AI: vertrouwen bepaalt wie wint, niet het model

Samenvatting

AI op schaal draait volgens drie bedrijfsleiders om vertrouwen, bewijs en de afstand tot echte beslissingen, niet om het model.

AI draait om vertrouwen, niet om modelkeuze

ThoughtSpot Chief Data and AI Strategy Officer Cindi Howson bespreekt in drie recente afleveringen van The Data and AI Chief hoe Grant Thornton, Ligentia en Swire Coca-Cola AI-programma’s opbouwen. De gesprekken gaan nauwelijks over welk model het snelst werkt of het minst hallucineert. De aandacht verschuift naar de vraag hoe bedrijven vertrouwen verdienen, aantonen en vertalen naar beslissingen.

Bij Grant Thornton begint Chief Product Officer Alpa Lally niet met tooling, maar met het herontwerpen van processen. De firma bekijkt onder meer auditwerk, compliance en risicoanalyses die eerder dagen of weken kostten. De toets luidt: zouden we dit proces vandaag opnieuw ontwerpen, nu AI beschikbaar is?

Bij Ligentia zag CIO Boris Rabkin een goed ingerichte reporting factory met veel rapporten, maar weinig snelheid. Die rapporten beantwoordden vooral vragen over gisteren, niet over vandaag. Een beter dashboard lost dat probleem volgens de besproken aanpak niet vanzelf op.

Waarom AI-vertrouwen de doorslag geeft

De drie organisaties werken in verschillende sectoren, maar Howsons gesprekken komen steeds terug bij dezelfde grens: wanneer mag AI dicht bij een echte beslissing komen? Dat maakt modelkeuze slechts één onderdeel van het vraagstuk. De kwaliteit van het proces, de onderbouwing van uitkomsten en het vertrouwen van gebruikers bepalen hoeveel ruimte AI krijgt.

De casus Grant Thornton laat bovendien zien dat automatisering geen doel op zichzelf is. Een bestaand proces versnellen kan ook betekenen dat een verkeerde werkwijze sneller wordt uitgevoerd. Voor BI-teams verschuift de aandacht daardoor van rapportproductie naar de vraag welke beslissing het proces moet ondersteunen.

AI: concrete takeaway

Beoordeel een AI-initiatief eerst op proces en bewijs, daarna op model. Breng in kaart welke rapporten alleen historische vragen beantwoorden, controleer welke gegevens een beslissing onderbouwen en vraag per workflow of je die vandaag opnieuw zou ontwerpen. Pas wanneer die basis klopt, krijgt modelvergelijking betekenis.