Bij veel organisaties beginnen discussies over de AI-​strategie met de eenvoudige vraag: ʻWelk taalmodel moeten we gebruiken​?’ ChatGPT, Claude en Gemini worden vaak gezien als concurrerende opties waaruit managers moeten kiezen op basis van een vergelijking van hun prestaties, kosten en mogelijkheden. Maar welk model ze moeten kiezen, is niet de belangrijkste vraag die managers zichzelf moeten stellen. Een veel relevantere vraag is wie de eigenaar wordt van alle kennis die door het gebruik van AI wordt gecreëerd.

Na verloop van tijd komt de werkelijke waarde van AI voort uit de toenemende kennis die in het taalmodel wordt opgebouwd: zoals organisatorische context, inclusief terminologie, workflows, voorkeuren en eerdere beslissingen. Organisaties moeten ervoor zorgen dat ze de controle over dit AI-​geheugen op de lange termijn behouden, anders lopen ze het risico vast te komen zitten in een platform dat steeds moeilijker te verlaten is.

Verborgen kosten van een AI lock-​in

Net zoals vendor lock-​in kan voorkomen bij infrastructuur of software, moeten bedrijven zich ook beschermen tegen een AI lock-​in. Na verloop van tijd kan AI namelijk leren hoe teams communiceren, welke processen terugkeren en de typische gebruikerservaring volgen. Dat is waardetoevoegende kennis die nodig is om een generieke tool om te zetten in een oplossing die is afgestemd op de organisatie. Het probleem is dat het geheugen met al die kennis vaak in het platform van de AI-​leverancier is opgeslagen.

Als het AI-​geheugen bedrijfseigen is, wordt het overstappen naar een andere leverancier ingewikkelder dan het exporteren van data, of het vervangen van een API. Organisaties lopen het risico maanden of zelfs jaren aan waardevolle informatie te verliezen die is opgeslagen in gesprekken, prompts, aangepaste instructies en workflows als ze in de toekomst overstappen naar een andere leverancier. Teams moeten mogelijk opnieuw beginnen, processen opnieuw opbouwen, gebruikers opnieuw trainen en hun kennis, die onbewust verbonden is geraakt aan hun oorspronkelijke AI-​leverancier, opnieuw creëren.

Dit leidt tot een paradox. Organisaties zetten AI in om de flexibiliteit en productiviteit te verbeteren, maar hoe succesvoller een implementatie wordt, hoe moeilijker het kan zijn om de strategie of aanpak te wijzigen. In een markt waar modellen en prijzen snel kunnen veranderen, kunnen weinig organisaties het zich veroorloven om vast te blijven zitten aan beslissingen uit het verleden, als hun kennis bij een bepaalde leverancier blijft hangen.

Geheugen scheiden van het model

De beste manier om deze nieuwe vorm van een vendor lock-​in te voorkomen, is door de AI-​historie gescheiden te houden van de gebruikte AI-​modellen. Dan kunnen organisaties van model wisselen zonder de kennis, context en workflows te verliezen die ze in de loop der tijd hebben opgebouwd.

AI-​modellen moeten uitwisselbare componenten zijn die organisaties kunnen aanpassen aan veranderende mogelijkheden, kosten of commerciële behoeften. De kennis die deze modellen bruikbaar maakt, de bedrijfsregels, workflows, voorkeuren, domeinexpertise en historische context, moet zich bevinden in een verplaatsbare, beheerde laag die eigendom is van de gebruikersorganisatie. Vergelijkbaar met een aktetas die kan worden gesloten, opgeborgen en vervoerd om vervolgens weer te worden uitgepakt in een nieuw model.

Deze aanpak stelt organisaties in staat nieuwe modellen te implementeren zonder tijd te hoeven besteden aan het opnieuw opbouwen van al gecreëerde en aanwezige kennis. De controle over wie toegang heeft tot, wijzigingen kan aanbrengen en audits kan uitvoeren op gedeelde kennis, is de basis voor governance. Dat minimaliseert risico’s als modellen in de toekomst evolueren, fuseren of worden overgenomen. Dit zorgt ervoor dat elk model en elke applicatie gebruikmaakt van dezelfde betrouwbare kennisbasis, zodat consistentie wordt gewaarborgd en de vorming van geïsoleerde informatiesilo’s wordt voorkomen.

Fundamenten voor toekomstbestendig AI

De eerste stap om een lock-​in bij het werken met AI te voorkomen, is inzicht te krijgen in waar het organisatiegeheugen zich momenteel bevindt. IT-​managers zouden zich moeten afvragen: welke tools slaan contextinformatie op? Hoe overdraagbaar is die informatie? Kunnen kritieke workflows opnieuw worden gecreëerd als de relatie met een leverancier verandert? Door deze overwegingen te onderzoeken, kunnen organisaties de governance hun versterken, toegangscontroles toepassen en herbruikbare geheugenlagen bouwen rondom waardevolle, door AI aangestuurde processen.

In de toekomst zouden organisaties meer moeten kijken naar platforms waar orchestratie en geheugen gescheiden zijn van de onderliggende AI-​modellen. Dit zorgt ervoor dat ze de flexibiliteit hebben om hun aanpak in de toekomst te herzien. IT-​managers hoeven niet te voorspellen welk model over vijf jaar dominant zal zijn, omdat het onmogelijk is zo ver vooruit te kijken gezien het innovatietempo in de huidige markt. In plaats daarvan moeten ze ervoor zorgen dat de organisatie, ongeacht de veranderingen, in staat is om diverse modellen te implementeren en te vervangen. Dit geeft ze wendbaarheid op lange termijn.

Wie de kennis beheerst, beheerst de toekomst

Organisaties die blijvende waarde creëren met AI zijn niet per se de organisaties die nu voor het ‘juiste’ model hebben gekozen. Ze doen er verstandig aan te focussen op het behouden van de controle over alle kennis die hun AI-​toepassingen in de loop der tijd verzamelen.

Door geheugen te beschouwen als een strategische troef in plaats van een onderdeel van een specifiek platform, krijgen organisaties meer vrijheid om nieuwe technologieën te implementeren zonder de context, expertise en workflows die ze al hebben opgebouwd op te offeren. Die flexibiliteit wordt een steeds belangrijkere bron van concurrentievoordeel naarmate de AI-​markt zich verder ontwikkelt.

Kortom, beheer je kennis en behoud de vrijheid om je eigen toekomstpad te kiezen, hoe de volgende generatie AI er ook uitziet.