Generatieve AI: Hoe je als bedrijf goed meelift op de golf

"We zitten nog vroeg in de adoptiecurve", constateert Daniel Sack, managing director van de Global Data Science-divisie bij BCG. "Maar we moedigen alle CEO's waar we mee werken, aan niet te wachten om hiermee te beginnen." Hij noemt een aantal redenen daarvoor. "Een van de beperkende factoren is talent. En de ervaring om te werken met deze hulpmiddelen. De technologie verandert nog voortdurend, maar het hebben van een organisatie die gewend is ermee te werken, is fundamenteel om er maximaal voordeel uit te halen. Daarom raden we iedereen aan te investeren [in generative AI, red]."

BCG adviseert om te beginnen met zogeheten 'high error tolerance use cases', ofwel projecten waarbij de gevolgen van fouten niet al te groot zijn. Het gaat vaak om toepassingen die de efficiency van de organisatie kunnen verbeteren. Er is relatief weinig voor nodig om succes te bereiken en de kosten zijn niet hoog. Het nadeel is dat veel organisaties deze route zullen bewandelen.

Opdracht voor de CEO

Dus is het ook een opdracht aan de CEO's om te identificeren hoe de organisatie met de technologie echt een unieke positie in de markt kan veroveren en die de concurrentie niet snel kan imiteren (golden use cases). Op basis daarvan moet ook een beeld worden gevormd over hoe de samenstelling van de kwaliteiten en ervaringen van het personeel van de toekomst moet gaan veranderen. Met deze analyse kan ook worden bepaald welke vaardigheden kunnen worden aangeleerd door het huidige personeel en welke er moeten worden geworven. Daar kan dan al vroeg mee worden begonnen.

Kosten variëren enorm

Sack onderscheidt eigenlijk drie trajecten waarin organisaties generative AI kunnen inzetten. De kosten daarvan lopen echter enorm uiteen. De makkelijkste toepassingen komen van het gebruik van de generative AI-modellen die al beschikbaar zijn via OpenAI, Microsoft, Google of Meta. Zo'n algemeen voorgetraind model (ook wel foundational model genoemd) kan vervolgens worden toegesneden op een specifieke taak (fine-tuned) met een korte training. Het verzamelen en labelen van deze data kost enkele duizenden euro's. De compute-kosten zijn verwaarloosbaar.

Organisaties kunnen er ook voor kiezen samen te werken met makers van het foundational model om dit te verbeteren voor een specifieke taak. In dat geval kan het model beter getraind worden op organisatiespecifieke data. Maar de kosten lopen dan aanzienlijk op. BCG schat deze tussen de 1 en 10 miljoen euro. Om maximale flexibiliteit te krijgen, kan ook een eigen foundational model worden gecreëerd. Afhankelijk van de complexiteit van het model lopen de kosten uiteen van 50 tot 90 miljoen euro. "Deze aanpak ligt buiten het bereik van de meeste organisaties", constateert Sack.

Dat baart BCG wel zorgen. De technologie komt wereldwijd volledig onder controle van een handvol partijen.