Stel je voor dat je in een enorme, hightech bibliotheek staat waar de boeken niet langer door mensen zijn geschreven, maar door superintelligente robots. De afgelopen jaren was de grootste race ter wereld de strijd om de robot met het grootste brein. Bedrijven hebben miljarden dollars uitgegeven in de hoop de "slimste" robot te kunnen kopen, in de overtuiging dat als ze maar de krachtigste hadden, ze zouden winnen. Dit is de wereld van Kunstmatige Intelligentie (AI), waar het doel voorheen puur draaide om pure, ruwe intelligentie. Maar hier komt de wending: de robots worden zo goed dat het verschil tussen de "slimste" en de "vijfde slimste" nu zo minuscuul is dat het nauwelijks uitmaakt. Het is als het hebben van twee supersnelle racewagens; als de ene slechts een fractie van een seconde sneller is, maakt het niet uit dat je de snelste auto hebt als de coureur niet weet hoe hij moet rijden, of als de weg vol kuilen zit. Dit artikel stelt een simpele maar enorme vraag: Als de robots nu allemaal eigenlijk hetzelfde zijn, waarom slagen zoveel bedrijven er dan niet in om ze daadwerkelijk nuttig werk te laten doen?

De auteur van dit artikel, Fabricio F. Costa, betoogt dat het probleem niet het brein van de robot is. In plaats daarvan is het probleem de "Deployment Wall" (de implementatiewand). Denk er maar zo over: Je koopt een briljante, hightech robotassistent. Maar om hem in je kantoor aan het werk te krijgen, moet je zes verschillende "seams" of grenzen oversteken. Dit zijn als de gaten tussen verschillende kamers in een kasteel. Je moet de robot koppelen aan je rommelige archiefkasten (Data), ervoor zorgen dat hij alleen praat met de mensen die hij mag spreken (Identity), voorkomen dat hij iets gevaarlijks zegt (Security), je werknemers leren hoe ze hem moeten gebruiken zonder bang te worden (Change Management), en ervoor zorgen dat het draaien ervan niet meer kost dan het oplevert (Cost). Het artikel suggereert dat de meeste bedrijven zo geobsedeerd zijn door het kopen van de "slimste" robot, dat ze vergeten de bruggen over deze gaten te bouwen. Als gevolg hiervan zit de robot in een hoekje, briljant maar nutteloos, terwijl het bedrijf geld verliest.

De Grote Robotrace die Niet Meer Uitmaakt

Lama tijd was het verhaal van Enterprise AI (het gebruik van robots in grote bedrijven) een race om intelligentie. Bedrijven keken naar ranglijsten, telden hoeveel "parameters" (de hersencellen van de robot) een model had, en vroegen zich af: "Hebben wij de slimste?" Maar het artikel stelt dat deze race effectief voorbij is. De toprobots zijn nu zo vergelijkbaar dat het verschil tussen hen slechts een fractie van een punt is. Intelligentie wordt een commodity, zoals elektriciteit of water; je kunt het kopen, maar het geeft je geen bijzonder voordeel meer omdat iedereen het kan hebben.

Ondanks dit hebben bedrijven hun uitgaven aan deze robots in slechts één jaar tijd verdrievoudigd, tot ongeveer 37 miljard Amerikaanse dollar. Toch laat onafhankelijk onderzoek zien dat ongeveer 95% van deze robotprojecten eindigt zonder meetbare winst. Het zijn pilots die nergens toe leiden. Het gebruikelijke excuus is: "De robots zijn nog niet slim genoeg; we moeten wachten op de volgende, slimmere versie." De auteur zegt dat dit de verkeerde diagnose is. Het is alsoals een kapotte auto de schuld geven aan de motor, terwijl het echte probleem is dat de bestuurder vergeten is benzine in te gooien. De robots zijn in staat genoeg; het probleem is dat de bedrijven ze niet uit de garage en op de weg krijgen.

De Deployment Wall: Een Hindernisbaan van Zes Fasen

Het artikel introduceert een concept genaamd de Deployment Wall. Stel je een enorme muur voor gemaakt van zes lagen bakstenen. Om je robot van een "cool idee" naar daadwerkelijke winst voor het bedrijf te krijgen, moet hij over elke enkele baksteen klimmen. Als hij ergens valt, sterft het hele project.

1. Model Selectie: Je kiest een robot. Dit is het makkelijke en meest zichtbare deel.
2. Integratie: Je probeert de robot aan te sluiten op de oude, rommelige computersystemen en data van je bedrijf. Hier verschijnen de eerste barsten.
3. Governance: Je moet regels opstellen zodat de robot veilig is, controleerbaar is en er iemand verantwoordelijk is voor wat hij zegt.
4. Workflow Redesign: Je moet de manier waarop je werknemers hun werk doen veranderen om de robot daadwerkelijk te gebruiken, in plaats van de robot alleen maar naast hen te laten staan.
5. Enterprise Adoptie: Je moet iedereen leren vertrouwen en de robot te gebruiken.
6. Gerealiseerde Zakelijke Waarde: Eindelijk levert de robot geld op of bespaart hij kosten.

Het angstaanjagende is dat de meeste projecten vastlopen op de middelste bakstenen (Integratie, Governance en Workflow). Het artikel suggereert dat als je een kans van 50% hebt om bij elke stap te falen, bijna geen enkel project de eindstreep haalt. Dit verklaart de faalratio van 95% zonder de intelligentie van de robot de schuld te geven.

De Zes Seams: Waar de Lekkages Optreden

De auteur noemt de gaten tussen deze stappen "Seams" (naden). Denk aan een naad als de opening tussen twee stukken stof. Als je een jas naait maar de naden open laat, waait de wind er dwars doorheen. In de wereld van AI zijn er zes specifieke naden waar waarde weglekt:

• De Data Seam: De robot heeft schone, georganiseerde data nodig om te werken. Maar bij de meeste bedrijven is data overal verspreid, zoals een bibliotheek waar boeken op de vloer liggen. Het oplossen hiervan kost een enorme inspanning.
• De Identity & Access Seam: De robot moet weten wie er vragen stelt. Als een robot een vreemde toegang geeft tot je privébestanden omdat hij niet weet wie je bent, is dat een ramp. Veel bedrijven hebben hun robots nog niet verbonden met hun beveiligingssystemen.
• De Security & Compliance Seam: De robot moet zich aan strikte regels houden zodat hij geen geheimen lekt of wetten overtreedt. Als je een robot lanceert die niet veilig is, kun je in grote problemen komen.
• De Governance Seam: Je hebt een systeem nodig om de robot in de gaten te houden, zijn fouten te loggen en een mens klaar te hebben staan om in te grijpen. Zonder dit zal geen enkele baas de robot aan het werk laten.
• De Change Management Seam: Dit is de meest genegeerde naad. Je moet mensen leren hoe ze met de robot moeten werken en hun dagelijkse gewoonten aanpassen. Als je dat niet doet, zullen mensen de robot gewoon negeren.
• De Cost Seam: Zelfs als de robot werkt, is hij dan wel rendabel? De kosten om hem draaiende te houden, eten vaak alle winst op.

De Seam Index: Een Nieuwe Manier om Robots te Kopen

Om bedrijven te helpen betere keuzes te maken, heeft de auteur een hulpmiddel ontwikkend genaamd de Seam Index. In plaats van te vragen: "Welke robot is de slimste?" (wat er niet meer toe doet), vragen ze: "Welk robotplatform helpt mij om de meeste naden te overbruggen?"

Ze scoren platforms van 0 tot 12.

• Score 0: Je moet de brug zelf bouwen (zeer moeilijk, zeer duur).
• Score 1: Het platform helpt een beetje, maar je moet nog steeds werk verrichten.
• Score 2: Het platform heeft de brug al voor je gebouwd (je loopt er gewoon overheen).

Het artikel geeft een leuk voorbeeld: Stel je twee robots voor. Robot A is de op één na slimste robot ter wereld, maar hij komt met alle bruggen al gebouwd (hij verbindt automatisch met je beveiliging, je data en je regels). Hij krijgt een score van 10. Robot B is de absoluut slimste robot, maar hij komt met geen enkele brug; je moet alles vanaf nul opbouwen. Hij krijgt een score van 2. Het artikel stelt dat Robot A zal slagen en Robot B zal falen, ook al is Robot B "slimmer". De slimste robot is nutteloos als hij aan de verkeerde kant van de muur vastzit.

De "Moat" Is Verplaatst

In het bedrijfsleven is een "moat" (gracht) een diepe sloot rond een kasteel die vijanden buiten de deur houdt. Lange tijd was de gracht de "slimste methode/model". Maar nu is de gracht verplaatst. Het echte voordeel ligt bij de bedrijven die de seams bezitten.

Het artikel wijst erop dat de grootste techbedrijven (zoals Microsoft, Amazon en Google) dit ook beseffen. Ze verkopen niet alleen robots; ze nemen legers consultants aan om bedrijven te helpen deze naden te overbruggen. Ze weten dat het echte geld niet in het brein van de robot zit, maar in het vermogen om de robot werkend te krijgen binnen een rommelig, echt bedrijf. De "moat" is nu het vermogen om wrijving te verwijderen. Als een bedrijf je kan helpen de Data-, Security- en Identity-seams gemakkelijk te overbruggen, dan wint dat bedrijf, ongeacht welke robot ze gebruiken.

Wat Dit Betekent voor de Toekomst

Het artikel suggereert dat als bedrijven blijven wachten op een "slimmere" robot, ze hun tijd verspillen. Het echte werk zit in de saaie zaken: data ordenen, beveiliging opzetten en mensen trainen. De auteur noemt de kosten van het negeren van deze naden Deployment Debt (implementatieschuld). Net als financiële schuld: als je deze nu niet afbetaalt, groeit hij en groeit hij, om uiteindelijk het bedrijf te verpletteren.

Het artikel concludeert met een duidelijke boodschap voor leiders: Stop met kijken naar het brein van de robot. Begin met kijken naar de bruggen. Meet hoeveel wrijving een platform wegneemt. Ontwerp je werk opnieuw om bij de robot te passen, in plaats van de robot alleen maar om je oude werk heen te wikkelen. De winnaars van het volgende decennium zijn niet degenen die wachtten op een slimmer model; het zijn degenen die ontdekten hoe ze de robot door de deur kregen.

De auteur is voorzichtig om te benadrukken dat dit een nieuw framework is gebaseerd op observaties en de synthese van andere studies, en geen definitieve, bewezen natuurwet. Hij stelt zes specifieke ideeën (proposities) voor die andere wetenschappers kunnen testen om te zien of ze waar zijn. Bijvoorbeeld stelt hij dat de "Seam Index"-score van een platform beter zal voorspellen of een project slaagt dan de intelligentiescore van de robot. Maar voor nu wijst het bewijs sterk in één richting: de bottleneck is niet de intelligentie; het is de implementatie.