleren, eveneens zullen toenemen. Om te begrijpen waar AI over een paar jaar zal zijn, moeten we eerst begrijpen dat de toepassingen van AI tweeledig zijn. De eerste is dat het een technologie versterker is, die bestaande oplossingen verbetert om ze efficiënter, nauwkeuriger en effectiever te maken. De tweede is dat AI het potentieel heeft om een technologie innovator te zijn door ondenkbare verbeteringen of oplossingen mogelijk te maken.

De Snelheid van AI opnieuw bekeken door de geschiedenis heen

Hoewel het lijkt alsof de opwinding achter AI begon toen OpenAI ChatGPT in 2022 lanceerde, gaat de oorsprong van kunstmatige intelligentie en natuurlijke taalverwerking (NLPs) decennia terug. Algoritmes, die de basis vormen voor AI, werden voor het eerst in de jaren 40 ontwikkeld, waardoor de basis werd gelegd voor machine learning en data-analyse. Vroege toepassingen van AI in industrieën zoals supply chain management (SCM) dateren uit de jaren 50, waarbij automatisering werd gebruikt om problemen in logistiek en voorraadbeheer op te lossen. In de jaren 90 waren data-gedreven benaderingen en machine learning al gangbaar in het bedrijfsleven. Naarmate de jaren 2000 vorderden, werden technologieën zoals robotic process automation (RPA) gebruikt om saaie taken in complexe en administratieve bedrijfsfuncties te stroomlijnen.

Toen kwam ChatGPT. Het is duidelijk dat de perceptie van AI is veranderd door generatieve AI. Voordat GenAI ontstond, begrepen consumenten de mechanismen van automatisering niet, laat staan de kracht van automatisering voor bedrijven. AI ligt ten grondslag aan veel van onze moderne technologie, zoals de Google-zoekmachine. De meeste consumenten vertrouwen op Google om nauwkeurige antwoorden te geven op ontelbare vragen, maar ze overwegen zelden de complexe processen en algoritmes die achter de schermen werken om die resultaten op hun computerscherm te laten verschijnen. Maar zien is geloven – met ChatGPT begon de wereld echte use cases te zien. Toch bestaat er een misverstand over hoe diep AI in ons dagelijks leven is ingebed – zelfs in de bedrijfswereld. Zoals hierboven vermeld, maakt AI bestaande technologie beter en, net als Intel’s microchips, zit AI op de achtergrond van de technologie die we elke dag gebruiken.

Als leiders de omvang van AI niet kunnen begrijpen, hoe kunnen ze dan verwachten AI met succes in hun dagelijkse bedrijfsoperaties te integreren? Dat is precies het probleem.

Uitdagingen bij adoptie en groei

Als iemand een GPT-tool zou vragen: ‘wat zullen inkoop- en supply chain-professionals waarschijnlijk zeggen over AI’, zou het waarschijnlijk de kennislacunes met betrekking tot AI-adoptie benadrukken. Wereldwijd is de adoptie van AI in het afgelopen jaar exponentieel toegenomen, na beperkte groei in voorgaande jaren. In de afgelopen zes jaar zeiden slechts 50% van de bedrijfsleiders dat ze in AI-technologie investeerden in hun operaties. In 2024 steeg het adoptiepercentage tot 72%, wat aangeeft dat bedrijfsleiders pas nu wakker worden voor het potentieel van AI om hun organisatie te verbeteren.

Om de volledige waarde van AI te realiseren, is meer nodig dan alleen het inzetten van state-of-the-art-oplossingen. Het vereist toegang tot de juiste data – data die rijke context biedt over echte bedrijfsuitgavenpatronen, leveranciersprestaties, marktdynamiek en echte wereldbeperkingen. Onvoldoende toegang tot data betekent leven of dood voor AI-innovatie binnen het bedrijf. Ten minste 30% van alle GenAI-projecten zal naar verwachting worden stopgezet vanwege slechte datakwaliteit, evenals andere uitdagingen zoals onvoldoende risicobeheersing, stijgende kosten of onduidelijke bedrijfswaarde. Maar er zijn nog veel meer uitdagingen waar bedrijven mee te maken krijgen bij het adopteren van AI en het op schaal brengen ervan.

In grote organisaties is het helaas gebruikelijk om silo’s te hebben, die bedrijven aan grote risico’s kunnen blootstellen. Neem bijvoorbeeld de supply chain-industrie. De supply chain speelt een cruciale rol in de bedrijfsstrategie en voor grote, mondiale organisaties is de verbonden schaal van de sector bijna onvoorstelbaar. Als één facet van het bedrijf in een silo werkt, kan dit het hele bedrijf in gevaar brengen. Als supply chain-teams veranderingen in de vraag niet doorgeven aan hun leveranciers, hoe kunnen leiders dan accurate prognoses maken? Als de verkoopafdeling de updated prognoses niet doorgeeft aan de inkoopafdeling, kunnen ze langlopende contracten afsluiten op basis van verouderde informatie, waardoor ze zich vastleggen in overeenkomsten die mogelijk niet aansluiten bij de huidige klantvraag.

Of het nu een organisatorische of informatiesilo is, het gebrek aan communicatie kan leiden tot een onderbreking in de klantenservice, inefficiënties creëren en een halt toebrengen aan innovatie. AI kan zijn waarde bewijzen door deze silo’s aan te pakken: als hun technologie efficiënt is verbonden, kunnen hun medewerkers en leveranciers dat ook zijn.

Bedrijfsleiders investeren actief in AI-gestuurde oplossingen om procesautomatisering, strategische inkoopmogelijkheden, uitgavenzichtbaarheid en -controle en algemene winstgevendheid te stimuleren. Om succes te behalen met deze AI-mogelijkheden en hun totale uitgavenbeheerdoelen te bereiken, moeten bedrijven samenwerken om transparantie te bevorderen en naar een gemeenschappelijk doel te streven.

De Volgende Evolutie voor AI

Op dit moment is de beste use case voor AI die daadwerkelijk bedrijfsefficiëntie en -groei stimuleert, het automatiseren van eenvoudige, administratieve taken. Of het nu gaat om workflow-efficiëntie, data-extractie en -analyse, voorraadbeheer of voorspellend onderhoud, leiders beseffen dat AI saaie, tijdrovende taken met ongekende snelheid en precisie kan versnellen. Hoewel het eenvoudig lijkt, kan deze use case in industrieën zoals de supply chain of inkoopbedrijven bedrijven ontelbare uren en miljarden dollars besparen.

We hebben het over AI als een technologie versterker gehad – maar er is nog ongebruikt potentieel voor AI om een technologie innovator te worden. Aan de vooravond van een nieuw jaar zijn er veel AI-verbeteringen waar bedrijfsleiders op moeten letten, net over de horizon.

Specifiek voor supply chain management en inkoop zal een van deze verbeteringen verbeteringen in autonome inkoop zijn. Door AI en andere geavanceerde technologieën te gebruiken, kunnen bedrijven taken automatiseren die traditioneel door mensen werden uitgevoerd, zoals inkoop en contracten, om efficiëntie te stimuleren en middelen te vrijmaken door AI te laten analyseren, trends te identificeren en geïnformeerde inkoopbeslissingen in real-time te nemen. Volledig autonome inkoop biedt niet alleen ongeëvenaarde kostenbesparingen door medewerkerstijd te besparen, efficiëntie te stimuleren en fouten te verminderen, maar kan ook het risico van fraude en namaak verminderen door voortdurend te garanderen dat het voldoet aan ethische en duurzaamheidsnormen.

Voordat bedrijven echter autonome inkoop introduceren, moeten ze zich richten op het bieden van een gebruikerservaring (UX) die intuïtief, efficiënt en gemakkelijk te navigeren is voor zowel inkoopteams als leveranciers. Zodra een hyperpersoonlijke UX is gecreëerd, kunnen bedrijven autonome oplossingen samenhangend implementeren.

Het resultaat van AI is niet alleen het verbeteren van de ROI van bedrijven, maar ook het verbeteren van besluitvorming, het voorspellen van toekomstige patronen en het opbouwen van veerkracht. C-level executives in alle sectoren zien de adoptie van AI-technologieën steeds vaker als essentieel voor het transformeren en toekomstbestendig maken van hun operaties door automatisering. Over tijd, net als elke andere technologie ervoor, zal AI steeds goedkoper worden, terwijl de waarde van de output zal blijven stijgen. Dit geeft ons tal van redenen om optimistisch te zijn over de toekomst van AI en de evenwichtige rol die het zal spelen in ons leven – zowel zakelijk als persoonlijk.