AI: belofte, werkelijkheid en verantwoordelijkheid

De ontwikkelingen rondom Artificiële Intelligentie (AI) en het gebruik van Large Language Models (LLM’s) zijn zonder meer fascinerend te noemen en mogelijk maatschappelijk ontwrichtend. De snelheid waarmee deze technologie zich ontwikkelt, laat zien hoe krachtig (maar ook hoe dubbel) de impact ervan kan zijn.

Zoals bij vrijwel iedere technologische doorbraak geldt dat AI zowel ten goede als ten kwade kan worden ingezet. De ontdekking van atoomsplitsing is misschien wel het meest sprekende voorbeeld: een nieuwe energiebron, maar ook een vernietigend wapen. In het geval van AI lijkt het erop dat de risico’s zichtbaarder zijn dan de daadwerkelijke maatschappelijke voordelen, die zich nog moeten bewijzen.

Exponentiële groei en toenemende onzekerheid

De ontwikkelingen in AI volgen een exponentieel patroon en zijn nog zo nieuw dat niemand de volledige impact kan overzien. Investeerders zien enorme potentie, wat heeft geleid tot een duidelijke verschuiving van investeringen: weg van traditionele dienstverlening, richting alles wat met AI te maken heeft. Tegelijkertijd klinkt vanuit de technische hoek steeds vaker kritiek dat groter niet automatisch beter is.

Er bestaan serieuze zorgen over de veiligheidsaspecten van LLM’s, onder meer door de teruglopende kwaliteit van software die ermee wordt ontwikkeld. Deze kwaliteitsafname lijkt deels voort te komen uit het gemak waarmee nieuwe oplossingen kunnen worden gebouwd. Zodra technologie wordt benaderd als een ‘black box’, waarbij de interne werking ondoorzichtig is, ontstaat het risico dat we de controle verliezen over onze processen.

We ruilen vertrouwde procedures in voor nieuwe werkwijzen, met onzekerheden als gevolg. Voor ondernemers is dit bij uitstek iets wat men liever vermijdt. Het vraagt om een uiterst zorgvuldige en beheerste aanpak.

AI versus bewezen softwarepraktijken

Voor het genereren van vermakelijke of ondersteunende content levert AI, mits transparant ingezet, weinig problemen op. De vraag wordt relevanter wanneer deze technologie wordt toegepast binnen bestaande, decennialang beproefde softwareframeworks die de betrouwbaarheid van onze ICT-voorzieningen waarborgen.

De voortdurende doorontwikkeling van software heeft de afgelopen jaren vooral geleid tot meer functionaliteit en controle, met name binnen administratieve processen. Van een fundamentele revolutie in werken is echter nauwelijks sprake: een spreadsheet is nog steeds een spreadsheet en administratieve systemen doen in de kern nog steeds hetzelfde.

Ook de ontwikkeling van het internet sinds de jaren ’90 laat zien dat echte vooruitgang vaak geleidelijk verloopt, ondanks de hypes die soms ontstaan om investeringen aan te jagen. De meeste websites zijn nog steeds primair informerend van aard. Slimme zoekalgoritmes maken informatie beter vindbaar, maar zorgen er tegelijkertijd voor dat we steeds vaker in onze eigen informatiebubbel belanden.

Verwachtingen, ROI en realiteitszin

AI zal onmiskenbaar een grote rol gaan spelen bij het zoeken naar informatie, het opstellen van verslagen en het overnemen van meer basale informatieverwerkende en adviserende taken. Hoe ver dit zal gaan, en of de honderden miljarden die momenteel worden geïnvesteerd ook daadwerkelijk worden terugverdiend, is echter nog zeer de vraag.

De huidige ROI van AI-investeringen laat langer op zich wachten dan bij eerdere technologische vernieuwingen. Veel investeringen lijken gedreven door de angst om de boot te missen, wat kan leiden tot minder kritische besluitvorming.

Het is aannemelijk dat AI zich uiteindelijk ontwikkelt tot een ‘normale’ innovatie die stapsgewijs wordt geïntegreerd in professionele software. Verwacht echter geen aardverschuivingen. Een softwareproduct dat volledig door een LLM is geschreven, is niet iets waaraan je zonder meer vertrouwelijke informatie of kritische processen zou moeten toevertrouwen. De daadwerkelijke verhoging van arbeidsefficiëntie moet zich nog bewijzen en vraagt om veel experimenteren, bijstellen en opnieuw proberen.

Zoals bij de marktkraam-demonstratie van een citruspers: het ziet er indrukwekkend uit, totdat je het thuis daadwerkelijk gaat gebruiken.

Betrouwbaarheid als randvoorwaarde

Voor een softwarebouwer als SmartTrackers, gericht op het sturen van duurzaamheidsprogramma’s, is een zo betrouwbaar mogelijk resultaat cruciaal. Dat geldt in feite voor elk ICT-product waarin feiten en cijfers centraal staan.

Ook SmartTrackers onderzoekt waar AI daadwerkelijk toegevoegde waarde kan bieden, los van algemene ondersteunende functies zoals zoeken, code-assistentie, code-review en tekstsamenvatting. Zo wordt gewerkt aan slimme importfunctionaliteiten voor ongestructureerde data, tekstanalyses en ondersteuning bij het beantwoorden van vragen binnen de Assessments-oplossing.

Maar zodra het om feiten en cijfers gaat, is voorzichtigheid geboden.

AI en CO₂-data: waar ligt de echte waarde?

Binnen het wereldwijd gehanteerde Greenhouse Gas Protocol (GHG-P) wordt gewerkt met drie scopes. Scope 1 en 2 hebben betrekking op respectievelijk directe emissies en indirecte emissies door elektriciteitsverbruik. In theorie zou de klimaatuitdaging grotendeels opgelost zijn als organisaties deze twee scopes goed meten en reduceren.

AI kan helpen bij het verzamelen van data uit bijvoorbeeld facturen en andere databronnen en deze omrekenen naar CO₂-impact, waarmee handmatige verwerking wordt verminderd. De vraag is echter of dit voor Scope 1 en 2 daadwerkelijk de beoogde tijdsbesparing oplevert. Dat is mogelijk, mits er een robuuste nacontrole plaatsvindt, bijvoorbeeld via meterstanden of brandstofregistraties.

Vanuit een nuchter perspectief van nauwkeurigheid en kostenefficiëntie is het afwachten of AI in de beginfase niet juist meer onzekerheid introduceert. Een gefaseerde aanpak, waarbij AI eerst wordt ingezet voor specifieke deeltaken, lijkt daarom verstandiger.

Scope 3: complexiteit vraagt om intelligentie

Bij Scope 3 wordt de rol van AI aanzienlijk interessanter. Deze scope omvat emissies in de volledige waardeketen en is zo complex dat handmatige monitoring nauwelijks uitvoerbaar is. In de praktijk wordt dit vaak opgelost door te focussen op de delen met de grootste verwachte impact.

Juist hier kan AI waarde toevoegen door snel analyses uit te voeren op complete datasets en zo te helpen bij het identificeren van de meest relevante onderdelen van de keten. Tegelijkertijd blijft gelden: elk model is slechts zo goed als de input. De kwaliteit van emissiefactoren, het voorkomen van doublures en de herkomst van data zijn cruciaal. Tijd en aandacht voor deze aspecten blijven essentieel om betrouwbare beslissingen te kunnen nemen.

Geen magische knop

AI kan een belangrijke rol spelen bij het sneller analyseren van grote hoeveelheden informatie en data – werkzaamheden die nu vaak blijven liggen omdat ze te tijdrovend zijn. Tegelijkertijd is kritisch blijven kijken naar cijfers misschien wel belangrijker dan ooit. Gemakzucht en te snelle conclusies liggen op de loer.

Onze visie is dan ook dat AI moet dienen als aanvullend instrument om de kwaliteit en interpretatie van informatie te verbeteren. De kern van onze oplossing – het professioneel sturen op ESG-beleid en hierover verantwoording afleggen – zal niet met een ‘magische knop’ worden opgelost.

Wanneer dergelijke claims in de markt worden gedaan, is het juist zaak om kritische vragen te stellen over veiligheid, datazekerheid en onafhankelijkheid. Dat is waar duurzame, betrouwbare innovatie begint.