Hoe kunnen bedrijven generatieve AI veilig activeren? 

Organisaties moeten de unieke mogelijkheden van grote taalmodellen begrijpen, die hen onderscheiden van andere soorten AI, om snel praktische toepassingen te ontdekken. Deze mogelijkheden zijn al bewezen door veel toepassingen in de markt, zoals het schrijven van teksten, vertalen, samenvatten van gegevens en het maken van video's en afbeeldingen. Door vroeg te beginnen met experimenteren, ontdekken organisaties sneller kleine successen die geen uitgebreide teams van datawetenschappers of dure infrastructuren vereisen. Uit onze ervaringen blijkt dat aanzienlijke waarde kan worden behaald, zelfs zonder de noodzaak van eigen modellen of maatwerktraining.

Bovendien moet het begrijpen en evalueren van deze toepassingen gebeuren vanuit het perspectief van gebruikersprofielen. Hoewel we doorgaans drie kerngroepen van profielen identificeren—deskgebruikers, burgerontwikkelaars en IT-teams—kan uw organisatie extra segmenten identificeren. Het herkennen van deze verschillende segmenten is belangrijk, omdat elk segment unieke risico's met zich meebrengt, specifieke beveiligingsmaatregelen vereist en op maat gemaakte bijscholingsprogramma's nodig heeft. Het segment van deskgebruikers loopt het meeste risico op verstoring, omdat de traditionele gecentraliseerde aanpak van IT-beheer vaak niet aan hun behoeften voldoet.

De "deskgebruikers" zijn werknemers die meestal computers op hun bureau gebruiken om taken uit te voeren. Tegenwoordig zijn er talloze gratis of betaalbare AI-tools beschikbaar voor deskgebruikers, waarmee ze zelf teksten kunnen schrijven, samenvatten, analyseren,vertalen of afbeeldingen en video's kunnen maken. Het is daarom onrealistisch om deze gebruikers te laten wachten op instructies van datawetenschappers of IT-afdelingen. De overgang van paardrijden naar treinen en uiteindelijk naar de massaproductie van auto's is vergelijkbaar met de huidige situatie. Wat hadden mensen het meest nodig tijdens deze grote verschuiving in transport? Ze hadden rijvaardigheid en rijbewijzen, wegen en verkeersborden nodig. Evenzo ligt de sleutel in onze reis naar een werkplek met generatieve AI in het bieden van de juiste vaardigheden en het creëren van stevige beveiligingsmaatregelen.

Begin met het vormen van een AI-risicocommissie met experts op het gebied van cybersecurity, juridische zaken, compliance en grote taalmodellen om experimenten te begeleiden en een organisatiebreed AI-risicokader te ontwikkelen. Gezien het snel veranderende landschap van AI en de voortdurende ontwikkeling van bijbehorende wetten en regels, is een structuur voor continue monitoring cruciaal.

Ten tweede, begin met experimenten met openbare data-toepassingen om praktisch nieuwe vaardigheden te leren, zoals het geven van instructies, en ontwikkel een duidelijk begrip van hoe potentiële risico's, zoals onnauwkeurigheden, ongepastheid, schending van auteursrechten en vooroordelen, te beheren.

Ten derde kunnen succesvolle experimenten leiden tot een organisatiebreed overzicht van AI-tools om deskgebruikers te ondersteunen en de inzet van een LLM-omgeving te bevorderen voor consumenten ontwikkelaars. Steeds vaker geven bedrijven de voorkeur aan een "kennisgebaseerde" aanpak met vooraf getrainde modellen, in plaats van hun eigen modellen te bouwen of aan te passen. Dit vereist een herziening van technologische infrastructuren en strategische besluitvorming over IT-investeringen en herverdeling van datawetenschappers. Samen met tools en infrastructuur moeten AI-geletterdheid en beveiligingsrails aanwezig zijn.

Tot slot moet de selectie van leveranciers, tools of modellen in overleg met de AI-risicocommissie plaatsvinden. Er zijn vaak verborgen risico's verbonden aan basismodellen die niet meteen duidelijk zijn. Veel open-source modellen die zijn gebouwd bovenop GPT of LLaMA zijn daarom onderworpen aan de Gebruiksvoorwaarden van OpenAI of Meta. Wanneer leveranciers deze open-source modellen gebruiken, brengen ze risico's in de toeleveringsketen met zich mee die organisaties als kopers mogelijk niet volledig begrijpen.

We hebben de kracht van generatieve AI gezien om kennis en creativiteit te democratiseren. In tegenstelling tot eerdere vormen van automatisering die vooral repetitief, op regels gebaseerd werk beïnvloedden, zal generatieve AI ook invloed hebben op werk met een laag volume en veel variatie. De rollen en vaardigheden die nodig zijn voor succes zullen veranderen, omdat sommige activiteiten worden vervangen en veel andere worden aangevuld. Om gelijke tred te houden met deze snelle veranderingen, moeten bedrijven werkontwerp een kerncompetentie maken om de optimale combinaties van talent en automatisering te waarborgen, terwijl AI zich blijft ontwikkelen. Het ontleden van banen om te identificeren hoe generatieve AI verschillende taken zal beïnvloeden en het herontwerpen van werk om het meeste uit de mogelijkheden van machines en mensen te halen, zal cruciaal zijn. Dit proces van ontleding en herontwerp zal essentieel zijn om de relevantie van de arbeidskrachten te behouden, omdat het duidelijk maakt welke vaardigheden verouderd raken door generatieve AI, welke vaardigheden veranderen in hun toepassing en welke nieuwe vaardigheden nodig zijn. Dit inzicht is van cruciaal belang om het personeel tijdig bij te scholen en om te scholen.

Met meer nieuws over baanverlies en ontslagen, zal AI veel mensen nerveus blijven maken. Nu, meer dan ooit, moeten organisaties empathie tonen en verantwoordelijkheid nemen voor wereldwijde omscholingsinspanningen.  Generatieve AI heeft het potentieel om te herdefiniëren hoe we werken, creëren en innoveren. Maar we moeten het niet alleen als technologische vooruitgang benaderen, maar als een omvattende strategie met mensen in de kern.

Vergeet niet dat AI niet alleen een IT-wonder is, maar een menselijke co-piloot. Het gaat niet alleen om kostenbesparing, maar om omscholing om meer waarde te creëren. De toekomst is niet alleen algoritmisch, maar ook mensgericht.