Het is altijd hetzelfde verhaal: er verschijnt een nieuwe technologie en iedereen begint te praten over hoe het alles zal veranderen. Dan stroomt het kapitaal binnen, worden bedrijven van de ene op de andere dag opgericht en stijgen de waarderingen sneller dan iemand kan rechtvaardigen. Dan, vele maanden later, komen de waarschuwingen en herinneren mensen zich plotseling de dotcom-crash of cryptovaluta.
Je hebt het waarschijnlijk al eerder gezien. En als dat zo is, denk je waarschijnlijk dat AI de volgende zeepbel is. Mensen zijn goed in het matchen van patronen. We zijn geëvolueerd om patronen te zien, dus als er iets bekends verschijnt, koppelen we het instinctief aan het verhaal dat het dichtst in de buurt komt dat we al kennen. We denken dat we het al eerder hebben gezien en weten zeker hoe het afloopt.
Maar dat instinct kan ons misleiden. AI voelt als een bubbel, omdat we iets dat werkelijk discontinu is in een bekend verhaal forceren. Het idee dat alles wat snel stijgt uiteindelijk moet instorten, klinkt redelijk. Maar dat betekent niet dat het altijd waar zal zijn.
Waarom markten blijven doorschieten
Elk grote technologische verandering produceert dezelfde uiterlijke symptomen: opgeblazen verwachtingen, gevolgd door zichtbare mislukkingen. Dotcom, mobiel en crypto gingen allemaal door een fase waarin de wereld zijn gevoel voor proporties verloor.
Waarom blijft dit gebeuren? Omdat markten geen raamwerk hebben voor discontinue veranderingen. Discounted cashflow-modellen gaan uit van een gestage, stabiele groei en vergelijkbare bedrijven gaan ervan uit dat deze categorie al bestaat. Mensen gaan er dus van uit dat de nabije toekomst vergelijkbaar is met het recente verleden, maar dat werkt niet als de onderliggende categorie zelf verandert.
De meeste waarderingsinstrumenten zijn ontworpen voor stapsgewijze vooruitgang, dus analisten kijken naar kwartaalprognoses en stapsgewijze verbeteringen. Ze weten niet wat ze moeten doen met incrementele veranderingen, en ze kunnen niet-lineaire adoptie niet modelleren.
Dus als je kapitaaloverschrijding of een extreme spreiding van de resultaten ziet, is het de markt die tientallen jaren durende weddenschappen probeert te waarderen met behulp van kwartaallogica. (Wat niet werkt.) En dat is wat een zeepbel eigenlijk is: een indicatie dat niemand nog weet hoe de prijs moet worden bepaald van wat gaat komen. Die onzekerheid lijkt op een invalidatie, maar legt slechts de grenzen van bestaande kaders bloot.
We blijven de categoriefout maken
Als er iets nieuws uitkomt, streven we naar vergelijkingen.
AI is als elektriciteit.
AI is als computers.
AI is als internet.
AI is als mobiel.
Deze vergelijkingen zijn geruststellend omdat ze allemaal enorme veranderingen in de hele economie teweegbrachten en enorm veel kapitaal aantrokken. Ze veranderden de manier waarop er werd gewerkt.
Ze delen ook iets diepers. Elk van deze technologieën breidde de menselijke capaciteit uit zonder de menselijke cognitie te vervangen. Machines aangedreven door elektriciteit, maar mensen beslisten nog steeds wat ze moesten bouwen. Computers verwerkten de gegevens, maar mensen interpreteerden deze. Het internet verplaatste informatie, maar mensen bepaalden wat belangrijk was. Mobiel stopt de computer in de broekzak, maar menselijke aandacht bleef het schaarse goed. In alle gevallen heeft de menselijke intelligentie alles verankerd. Het was ook de bottleneck.
AI is anders omdat het cognitief werk verricht. En als het je ongemakkelijk maakt, moet dat ook gebeuren. Want als AI echt kan denken, dan is veel van waar we onze carrière op hebben gebouwd, zoals onze expertise en onze zwaarbevochten vaardigheden, misschien niet zo verdedigbaar als we dachten. De junior ingenieur die jarenlang intuïtie heeft ontwikkeld, werkt nu met een tool die deze meteen heeft. Hetzelfde maakt de financiële analisten bekend om hun variantieanalyse. Mensen weten niet meer precies waar de waarde werkelijk ligt, en dat is beangstigend.
Ik spreek wekelijks met CFO’s. Zes maanden geleden stelden ze mij abstracte vragen als “wat is AI?” en “moeten we een AI-strategie hebben?” Nu zijn de vragen concreet: “Welke delen van het werk van mijn team mogen niet langer op deze manier worden gedaan?” Die verschuiving vond zo snel plaats dat de manier waarop middelen worden toegewezen nu al verandert.
Een van de oprichters die ik ken, begon bijvoorbeeld Claude te gebruiken om SQL-query’s te schrijven, waar haar analist vroeger een paar dagen over deed. Heeft zij de analist vervangen? Natuurlijk niet. Maar ze heeft het knelpunt weggenomen en is voor snelle antwoorden niet langer van hem afhankelijk. Toen veranderde haar rol als analist volledig. Hij besteedde 60% van zijn tijd aan het schrijven van vragen, naar 10% aan het controleren ervan en 90% aan het doen van strategische aanbevelingen. Het bedrijf heeft het personeelsbestand of de kosten niet teruggebracht, en de analist ging van het onderschrijven van drie belanghebbenden naar het onderschrijven van vijftien.
Dit is waar historische vergelijkingen echt beginnen te mislukken. Tools zoals GitHub Copilot comprimeren expertise. Een junior ingenieur kan nu werken op een niveau waarvoor ooit jarenlange professionele ervaring nodig was. En elke keer dat de tool wordt gebruikt, leert hij bij. Een hamer wordt niet beter alleen omdat je er een huis mee hebt gebouwd, maar AI-tools wel. En naarmate tools beter worden door gebruik, neemt het tempo van verbetering toe. Deze dynamiek past niet precies in welke eerdere technologie-analogie dan ook, dus het instinct om dit een ‘bubbel’ te noemen mist het eigenlijke punt.
Eerdere technologieën gingen uit van een vast plafond voor de menselijke cognitie. Ze maakten ons sneller en sterker, maar de beperkende factor was altijd dezelfde: hoeveel slimme mensen konden we een probleem aandoen? AI strekt dat plafond veel verder uit dan we gewend zijn. Vroeger betekende een beter begrip van uw bedrijf meestal een van de volgende drie dingen: meer data, meer analisten of meer ervaren managers. De beperking was de hoeveelheid menselijke aandacht en beoordelingsvermogen die je je kon veroorloven. Met AI verandert die beperking. Wanneer analyses die ooit dagen in beslag namen, binnen enkele seconden verschijnen, is de nieuwe beperking dat je weet waar je op moet letten. Welke vragen zijn belangrijk? De beperkende factor is niet langer talent, maar begint oordeel te zijn.
De sceptici hebben gelijk over de hype, maar ongelijk over wat het betekent
Laten we de sterkste versie van het bubbelargument voor de gek houden. Misschien is AI eigenlijk overhyped en zullen de meeste van deze bedrijven failliet gaan. Misschien zijn we vroeg en zal de echte impact nog vijf tot tien jaar op zich laten wachten. Dit alles zou volledig waar kunnen zijn en het zou nog steeds niets veranderen aan het kernpunt, namelijk dit:
Hoewel de meerderheid van de AI-startups faalt en de adoptie veel trager verloopt dan verwacht, is AI nog steeds de eerste technologie die kenniswerk kan verrichten. Het verdwijnt niet omdat de markten voorbijschieten of de verwachtingen worden bijgesteld. De sceptici hebben gelijk als ze zeggen dat de hype opgeblazen is. Maar ze hebben het mis als ze beweren dat een opgeblazen hype de technologie irrelevant maakt. We hebben dit al eerder gezien: de dotcom-zeepbel bestond echt Huisdieren.com crashte en verbrandde, maar internet veranderde nog steeds alles. Beide dingen waren tegelijkertijd waar.
De CFO’s met wie ik werk, discussiëren niet over de vraag of AI ertoe doet. Nu proberen ze te begrijpen welke workflows als eerste zullen veranderen en hoe snel ze zich moeten aanpassen. Dat gesprek vindt rustig plaats, te midden van al het lawaai.
En de workflows die als eerste instorten, hebben drie kenmerken gemeen:
-
Ze vereisen expertise, maar ze zijn repetitief.
-
Het zijn knelpunten voor strategisch werk.
-
Ze zijn gemakkelijk te verifiëren, maar moeilijk te genereren.
Deze workflows zijn belangrijk genoeg om voor te betalen, maar niet zo strategisch dat het automatiseren ervan het concurrentievoordeel in gevaar brengt. Ze vereisen vaardigheid, maar die vaardigheid neemt niet dramatisch toe bij herhaling, waardoor ze economisch kwetsbaar worden en wordt verklaard waarom ze al worden geautomatiseerd.
Waar mensen er nog steeds toe doen (voor nu)
AI is geweldig in het herkennen van trends en slecht in het weten welke er echt toe doen. Het kan een variantieanalyse genereren, maar het kan u niet vertellen of een uitgave van 12% een gezonde groei of een dieper probleem aangeeft. Het kan een strategie bepalen, maar het kan u niet vertellen welke strategie op dit moment de juiste is voor deze markt en dit team. Oordeel onder onzekerheid en compromissen met hoge inzet waarbij de keerzijde catastrofaal is, blijft een menselijke verantwoordelijkheid. Voor nu.
Wanneer de beperking niet langer is ‘hebben we genoeg slimme mensen’, wordt het probleem een prioriteit. Wat verdient aandacht? Wat is de moeite waard om verder te bouwen? Dit is waar ik zie dat veel oprichters vastlopen. Ze vragen of dit een zeepbel is en of ze te vroeg zijn, maar dat zijn niet de meest nuttige vragen. De echte vraag is: “Wat kan ik het komende jaar bouwen dat echte waarde creëert, ongeacht wat de waarderingen doen?”
De bedrijven die het laatst zullen blijven, zullen degenen zijn die AI stilletjes herhalen en integreren in daadwerkelijke workflows die daadwerkelijke problemen oplossen. Neem bijvoorbeeld CFO’s. Ze kopen AI omdat hun bestuur een snellere variantieanalyse wil en ze het beu zijn om analisten in dienst te nemen die na zes maanden stoppen. Het is een reëel probleem dat bedrijven moeten oplossen.
En hetzelfde geldt voor beleggers. Degenen die op de lange termijn slagen, zullen degenen zijn die de onzekerheid lang genoeg tolereren om te zien wat werkelijk werkt.
Deze keer is het eigenlijk anders
Op de korte termijn zal AI teleurstellen. Veel gebruiksscenario’s leveren niet op wat ze beloven, en veel bedrijven die in deze golf zijn ontstaan, zullen niet overleven. Maar de technologie zal dat wel doen. En op de lange termijn zal AI alle gebieden die afhankelijk zijn van kenniswerk een nieuwe vorm geven. Niet allemaal tegelijk, en niet gelijkmatig, maar over tien jaar zal het moeilijk zijn om een op kennis gebaseerde industrie te vinden die er zo uitziet als vandaag.
AI is anders omdat de intelligentie zelf, die historisch gezien de belangrijkste beperking van menselijke innovatie was, nu schaalbaar is geworden. Het is een waarneembaar feit met meetbare gevolgen. Het gesprek over zeepbellen zal vervagen, zoals altijd, en wat overblijft zijn de systemen die zich stilletjes hebben aangepast terwijl alle anderen over de waarderingen kibbelden. De sceptici zullen gelijk hebben gehad over de winsten, maar ongelijk hebben over wat er werkelijk toe deed, want over vijf jaar zullen we waarschijnlijk op dezelfde manier terugkijken op de paniek van vandaag als we terugkijken op mensen die het internet afwezen omdat een handvol bedrijven failliet gingen. En de winnaars zullen degenen zijn die bouwden terwijl alle anderen ruzie maakten over de waarderingen.
Uiteindelijk zijn dat de enige verhalen die iemand zich herinnert.
Siqi Chen is de mede-oprichter en CEO van Runway.
Welkom bij de VentureBeat-community!
In ons gastpostprogramma delen technische experts inzichten en bieden ze neutrale, onbevooroordeelde diepgaande inzichten in AI, data-infrastructuur, cyberbeveiliging en andere geavanceerde technologieën die de toekomst van het bedrijfsleven vormgeven.
Lees meer uit ons gastpostprogramma – en bekijk ons richtlijnen als u geïnteresseerd bent om uw eigen artikel bij te dragen!
