Op mijn vorige blog ‘AI is geen product meer, maar een commodity’ kreeg ik vele reacties. Sommigen gaven aan dat dit, zoals zo vele ICT-toepassingen, onontkoombaar was: ook AI wordt uiteindelijk ‘normaal’. Anderen vroegen zich af: hoe kan intelligentie überhaupt een commodity worden? Dit leidde tot een interessante discussie over de betekenis van ‘ICT-commodities’. In de fysieke wereld kennen we gestandaardiseerde en breed toegankelijke producten zoals grondstoffen, standaardmaterialen, algemeen handelswaar en daarnaast nutsvoorzieningen als elektriciteit, water en internet. Maar wat zijn commodities in de ICT? Worden AI-agents de commodities om met hen als  bouwstenen, snel nieuwe workflows en processen te bouwen? 

In een interessant HBR artikel ‘IT Doesn’t Matter’ voorspelde Nicolas G. Carr in 2003 dat nieuwe ICT-toepassingen steeds sneller een commodity worden. Na een korte periode van strategisch belang, veranderen ze uiteindelijk in een standaardproduct of -dienst die voor iedereen toegankelijk is. De vraag is nu: zijn we dat punt met AI genaderd of hebben we het zelfs al gepasseerd? Als AI inderdaad een commodity is geworden, ligt het verdienmodel niet meer bij de ontwikkeling, maar bij de toepassing ervan in organisaties.

Van exclusief naar mainstream

Clouddiensten zijn volledig een commodity geworden. Iedereen kan gebruikmaken van software, datacenters en netwerken, en werken met desktops of mobiele apparaten. Bedrijfssystemen zoals e-mail, planning, documentbeheer en identiteitsbeheer zijn breed beschikbaar en bieden geen concurrentievoordeel meer. AI lijkt dezelfde weg te volgen. Waar AI vroeger een niche-technologie was, beschikbaar voor een handvol experts en bedrijven met diepe zakken, is het nu – mede door geavanceerde taalmodellen – toegankelijk voor iedereen. OpenAI, Google en Microsoft hebben AI geïntegreerd in alledaagse toepassingen, van klantenservice tot contentcreatie. Meta heeft zelfs zijn eigen AI-model (OPT) in 2023 aan de open-sourcegemeenschap geschonken omdat men er geen competitief voordeel meer in zag.

Als AI een commodity wordt, verdwijnt de exclusiviteit en wordt het een standaardgereedschap. Zelfs als ik ’s ochtends mijn slaap-app open, krijg ik een – met een AI-tool gegenereerde – bijna poëtische samenvatting van mijn nacht. AI is onmiskenbaar op vele plaatsen al een commodity geworden. Het gereedschap zelf biedt weinig concurrentievoordeel meer. Alleen door het slim te gebruiken, kan een organisatie zich onderscheiden. Iedereen heeft immers toegang tot dezelfde algoritmen en modellen. Het werkelijke onderscheid zit niet meer in de techniek, maar in hoe organisaties AI toepassen en integreren in hun bedrijfsprocessen. Om competitief voordeel te behalen, zijn nieuwe architecturen en denkmodellen nodig. En – last but not at least – er moet goede en toegankelijke data zijn, zowel om de AI-agents te laten leren als om er vervolgens inhoudelijke analyses mee te kunnen uitvoeren. 

Leiderschap in organisatieverandering

Bedrijven moeten hun processen en strategieën aanpassen om AI optimaal te benutten. AI-transformatie is, nog meer dan digitale transformatie, een organisatorische implementatie. AI beïnvloedt niet alleen de doorlooptijd van processen, maar vooral de manier waarop mensen werken en samenwerken. Taken worden eenvoudiger en kunnen met AI sneller worden uitgevoerd, maar ze verdwijnen niet. Een servicemedewerker kan efficiënter klanten helpen, maar zijn functie verdwijnt niet. AI vermindert fouten en verkeerd taalgebruik maar niet de noodzaak van communicatie. Ik merk het zelf als ik – ondersteund door AI – mijn blogs schrijf en redigeer: inhoudelijke fouten worden herkend, verbeterd of met interessante suggesties ondersteund. Ik bepaal de richting; mijn AI helpt me als digitale assistent om die weg correct af te lopen.

Daarnaast moet het bezit van Big Data veel beter worden benut. Tien jaar geleden was het een uitdaging om trends en inzichten uit datalakes te halen. Maar met AI-gebaseerde algoritmen en taalmodellen wordt de data veel toegankelijker en worden deze analyses veel beter en waardevoller. Dus het bezitten van een goed geclassificeerde en doorzoekbare dataset is belangrijker dan ooit. AI kan immers weinig zonder direct beschikbare en vooral kwalitatieve data. Metadatering van dataverzamelingen en archieven is cruciaal om AI in staat te stellen snel relevante context te vinden en informatie intelligent te combineren. Goede metadata zijn ‘king’ geworden.

AI wijst de weg, maar biedt geen 100% zekerheid

Zonder gestructureerde (historische) data is het lastig om betrouwbare inzichten of voorspellingen te genereren. Hoe beter de toegang tot en het inzicht in vastgelegde data, hoe sneller AI de juiste informatie vindt. Besef echter dat AI gebaseerd is op algoritmen en statistiek: AI probeert het meest logische antwoord te geven, maar biedt geen garantie dat dit het enige of juiste antwoord is. Zeker niet als er juridische of zakelijke consequenties aan verbonden zijn. AI is een hulpmiddel, geen ultieme wijsheid. Het helpt bij kwaliteitscontrole, maar geeft geen absolute zekerheid.

Juist daar ligt de uitdaging voor nieuwe organisatie-inrichting. AI helpt de mens om intellectueel sneller en beter te werken. Standaardwerkzaamheden kunnen met AI worden geautomatiseerd, maar intellectuele taken blijven bij de mens. De toets of iets kan of niet, blijft een menselijke beoordeling. Net zoals de draagbare rekenmachine destijds het rekenen versnelde, maar logisch denken niet overbodig maakte. Een rekenmachine kan cijfers produceren, maar als je niet begrijpt wat je berekent, biedt het resultaat geen zekerheid.

De juiste combinatie van mens en AI is het nieuwe mantra!

Het implementeren van AI in een organisatie draait om het vinden van de juiste balans tussen AI en menselijk inzicht. Zelfs in geautomatiseerde chatprocessen moet in 5 tot 10% van de gevallen een mens ingrijpen. Alles wat gestructureerd is en in getallen of data valt te beschrijven, kan door AI worden afgehandeld. Hierdoor wordt saai en repetitief werk geminimaliseerd, waardoor er meer ruimte ontstaat voor creativiteit, innovatie en vooruitgang. 

Toch brengt dit een nieuwe uitdaging met zich mee: medewerkers zullen intellectueel zwaarder worden belast. Niet-intellectuele taken die mentale rust gaven, verdwijnen. De tijd waarin men onder intellectuele spanning werkt, groeit, maar die tijd is eindig. Denk aan de protesten van luchtverkeersleiders over werkdruk. Een hoge intellectuele belasting kan slechts korte tijd worden volgehouden; anders dreigt uitval, ziekte en overbelasting. 

AI-gereedschappen kunnen repetitief werk automatiseren, maar dit vraagt om nieuwe vaardigheden en begeleiding op de werkvloer. AI moet niet slechts een geautomatiseerd antwoord genereren; het moet een integraal onderdeel van het werkproces worden. Dit vraagt om menselijke vindingrijkheid, nieuwe rollen, nieuwe functies en nieuwe kansen. De sleutel tot succes ligt in de juiste combinatie van mens en AI!

Photo by cottonbro studio

-————- translated by ChatGPT  ————————-

The Right Combination of Human and AI is the New Mantra! 

In response to my previous blog, “AI is No Longer a Product, but a Commodity,” I received many reactions. Some pointed out that, like many ICT applications, this was inevitable—AI, too, would eventually become “normal.” Others questioned how intelligence could ever become a commodity. This sparked an interesting discussion about the meaning of ICT commodities. In the physical world, we have standardized and widely accessible products like raw materials, basic goods, general merchandise, and utilities such as electricity, water, and the internet. But what constitutes a commodity in ICT? Will AI agents become commodities used to construct new processes from these building blocks?

In a compelling Harvard Business Review article, “IT Doesn’t Matter,” Nicholas G. Carr predicted in 2003 that new ICT applications would increasingly become commodities. After a brief period of strategic importance, they ultimately transform into standard products or services accessible to everyone. The question now is: have we reached that point with AI, or have we even surpassed it? If AI has indeed become a commodity, then the profit model no longer lies in its development but in its application within organizations.

From Exclusive to Mainstream 

Cloud services have fully become commodities. Everyone can use software, data centers, and networks while working with desktops or mobile devices. Business systems such as email, planning, document management, and identity management are widely available and no longer provide a competitive advantage. AI appears to be following the same trajectory. What was once a niche technology, accessible only to a handful of experts and companies with deep pockets, is now—thanks in part to advanced language models—available to everyone. OpenAI, Google, and Microsoft have integrated AI into everyday applications, from customer service to content creation. Meta even donated its AI model (OPT) to the open-source community in 2023 because it no longer saw a competitive advantage in further developing it.

When AI becomes a commodity, exclusivity disappears, and it turns into a standard tool. Even when I open my sleep app in the morning, I receive a near-poetic summary of my night—generated with an AI tool. AI has undeniably become a commodity in many areas. The tool itself no longer provides a competitive edge; only by using it smartly can an organization differentiate itself. After all, everyone has access to the same algorithms and models. The real distinction is no longer in the technology itself but in how organizations apply and integrate AI into their business processes. To gain a competitive advantage, new architectures and thinking models are required.

Leadership in Organizational 

Change Companies must adapt their processes and strategies to harness AI effectively. AI transformation, even more than digital transformation, is primarily an organizational implementation. AI not only affects process throughput times but also fundamentally changes how people work and collaborate. Tasks become simpler and can be completed faster with AI, but they do not disappear. A service employee can assist customers more efficiently, but their role does not vanish. AI also reduces errors and improves language usage. I notice this myself when writing and editing my blogs with AI support—content errors are detected, corrected, or enhanced with valuable suggestions. I set the direction; my AI helps me navigate it correctly.

Moreover, the value of Big Data must be better leveraged. Ten years ago, extracting trends and insights from data lakes was a challenge. But with AI-powered algorithms and language models, data is now far more accessible, making analyses more valuable. Owning a well-classified and searchable dataset is more crucial than ever. AI is nearly useless without readily available and high-quality data. Metadata management of data collections and archives is essential to enable AI to quickly find relevant context and intelligently combine information. High-quality metadata has become “king.”

AI Guides the Way but Offers No Absolute Certainty

 Without structured historical data, generating reliable insights or predictions is difficult. The better the access to and understanding of recorded data, the faster AI can find the right information. However, it is important to remember that AI is based on algorithms and statistics—it attempts to provide the most logical answer but does not guarantee that it is the only or the correct one. This is especially crucial in cases with legal or business implications. AI is a tool, not ultimate wisdom. It assists in quality control but does not provide absolute certainty.

This is precisely where the challenge lies for new organizational structures. AI enables people to work intellectually faster and better. Routine tasks can be automated with AI, but intellectual responsibilities remain with humans. The assessment of whether something is viable or not remains a human judgment. Just as the handheld calculator once sped up calculations without making logical thinking obsolete. A calculator can generate numbers, but without understanding what is being calculated, the result offers no real assurance.

The Right Combination of Human and AI is the New Mantra! 

Implementing AI in an organization is about finding the right balance between AI and human insight. Even in automated chat processes, human intervention is needed in 5 to 10% of cases. Anything that is structured and can be described in numbers or data can be handled by AI. This minimizes monotonous and repetitive work, creating more room for creativity, innovation, and progress.

However, this also presents a new challenge: employees will face greater intellectual demands. Non-intellectual tasks that once provided mental breaks are disappearing. The time spent under intellectual strain is increasing, but that time is finite. Consider air traffic controllers’ protests about workload stress. High intellectual pressure can only be sustained for short periods; otherwise, burnout, illness, and overburdening become risks.

AI tools can automate repetitive work, but this requires new skills and workplace support. AI should not merely generate automated responses—it must become an integral part of the workflow. This calls for human ingenuity, new roles, new functions, and new opportunities. The key to success lies in the right combination of human and AI!