Mijn vader is een Ph.D. in mechanische social engineering en heeft onder meer koelsystemen voor kernreactoren ontworpen. Van hem erfde ik een rusteloze nieuwsgierigheid naar hoe de wereld werkt en een diep respect voor de wetten van de wetenschap. Door de jaren heen heb ik ontdekt dat veel van de principes van fysieke objecten perfect van toepassing zijn op het bedrijfsleven.
Neem de eerste bewegingswet van Newton. Voorwerpen in rust hebben de neiging om in rust te blijven, en voorwerpen in beweging blijven in beweging – tenminste in een vacuüm. Wat waar is in de natuurkunde, is waar in het bedrijfsleven. Degenen die blijven hangen, zijn voorbestemd om achterop te raken. Maar de bedrijven die voortdurend in beweging blijven? Ze slagen.
Bij de agent AI In dit tijdperk zijn data de kracht die de traagheid van bedrijven overwint. Periode. Punt. We horen vaak dat data ons belangrijkste bezit zijn, maar dat is slechts de halve waarheid. Om echt waarde te creëren, kan cruciale informatie niet simpelweg ergens in een datameer worden verzameld of worden ingekapseld in losgekoppelde systemen en ommuurde tuinen verspreid over de organisatie.
Gegevens moeten worden verplaatst. Het moet toegankelijk, beheersbaar, actueel zijn en, belangrijker nog, de juiste context hebben voor uw bedrijf. Zonder dat alles is er geen agent nodig. De gegevens kunnen net zo goed niet bestaan.
Wanneer gegevens bewegen, beweegt het bedrijf. Het is data-activatie.
MONTAGEGEGEVENS UITDAGING
De hoeveelheid gegevens in het typische bedrijf is enorm en groeit elke dag. In mijn nieuwste boek, Digitaal effect, Ik betoog dat we in de valkuil zijn gelopen door te denken dat alle gegevens waardevol zijn, terwijl de enorme hoeveelheid gedigitaliseerde informatie in feite ‘waar’ is. Het is niet nuttig voor onze bedrijven en het enorme volume is een enorm signaal-ruisprobleem geworden.
De truc is om al deze zandkorrels te kunnen doorzoeken, de stukjes datagoud te identificeren en ze te verplaatsen naar de plek waar ze het meeste goed kunnen doen. Het is dezelfde basisuitdaging die we altijd al hebben gehad. Het is niet nieuw. Maar de inspanning is toegenomen. Door dit probleem op te lossen in het tijdperk van AI is het vinden van een oplossing belangrijker dan ooit, omdat hoogwaardige gegevens van cruciaal belang zijn om autonome en semi-autonome agenten uit te rusten met wat ze nodig hebben om hun werk te doen.
De winnaars in het zakenleven zullen niet degenen zijn met de meeste agenten. In plaats daarvan zullen het degenen zijn met agenten die het beste geïntegreerd kunnen worden in kritieke systemen, die het meest doordringend zijn in bedrijfsprocessen en die worden aangestuurd door de meest betrouwbare gegevens.
We zijn ons allemaal bewust van de ontnuchterende onderzoeken die aantonen dat in deze begindagen van kunstmatige intelligentie de meeste projecten daar moeite mee hebben zie betekenisvolle ROI. Misschien wel het grootste obstakel waarmee bedrijven worden geconfronteerd, is dat ze hun fundamentele dataproblemen nog niet hebben opgelost.
Kritieke systemen zijn niet verbonden met het bredere digitale ecosysteem, wat resulteert in gebieden met gestrande gegevens. Hierdoor ontstaat er een onvermogen om de juiste gegevens op de juiste plaats te krijgen, ook niet bij agenten. Ten slotte is er een gebrek aan databeheer, wat het vertrouwen in het werk van de agenten ondermijnt. En zoals ik heb eerder geschrevenverandering gebeurt alleen met de snelheid van vertrouwen.
Waar moet elk bedrijf aan denken als het gaat om data-enabled? Overweeg om drie vragen te stellen.
1. ZIJN UW SYSTEMEN VERBONDEN?
Vastgelegde gegevens passen mooi in de eerste wet van Newton. Het is in rust en creëert wrijving die end-to-end workflows verhindert.
Kritieke toepassingen moeten worden verbonden met het bredere technologie-ecosysteem. Je kunt niet activeren wat je niet kunt bereiken. Gegevens die verweesd zijn in een oud, lokaal ERP-systeem zijn een dood gewicht. Hetzelfde geldt voor de proliferatie van moderne SaaS-applicaties, die een toenemende complexiteit en systeemfragmentatie hebben. Deze knelpunten verhinderen end-to-end dataworkflows.
Door een digitaal weefsel te creëren via connectoren en API’s, zijn alle gegevens beschikbaar voor elk eindpunt en worden deze in beweging gezet voor levering daar waar ze de grootste impact op het bedrijf kunnen hebben.
2. HEBBEN UW GEGEVENS CONTEXT?
Agenten hebben niet alleen gegevens nodig. Ze moeten begrijpen wat het betekent: context. Dit is het ‘echte’ probleem, en het oplossen ervan is van cruciaal belang om het meeste uit de agenten te halen.
Elke agent begint “dom”. Ja, het kan getraind zijn op basis van generieke gegevens, maar het weet niets over uw specifieke activiteiten. Het doorgeven van een onbewerkte databasedump aan een agent is onvoldoende. Activering is niet alleen het verplaatsen van gegevens als gevolg van connectiviteit. Het is het vermogen om het datazand te doorzoeken – modellering, verrijking, synchronisatie – dat het contextueel relevant maakt. Het kantelt de signaal-ruisverhouding in uw voordeel.
Met agenten kan het snel misgaan als er onnauwkeurige of onvoldoende gegevens zijn. Daartoe behoren ook de goed gedocumenteerde problemen van hallucinatie en driften. Het lijkt ook op het vlindereffect, waarbij de gevolgen stroomafwaarts steeds erger kunnen worden. Maar wanneer agenten toegang hebben tot volledige, betrouwbare en actuele gegevens, beschikken ze over de context die ze nodig hebben om hun werk nauwkeurig te doen.
3. HEBT U BESTUUR?
Governance is de basis van vertrouwen, en zonder dat vertrouwen trappen bedrijven instinctief op de rem op AI-initiatieven. Als u geen inzicht heeft in waar uw gegevens naartoe gaan, hoe veilig deze zijn of hoe agenten deze gebruiken, vertrouwt u de acties die agenten ondernemen niet. Dat verklaart mede de enorme uitdaging die we zien bij de overgang van pilots naar productie.
Governance stopt niet bij zichtbaarheid en veiligheid. Soevereiniteit is ook een kritische overweging. Het gaat erom de controle te behouden over waar gegevens zich bevinden, hoe deze worden opgeslagen en verwerkt, wie er toegang toe heeft en hoe deze binnen bepaalde grenzen worden bewaard. Omdat AI-agenten autonoom opereren in verschillende systemen en rechtsgebieden, moeten organisaties in staat zijn om vereisten voor het bewaren van gegevens af te dwingen, te voldoen aan nieuwe regionale regelgeving en duidelijk blijk te geven van verantwoordelijkheid. Managers hebben het vertrouwen nodig dat gevoelige gegevens niet worden gerepliceerd, overgedragen of openbaar gemaakt op een manier die risico’s met zich meebrengt.
Zonder dit niveau van controle is er geen vertrouwen, en zonder vertrouwen lopen AI-initiatieven vast voordat ze ooit schaal bereiken. Effectief beheer betekent het toepassen van standaarden en firewalls op gegevensverkeer, zodat u het gedrag van agenten in realtime kunt controleren. Hiermee kunt u agenten op verantwoorde wijze en met vertrouwen inzetten.
ELIMINEER DATAFRICTIE
Denk eens aan de miljoenen transacties die bedrijven elke dag moeten organiseren, over duizenden systemen heen, in realtime, veilig en betrouwbaar. Die complexiteit op ondernemingsniveau gaat niet weg.
De meeste bedrijven hebben moeite om hun data te begrijpen. Ze willen eenvoudigweg dat hun bedrijven beter kunnen werken met de efficiënte gegevensstroom door systemen.
Het mogelijk maken van betrouwbare, gecontextualiseerde data is dat altijd geweest. Tegenwoordig maakt het ook betere besluitvorming mogelijk door agenten die zowel namens ons als met ons werken.
Steve Lucas is voorzitter en CEO van Boomi.
