Waarom organisaties kritisch moeten kijken naar het extern draaien van AI

AI is vooral een nieuwe manier om kenniswerk te automatiseren

De discussie over kunstmatige intelligentie wordt vaak gedomineerd door grote beloften over innovatie, productiviteit en transformatie. In de praktijk blijken veel toepassingen van Large Language Models (LLM’s) vooral neer te komen op het ondersteunen of automatiseren van specifieke kennisintensieve taken, zoals tekstverwerking, samenvatten, classificeren, zoeken en het genereren van conceptinhoud.

Dat maakt AI nuttig, maar niet revolutionair voor iedere organisatie. De werkelijke vraag is daarom niet hoe indrukwekkend de technologie is, maar hoe deze op een verantwoorde en economisch zinvolle manier kan worden ingezet.

Een aspect dat daarbij steeds meer aandacht verdient, is de locatie waar AI draait en de vraag welke partijen toegang krijgen tot bedrijfsgegevens.

AI-gebruik leidt tot nieuwe datastromen

Wanneer medewerkers AI-systemen gebruiken, worden gegevens verwerkt buiten de traditionele applicaties waarin deze informatie oorspronkelijk werd beheerd.

Dat kunnen relatief onschuldige gegevens zijn, zoals algemene vragen of publieke informatie. Maar het kunnen ook interne documenten, contracten, broncode, financiële gegevens, klantinformatie of operationele kennis zijn.

Hierdoor ontstaat een nieuwe gegevensstroom die vaak minder zichtbaar is dan de gegevensuitwisseling tussen traditionele bedrijfssystemen.

Hoewel grote AI-aanbieders uitgebreide beveiligingsmaatregelen treffen en zakelijke diensten doorgaans andere voorwaarden hanteren dan consumentenproducten, verandert dat niets aan het fundamentele gegeven dat een organisatie een deel van haar informatieverwerking onderbrengt bij een externe partij.

Dat vraagt om een expliciete afweging en niet om een automatische keuze.

Cloudgebruik en AI zijn niet hetzelfde vraagstuk

Soms wordt gesteld dat AI niet wezenlijk verschilt van eerdere cloudadoptie. Dat is slechts gedeeltelijk waar.

Bij traditionele cloudsoftware worden gegevens meestal verwerkt binnen duidelijk afgebakende applicaties met een specifiek doel. Bij generatieve AI is de aard van de verwerking vaak breder. De systemen worden ingezet voor kennisontsluiting, analyse, documentverwerking en interactie met gebruikers.

Daardoor komt potentieel een veel groter deel van de organisatorische kennis beschikbaar binnen één technologieomgeving.

Dat betekent niet automatisch dat gegevens worden misbruikt of hergebruikt, maar het vergroot wel het strategische belang van de keuze voor een leverancier.

Open modellen veranderen de afweging

Tot enkele jaren geleden waren geavanceerde taalmodellen uitsluitend beschikbaar via een beperkt aantal grote aanbieders. Inmiddels zijn er steeds meer open modellen beschikbaar die organisaties zelf kunnen hosten en beheren.

Daardoor ontstaat een alternatief voor organisaties die meer controle willen houden over hun gegevensverwerking.

Het intern draaien van AI brengt uiteraard eigen uitdagingen met zich mee:

• Investeringen in infrastructuur.

• Technische expertise.

• Beheer en onderhoud.

• Beveiliging.

• Monitoring en kwaliteitscontrole.

Voor veel organisaties zullen deze kosten hoger zijn dan het gebruik van een externe dienst.

Tegelijkertijd kan interne hosting aantrekkelijk worden wanneer:

• Gevoelige gegevens worden verwerkt.

• Regelgeving strenge eisen stelt.

• Vendor lock-in moet worden beperkt.

• Langetermijnkosten van externe diensten oplopen.

• Strategische kennis een belangrijke rol speelt.

De keuze is daarmee niet ideologisch maar bedrijfseconomisch.

Data blijft een strategisch bedrijfsmiddel

Veel organisaties besteden terecht aandacht aan eigendom van data, informatiebeveiliging en privacy. Opvallend genoeg worden deze principes soms minder strikt toegepast zodra AI in beeld komt.

Dat is opmerkelijk, omdat AI-systemen juist worden ingezet op plaatsen waar veel kennis samenkomt.

Wanneer documenten, procedures, klantcommunicatie, productspecificaties en operationele kennis via AI-systemen worden ontsloten, ontstaat een centrale toegangspoort tot belangrijke bedrijfsinformatie.

Dat betekent niet dat organisaties AI moeten vermijden. Het betekent wel dat dezelfde vragen gesteld moeten worden als bij iedere andere kritische technologie:

• Welke gegevens verlaten de organisatie?

• Wie heeft toegang tot die gegevens?

• Welke contractuele afspraken zijn gemaakt?

• Hoe eenvoudig kan worden gewisseld van leverancier?

• Welke risico’s ontstaan bij afhankelijkheid van één platform?

Minder afhankelijkheid als expliciete ontwerpkeuze

Een risico dat in veel AI-discussies onderbelicht blijft, is de toenemende concentratie van technologie bij een beperkt aantal aanbieders.

Wanneer dezelfde leveranciers verantwoordelijk worden voor:

• Cloudinfrastructuur,

• Productiviteitssoftware,

• Dataopslag,

• Zoekfunctionaliteit,

• AI-modellen,

neemt de afhankelijkheid van die partijen toe.

Dat hoeft geen direct probleem te zijn, maar het is wel een strategische keuze die bewust gemaakt moet worden.

Organisaties hebben in het verleden geleerd dat sterke afhankelijkheid van één leverancier kan leiden tot hogere kosten, verminderde onderhandelingspositie en beperkte flexibiliteit. Er is geen reden om aan te nemen dat dit bij AI anders zal zijn.

Van “AI first” naar “risico-afgewogen AI”

De vraag zou daarom niet moeten zijn of AI intern of extern moet draaien.

De relevantere vraag is welke toepassingen voldoende waarde opleveren om de bijbehorende risico’s, kosten en afhankelijkheden te rechtvaardigen.

Voor sommige toepassingen zal een externe AI-dienst de meest logische keuze zijn. Voor andere toepassingen kan interne hosting verstandiger zijn.

Wat ontbreekt in veel organisaties is niet technologie, maar een volwassen afwegingskader waarin kosten, baten, risico’s, compliance-eisen en strategische afhankelijkheden gezamenlijk worden beoordeeld.

Pas wanneer die afweging systematisch wordt gemaakt, kan worden bepaald welke AI-toepassingen extern kunnen worden afgenomen en welke beter binnen de eigen omgeving thuishoren.

De discussie over AI zou daarom minder moeten gaan over technologische mogelijkheden en meer over controle, risico, eigenaarschap en economische rationaliteit. Dat zijn uiteindelijk de factoren die bepalen of een technologie duurzaam waarde toevoegt aan een organisatie.