Onduidelijke situaties verkennen: AI-kruispunten
Naast kansen en beperkingen biedt AI ook een aantal onduidelijke situaties of ‘kruispunten’ waarmee bedrijven rekening moeten houden. Deze kruispunten betreffen domeinen waar de gevolgen van AI nog niet helemaal duidelijk zijn, en waar zorgvuldige exploratie en strategische planning centraal staan.
De toekomst van innovatie
GenAI zal in elke sector een andere impact hebben op de innovatie. In de productie wordt GenAI op een andere manier toegepast dan bij software-engineering. De traditionele innovatieprocessen staan op een kruispunt. We zijn het er allemaal over eens dat GenAI een grote impact zal hebben op de toekomst van innovatiemanagement en creativiteitsprocessen. De impact is nog onduidelijk en wordt momenteel volop besproken en onderzocht.
Voorbeelden en reflecties:
- Een farmaceutisch bedrijf gebruikt GenAI om de ontdekking van geneesmiddelen te versnellen. Hoewel dit leidt tot snellere ontwikkelingstijden en potentieel levensreddende behandelingen, roept het ook vragen op over de veranderende rol van menselijke onderzoekers en de ethische implicaties van AI-gestuurde ontdekkingen.
- Een productiebedrijf gebruikt GenAI om nieuwe productprototypes te ontwerpen en te optimaliseren. Dit versnelt de productontwikkelingscyclus, maar roept vragen op over de veranderende rol van menselijke ontwerpers en de ethische implicaties van door AI gegenereerde ontwerpen in termen van eigendom en originaliteit.
- Organisaties moeten zich voorbereiden op een revolutie op dit gebied. Zal AI extreme revoluties ontketenen en zullen alleen machines nog innovaties kunnen realiseren? Of zal AI leiden tot een explosieve toename van innovatietools om menselijke creativiteit te ondersteunen? Of iets daar tussenin?
Prompt Engineering is niet de toekomst
Prompt engineering is een praktijk waarbij tekst beschrijft wat een AI-systeem zou moeten produceren. Hoewel deze techniek momenteel veel aandacht krijgt, is prompt engineering nog niet doorgebroken. ‘Probleemformulering’ – het vermogen om problemen te identificeren, analyseren en definiëren – lijkt ons een aanpasbare vaardigheid met meer toekomstpotentieel. Deze vaardigheid helpt het potentieel van GenAI volledig benutten.
Voorbeelden en reflecties
- Een software-engineeringbedrijf focust op het ontwikkelen van robuuste 'probleem-formulerings-vaardigheden' onder zijn werknemers, zodat ze GenAI effectief kunnen inzetten om complexe uitdagingen op het gebied van softwareontwikkeling aan te pakken.
- Dream school is een online platform dat ‘standaard’ prompts biedt voor GenAI-gerelateerde vragen op het gebied van onderwijs. Docenten hoeven niet zelf prompts te schrijven, maar baseren zich op de talloze voorbeelden op dit platform.
Een duurzaamheidsprobleem of een duurzaamheidsoplossing
De groene transitie zal een digitale transitie zijn, waarbij de ‘tweeling-transitie’ (‘twin transition’) verwijst naar de integratie van digitale innovatie en ecologische duurzaamheid. Digitale technologie, en met name AI, kan duurzaamheidsproblemen helpen aanpakken. Bouwers van digitale oplossingen worden echter geconfronteerd met toenemende zorgen over de milieueffecten van hun technologie, zoals het energie- en waterverbruik.
Voorbeelden en reflecties:
- Bouwers van digitale oplossingen worden steeds vaker ondervraagd en bekritiseerd over de (verborgen) milieu-impact/kosten van hun oplossingen (energieverbruik van digitale technologie, impact op de ESG-criteria, waterverbruik, …). Voor hen is dit een relatief nieuwe zorg die zich al een paar jaar opdringt.
- De massale aanname van GenAI gaat ook gepaard met een enorm energie- en waterverbruik. Niet alleen voor het trainen van de modellen, maar ook voor het uitvoeren van de gebruikersprompts. Een typische ChatGPT-prompt verbruikt tussen de vijftig en negentig keer meer energie per zoekopdracht dan een gewone zoekopdracht op ‘Google’.
- Adidas Futurecraft: Adidas gebruikte een generatief ontwerp om de Futurecraft Loop te creëren, een 100 % recyclebare hardloopschoen. Het door AI gegenereerde ontwerp is gericht op het gebruik van één enkel materiaaltype en het optimaliseren van de schoenstructuur voor prestaties en recyclebaarheid, waardoor afval en de milieu-impact worden verminderd.
- +Generatieve engineering bij Siemens: Siemens gebruikt generatieve AI om efficiëntere onderdelen en productieprocessen te ontwerpen in de lucht- en ruimtevaart en de automobielsector. De door AI gegenereerde ontwerpen verbruiken minder materiaal en resulteren in lichtere, sterkere componenten, waardoor afval en energieverbruik tijdens de productie afnemen.
Deze onduidelijke situaties benadrukken het complexe landschap waarin bedrijven hun weg moeten zoeken bij het integreren van AI in hun activiteiten. De Sirris AI Insight Chart kan bedrijven helpen deze kruispunten te begrijpen en te overwinnen, en begeleidt hen bij het nemen van weloverwogen beslissingen en het strategisch plannen van hun AI-initiatieven.
Definieer uw GenAI speelveld
OPPORTUNITEITEN
Generatieve AI (GenAI) zal bedrijven revolutioneren door geavanceerde AI-technologieën toegankelijker te maken, waardoor transformerende klantervaringen en zelflerende toepassingen mogelijk worden. Ontdek de specifieke kansen die GenAI voor uw bedrijf biedt.
SHOWSTOPPERS
Hoewel AI talloze mogelijkheden biedt, moeten we erkennen dat u als bedrijf ook met uitdagingen te maken krijgt. We moeten rekening houden met twee belangrijke beperkingen.
