Of het nu gaat om softwareontwikkeling, gebruikersinterfaces of het helpen van klanten, AI heeft veel mogelijkheden om al deze zaken blijvend te veranderen en verbeteren. In 2024 domineerden ontwikkelingen op het gebied van AI het nieuws en dit zal in 2025 niet veranderen – het is en blijft een technologie die bijna oneindige mogelijkheden biedt. Hieronder vier ontwikkelingen die we kunnen verwachten in 2025.
Softwareontwikkelaars verdwijnen niet
De evolutie op het gebied van AI gaat razendsnel: AI leert nu al ‘redeneren’ op een manier die zes maanden geleden nog niet mogelijk was, terwijl door AI ondersteunde software-engineering steeds meer vorm begint te krijgen. De meeste developers gebruiken generatieve AI al in hun dagelijkse werk. Het werken met een copilot is als werken met een junior developer die een deel van het werk overneemt: ze kunnen testcases ontwikkelen of een klein deel van de code ontwikkelen. AI zal daarom software development of low-code development niet snel vervangen, maar het wordt zeker mogelijk om meer te doen met hetzelfde aantal ontwikkelaars.
Over een jaar of vijf kan de rol van een developer zich ontwikkelen tot die van een development lead, die een team van ‘synthetische’ AI-developers aanstuurt. Deze genereren code en kunnen zelfstandig basis software engineering uitvoeren. Elk synthetische developer kan specialismen hebben die in de loop van de tijd worden ontwikkeld. Mensen blijven hierbij altijd betrokken, maar worden nu product owners. Bij enterprises kunnen deze product owners nauwer samenwerken met businessteams en ontstaan er multidisciplinaire fusieteams die veel waarde kunnen opleveren. Dit is dan ook wellicht de meest interessante verschuiving die genAI brengt: de focus op het leveren van waarde. In plaats van alleen basis softwareontwikkeling kunnen mensen zich meer richten op het oplossen van de uitdagingen waarmee hun bedrijf te maken heeft.
De opkomst van multimodality en distributed intelligence
In 2025 zullen we ‘multimodality’ – het gebruik van meerdere soorten informatie, zoals tekst, afbeeldingen en audio, om het begrip, communicatie of interactie in technologie en AI te verbeteren – overal terug gaan zien. En dan hebben we het niet alleen over gebruikersinterfaces: het is een andere manier om over data te denken. We zijn inmiddels gewend aan het idee dat alles in feite een data-tabel is – het is de manier waarop relationele databases, applicatieplatforms en queries doorgaans werken. Als we te maken hebben met complexe data, kan iemand die gegevens verwerken tot zo’n tabel, met rijen en kolommen, zodat een app ze kan gebruiken.
Dat staat echter op het punt om te veranderen. De opkomst van multimodale data, interacties en redeneringen kan de wereld van software engineers flink opschudden. We zouden weleens een toekomst kunnen zien waarin mensen met een technische of data analytics achtergrond goed in staat zijn om zelf digitale oplossingen te ontwikkelen, omdat ze al gewend zijn om data vanuit het perspectief van tabellen te bekijken.
Ook de plek waar dataverwerking plaatsvindt, verandert. We hebben jarenlang gedacht in termen van clients en servers, zelfs toen alles naar de cloud en buiten het bedrijf werd geplaatst. AI werkt echter niet op die manier. Individuele iPhones en AI-pc’s zullen op z’n minst kleine taalmodellen kunnen ondersteunen. Zo zullen computerverwerkingskracht en -intelligentie worden verspreid en dat heeft gevolgen voor de manier waarop data werken. Dit maakt het moeilijker om er concepten rond te bouwen en ook om er geld mee te verdienen. Dit zal nieuwe vragen oproepen, maar ook kansen creëren.
Nieuwsgierig blijven naar de ethische vraagstukken rond AI zal een duurzaam gebruik van de technologie ondersteunen
De ethische kwesties rond AI zijn complex en verdienen zorgvuldige aandacht – elk AI-systeem is subjectief en sterk afhankelijk van de gebruikte trainingsdata. Het bias-probleem is een bekend fenomeen: als je generatieve AI bijvoorbeeld vraagt naar een foto van een ‘machtige man’, dan krijg je doorgaans een blanke man van middelbare leeftijd in pak te zien.
Maar er zijn ook voorbeelden van AI-systemen die ernaast zitten door fouten in de dataset. Denk bijvoorbeeld aan zelfrijdende auto’s die botsingen veroorzaken omdat het systeem een voetganger met een fiets aan de hand niet herkende, omdat het model alleen getraind was met beelden van mensen die fietsen of voetgangers die zonder fiets lopen.
In technische kringen zijn er voortdurend discussies over hoe je de juiste dataset krijgt en hoe je die dataset labelt. De realiteit is echter dat dit labelen vaak wordt uitbesteed aan mensen uit lage lonen-landen, met vaak slechte werkomstandigheden. Je kan dan mensen krijgen die tijdelijk worden ingehuurd om honderdduizenden afbeeldingen te beoordelen en die betaald worden op basis van het aantal dat correct is gesorteerd. Hoewel AI-engineers misschien erg gevraagd zijn en goed worden betaald, zijn er zorgen over deze AI-subeconomie.
Een ander belangrijk vraagstuk is het energieverbruik, gezien de explosieve groei van AI. Microsoft heeft onlangs een deal gesloten waardoor de Three Mile Island kerncentrale in Harrisburg weer heropend wordt en er is een goede kans dat hyperscalers zelf een elektriciteitscentrale worden of er zelf één bouwen. Het zou kunnen dat er meer aandacht komt voor de verhouding tussen de duurzaamheid van AI en de voordelen die het kan bieden. De uitgaven voor AI zullen naar verwachting die voor breedbandinfrastructuur gaan overstijgen, ook al is het nog niet duidelijk wat die investeringen uiteindelijk zullen opleveren. Het is goed om dit in gedachten te houden. Denk goed na over hoe je AI gaat benaderen, houd nauw in de gaten hoe deze technologie zich ontwikkelt en wat gevolgen zijn voor het energieverbruik.
AI-agents creëren nieuwe kansen
De komst van AI-gebaseerde agents is een veelbelovende ontwikkeling. Hierbij gaat het om software die kan redeneren – het kan stappen plannen en uitvoeren om iets gedaan te krijgen namens de organisatie. In plaats van simpelweg te worden geïntegreerd, is de AI verantwoordelijk voor het proactief en autonoom uitwerken van een taak of het oplossen van een probleem. Deze agents kunnen de rol van software op zijn kop zetten: het wordt intelligentie in de cloud die taken voor je uitvoert.
Deze technologie kan overal worden ingezet – van klantgerichte toepassingen tot interne toepassingen voor medewerkers – waar processen moeten worden gestroomlijnd of effectiever gemaakt. De AI-agents kunnen de klantervaring en -tevredenheid verbeteren door een groot deel van het probleem van de klant op te lossen zonder tussenkomst van een mens of door juist snel te escaleren naar een medewerker indien dat nodig is.
Deze technologie biedt ook interessante mogelijkheden op het gebied van order management, vooral naarmate de productie verder wordt geautomatiseerd en het eenvoudiger wordt om ‘just-in-time’ klantspecifieke producten te maken. Klanten zouden bijvoorbeeld makkelijker contact op kunnen nemen met een bedrijf voor aanpassingen aan hun product of om updates aan te vragen.
Het is misschien nog te vroeg om overal een bot voor in te zetten, maar naarmate de technologie zich ontwikkelt, is het belangrijk dat we ons realiseren wat er allemaal mogelijk zou kunnen zijn. Er is een mogelijkheid om operationele teams samen te brengen met teams die experimenteren met AI-agents, om zo nieuwe manieren te vinden om aan de bedrijfsdoelstellingen te voldoen.
Conclusie
Er is een aantal interessante ontwikkelingen gaande die softwareontwikkeling sterk kunnen verbeteren en die bedrijven helpen om hun uitdagingen op te lossen. AI heeft de potentie om niet alleen de efficiëntie te verbeteren, maar kan organisaties ook helpen om op een totaal andere manier waarde te bieden. Bedrijven die deze technologie omarmen en effectief kunnen inzetten voor hun use cases, kunnen hun concurrentie een stap voor blijven. AI is intussen niet langer een hype, maar een essentiële bouwsteen voor lange-termijn succes.
Dit is een ingezonden bijdrage van Mendix. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.