„AI is niet alleen maar een chatbot, maar het kan een actie voor je uitvoeren of namens jou iets doen’’, zegt Tjerrie Smit, Chief Analytics Officer bij NN Group in AI at Work Live. Daarmee beschrijft hij precies de verschuiving die volgens hem binnen organisaties plaatsvindt: van AI als hulpmiddel naar AI als uitvoerder.
Van big data naar autonome agents
NN Group houdt zich al sinds 2015 bezig met AI. In eerste instantie sprak het bedrijf vooral over ‘big data’. De grote versnelling kwam volgens Smit vanaf 2021, toen generatieve AI opkwam. Na het bestuderen van een whitepaper over transformers en experimenten met OpenAI ging NN Group van de experimenteerfase naar de productiefase.
Inmiddels ligt de focus alweer op de volgende ontwikkeling: AI-agents. Deze systemen kunnen niet alleen informatie verwerken of een antwoord formuleren, maar ook verschillende acties uitvoeren en daarvoor tools gebruiken.
Dat maakt een belangrijk verschil voor bedrijven. Een medewerker die met een chatbot werkt, blijft zelf verantwoordelijk voor iedere vervolgstap. Een agent kan die stappen juist zelfstandig uitvoeren. Volgens Smit is dat precies waar de technologie interessant wordt voor grote organisaties: AI als onderdeel van het proces zelf.
Tekst gaat verder onder de foto.
Veertien controles voor één glasschadeclaim
Smit geeft een concreet voorbeeld uit de verzekeringspraktijk. Bij een eenvoudige glasschadeclaim moeten verschillende controles worden uitgevoerd voordat NN besluit of de schade wordt vergoed.
,,Voor een simpele glasschade zijn er veertien checks voordat NN besluit of er wordt uitbetaald’’, vertelt Smit. Inmiddels kunnen AI-agents die veertien taken uitvoeren. Daarmee verandert de rol van AI fundamenteel. De technologie helpt niet langer alleen een medewerker om sneller tot een besluit te komen, maar voert delen van het proces zelfstandig uit.
Dat betekent niet dat mensen uit het proces verdwijnen. Juist bij financiële producten zoals verzekeringen blijft menselijke controle belangrijk. Maar het werk dat medewerkers doen, kan wel veranderen: minder handmatige controles en meer aandacht voor uitzonderingen, beoordeling en verantwoordelijkheid.
Lees ook: Open Up-CEO Gijs Coppens: ‘Bestuurders moeten all-in op AI’
De rekening van AI loopt mee
De snelle opmars van AI brengt ondertussen een nieuwe uitdaging met zich mee: de kosten. Smit spreekt over ‘tokenomics’. Waar bedrijven gewend zijn om software aan te schaffen tegen een vaste licentieprijs, zijn de kosten van AI afhankelijk van het gebruik. Het aantal tokens dat een model verwerkt heeft rechtstreeks invloed op de rekening.
Daarbij zit volgens Smit een belangrijk onderscheid. Het gaat niet alleen om tokens voor AI-toepassingen die klanten of medewerkers gebruiken. Een steeds groter deel van de kosten kan ontstaan doordat AI wordt ingezet voor engineering en softwareontwikkeling.
„De grote kosten zitten bij AI voor engineering’’, stelt Smit. Dat vraagt volgens hem om een andere manier van kijken naar IT-kosten. Als medewerkers en ontwikkelaars steeds meer AI gebruiken, moeten organisaties niet alleen weten dát de technologie wordt gebruikt, maar ook hoeveel en met welk resultaat. De vraag wordt daarmee steeds nadrukkelijker: levert iedere extra AI-interactie ook voldoende waarde op?
“Voor een simpele glasschade zijn er veertien checks voordat NN besluit of er wordt uitbetaald. Dat kunnen AI agents doen. ”
Tjerrie Smit Nationale Nederlanden
Waarom de krachtigste AI niet altijd de beste keuze is
Een tweede valkuil is volgens Smit de neiging om automatisch het krachtigste beschikbare model te kiezen. Hij vergelijkt dat met een sportauto. Die kan indrukwekkend zijn, maar is niet voor iedere rit de meest logische keuze. Voor veel zakelijke toepassingen kan een kleiner en gespecialiseerd model voldoende zijn. „Een sportauto is leuk, maar je hebt niet altijd een sportauto nodig.’’
Voor organisaties betekent dit dat modelkeuze een strategische beslissing wordt. Een groot taalmodel kan uitstekend presteren, maar als een specifieke taak ook met een kleiner model is uit te voeren, zijn de extra rekenkracht, energie en kosten mogelijk niet nodig en zelfs onwenselijk.
Smit ziet daarom ook kansen voor zogenoemde Small Language Models, of SLM’s. Die kunnen voor specifieke toepassingen efficiënter zijn en in sommige gevallen beter aansluiten bij eisen rond energiegebruik en soevereiniteit. Het uitgangspunt: niet het slimste model wint, maar het model dat het beste bij de taak past.
Lees ook: ‘AI kost geen banen, maar taken’: investeerder Martijn Hamann over de toekomst van werk
Waar eindigt de verantwoordelijkheid van AI?
Hoe meer werk agents zelfstandig uitvoeren, hoe belangrijker de vraag wordt waar de menselijke verantwoordelijkheid blijft. In een verzekeringsomgeving kunnen besluiten immers grote financiële gevolgen hebben. Een eenvoudige claim van bijvoorbeeld een gestolen zonnebril op vakantie is iets anders dan een beslissing over een schadeclaim van een miljoen euro. Daarom blijft volgens Smit de mens bij beslissingen met grote impact nadrukkelijk in beeld. „Bij een impactvolle claim wil je dat er uiteindelijk een mens naar kijkt’’, is zijn uitgangspunt.
Dat betekent dat AI wel steeds meer werk kan overnemen, maar niet de eindverantwoordelijkheid draagt. Voor organisaties betekent dit dat ‘human in the loop’ geen tijdelijke tussenfase hoeft te zijn. Naarmate AI autonomer wordt, kan menselijke controle juist belangrijker worden. Zeker wanneer beslissingen financiële, juridische, emotionele of andere grote consequenties hebben.
AI verandert ook de manager
De gevolgen van AI beperken zich volgens Smit niet tot operationele processen. Ook de manier waarop organisaties naar leiderschap kijken, zal moeten veranderen. Traditioneel zegt de omvang van een team iets over de positie van een manager. Maar als AI een deel van het uitvoerende werk overneemt, wordt het minder vanzelfsprekend dat een groot team automatisch meer organisatorisch gewicht betekent.
Smit pleit daarom voor een andere waardering van leiderschap: managers zouden volgens hem meer moeten worden beloond voor innovatie. De vraag is dan niet alleen hoeveel mensen iemand aanstuurt, maar ook hoe goed een team of afdeling zich weet aan te passen aan nieuwe technologie. Dat geldt overigens net zo goed voor medewerkers. Wie AI als een eenmalige verandering beschouwt, loopt volgens Smit het risico achterop te raken.
‘Deze technologie gaat niet weg’
Voor medewerkers die hopen dat de huidige AI-hype vanzelf weer overwaait, heeft Smit een duidelijke boodschap. „De slechtste strategie die je kunt hebben, is proberen dit tegen te houden. Deze technologie gaat niet weg. Elke dag iets nieuws leren is de beste strategie.’’
Daarmee verschuift het gesprek van de vraag óf AI het werk gaat veranderen naar de vraag hoe mensen zich daarop voorbereiden. Dat vraagt volgens Smit om meer data- en AI-geletterdheid. Niet iedereen hoeft AI-engineer te worden, maar medewerkers moeten wel begrijpen wat de technologie kan, waar de beperkingen liggen en hoe ze ermee kunnen samenwerken.
Voor organisaties betekent dit dat investeren in AI niet alleen een kwestie is van modellen en infrastructuur. Opleiding en verandervermogen horen er net zo goed bij.
Begin bij het bedrijfsprobleem
Een van de belangrijkste lessen uit de ontwikkeling bij NN Group is volgens Smit dat organisaties niet moeten beginnen bij de technologie. „AI begint aan de top’’, zegt Smit. De leiding van een organisatie bepaalt welk probleem moet worden opgelost en welke rol AI daarin kan spelen. Dat voorkomt volgens Smit dat organisaties AI inzetten omdat de technologie nu eenmaal beschikbaar is.
Ook domeinkennis blijft daarbij cruciaal. Een AI-agent kan steeds meer taken uitvoeren, maar moet worden ingebed in een omgeving waarin mensen begrijpen hoe processen werken, welke uitzonderingen bestaan en wanneer een beslissing menselijke beoordeling vereist. AI vervangt daarmee niet zomaar de kennis van medewerkers. Die kennis wordt juist belangrijk om AI goed te laten functioneren.
De volgende stap: AI als collega?
De ontwikkeling bij NN Group laat zien hoe snel AI opschuift van experiment naar dagelijkse bedrijfsvoering. Waar generatieve AI aanvankelijk vooral werd gebruikt om informatie te genereren en medewerkers te ondersteunen, kunnen agents inmiddels complete reeksen van taken uitvoeren.
Dat roept nieuwe vragen op. Welke werkzaamheden geef je aan een agent? Welk model gebruik je daarvoor? Hoe houd je de kosten onder controle? En waar moet een mens de beslissing overnemen?
Volgens Smit draait de volgende fase van AI niet simpelweg om steeds krachtigere modellen. Het gaat om de manier waarop organisaties technologie in hun bestaande processen verweven.
De grootste verandering zit uiteindelijk misschien niet in de technologie zelf, maar in de manier waarop werk wordt georganiseerd. AI kan taken overnemen, agents kunnen processen uitvoeren en modellen kunnen steeds goedkoper en gespecialiseerder worden. Maar de verantwoordelijkheid om daar verstandig mee om te gaan, blijft bij de mens.
En voor werknemers is er volgens Smit één echt toekomstbestendige strategie: blijven leren.
Luister naar de nieuwste aflevering van AI at Work Live met daarin het gesprek met Tjerrie Smit:
AI at Work Live is wekelijks live te beluisteren op New Business Radio(.nl) op vrijdag van 17.00 tot 18.00 uur en het wordt herhaald tussen 12.00 tot 13 uur op maandag. De presentatie van AI at Work Live is in handen van Tom Jessen, een van Nederlands meest ervaren podcasthosts en dagvoorzitters, die wordt geroemd om zijn vlijmscherpe interviewstijl.
Hij wordt geflankeerd door twee zwaargewichten uit de AI-industrie: Job van den Berg en Remy Gieling. Als bestsellerauteurs van het Handboek AI Strategie en oprichters van The AI Group adviseren zij jaarlijks ruim 300 topbedrijven, waaronder ASML, KLM en Wolters Kluwer.
Ontvang elke week het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in:
