Dit zijn de belangrijkste denkfouten in het AI-dilemma

Lees je Marks verhalen graag? Meld je dan nu aan voor zijn maandelijkse nieuwsbrief vol verhalen die jou en je onderneming helpen groeien. 

Sociale media hebben een heleboel negatieve effecten. Denk aan verslaving, desinformatie en polarisatie. Ook is er een discussie ontstaan over waar de grens ligt tussen censuur en vrijheid van meningsuiting. Onder anderen Tristan Harris maakte deze onderwerpen bespreekbaar, dat deed hij bijvoorbeeld in de Emmy-winnende Netflix-documentaire The Social Dilemma.

Samen met Aza Raskin gaf Harris onlangs een lezing over het AI-dilemma en ik kan je van harte aanbevelen om die terug te kijken. Ze belichten veel van de mogelijke problemen die AI kan veroorzaken. Maar bij het bekijken van de presentatie voelde ik wrijving. Ik denk dat Harris en Raskin een aantal fundamentele denkfouten maken. In dit stuk leg ik een paar belangrijke verschillen uit die ik zie tussen AI en sociale media en vertel ik waarom de toekomst er compleet anders uit zou kunnen zien dan dat we op dit moment denken.

Inzicht in drijfveren en bedrijfsmodellen

Om te begrijpen waarom AI op dit moment fundamenteel anders is dan sociale media, is het belangrijk om te kijken naar de primaire drijfveren en businessmodellen van AI- en socialemediabedrijven.

Advertenties en het indirecte bedrijfsmodel

Het primaire doel van bedrijven in het huidige systeem is simpel: ze willen aandeelhouderswaarde creëren. Het bedrijfsmodel van zowel sociale media als search is advertenties. Een gebruiker mag een zoektool gratis gebruiken, maar krijgt er wel reclame voor terug. Dit betekent dat de echte klanten van Google de bedrijven zijn die betalen voor de reclame. Dit noem je ook wel een indirect businessmodel.

De drijfveren voor searchbedrijven zorgen voor gegevensverzameling

Het indirecte bedrijfsmodel bij searchbedrijven heeft een groot nadeel. Zij rekenden erop dat als een zoekmachine meer weet over de gebruikers, deze de advertenties kan afstemmen op die gebruiker. Dit zorgde ervoor dat zulke bedrijven gegevens gingen verzamelen en met gerichte advertenties gingen werken.

De drijfveren van socialemediabedrijven zorgen voor gegevensverzameling, nepnieuws, polarisatie en verslavende platforms

Voor socialemediabedrijven was het indirecte businessmodel een nog grotere negatieve drijfveer. De tijd die mensen op je platform doorbrengen is de belangrijkste drijfveer, want meer tijd betekent meer advertenties en dus meer inkomsten. De kwaliteit van de content op het platform – waar of niet waar, goed of slecht – wordt irrelevant. Het enige dat telt is dat mensen op het platform blijven hangen. Dit resulteert in meer dataverzameling, nepnieuws, polarisatie en verslavende platforms. Want ook hier geldt dat de adverteerder de echte klant is, niet de gebruiker. Toegang tot de gegevens van die gebruikers is de waarde die de platforms creëren voor de adverteerders.

Om succesvol te kunnen zijn, hebben socialemediaplatforms het volgende nodig:

• Meer gebruikers
• Meer doorgebrachte tijd op het platform
• Meer gegevens van gebruikers
• Meer content voor de gebruikers

Het businessmodel van AI-bedrijven

Nu je weet wat het bedrijfsmodel van searchbedrijven is, is het goed om te kijken naar het model dat AI-bedrijven hanteren en de klantwaarde die ze daarmee creëren.

Het directe bedrijfsmodel

Als eerste noem ik de tool Midjourney. Het doel van dit bedrijf is om de beste beelden te genereren voor de gebruiker. Als basis is er een freemium-model waarbij je de dienst gratis kunt gebruiken. Wil je de tool vaker gebruiken, dan betaal je daarvoor een maandelijks bedrag. Dit noem je ook wel een direct businessmodel: de gebruikers betalen rechtstreeks voor de dienst die ze gebruiken.

Ook ChatGPT hanteert zo’n model. Versie 3.5 kun je gratis gebruiken, maar als de dienst druk is, krijgen betalende klanten voorrang. En wil je de betere variant ChatGPT 4 gebruiken, dan betaal je daar ook voor.

Nu is dit niet het volledige verhaal. Om wat verder in te zoomen leg ik uit wat AI-bedrijven nodig hebben om succesvol te zijn.

Wat AI-bedrijven nodig hebben om een goed product te bouwen

Om AI-modellen te verbeteren, zijn een paar dingen nodig:

• Datasets: een verzameling van gestructureerde gegevens die wordt gebruikt voor het trainen, valideren en testen van AI-modellen.
• Feedback over de output: om te kunnen verbeteren, hebben de AI-modellen feedback van gebruikers nodig over de kwaliteit van de output. Dit noem je ook wel Human Reinforced Learning (RLHF).

Momenteel geven gebruikers input aan het model, waardoor de dataset wordt aangevuld. En de gebruikers geven feedback die de kwaliteit van de output verhoogt. De input en de feedback maken het product beter.

Er is een direct verband tussen klantwaarde, dingen die AI-bedrijven nodig hebben om succesvol te zijn en het bedrijfsmodel. Zolang je gegevens veilig en privé zijn en jij er eigenaar van blijft, ben je bereid om het AI-bedrijf meer van jouw gegevens te geven omdat er een direct voordeel is voor jou als gebruiker.

Link tussen klant- en bedrijfswaarde

Deze directe link tussen klantwaarde, bedrijfswaarde en bedrijfsmodel is de sleutel tot het bouwen van een gezond bedrijf. Dit is ook het punt waar het huidige AI-bedrijfsmodel en het indirecte businessmodel van elkaar verschillen.

Bedrijven als Microsoft (Bing) en Google experimenteren met adverteren in AI-tools. Dat is logisch vanuit zakelijk oogpunt. Googles primaire bedrijfsmodel is advertenties en daarmee genereert het bedrijf 80 procent van de inkomsten. Maar het zou beter zijn voor de samenleving als het advertentie- en indirecte bedrijfsmodel verdwijnt. Bedrijven zullen het meest profiteren van AI-tools. Dat is iets waar OpenAI – het bedrijf achter ChatGPT – zich bewust van is. Zij lanceren binnenkort een zakelijk aanbod voor ChatGPT. En ik vind het als ondernemer helemaal niet erg om voor zo’n dienst te betalen.

Microsoft integreert ChatGPT ook in het zakelijke aanbod, zodat de zakelijke klant rechtstreeks betaalt. Dit zorgt weer voor versterking van het directe bedrijfsmodel.

Socialemedia-expertise vertaalt zich niet zo goed naar AI

Terug naar de presentatie van Harris en Raskin. Zij doen iets wat veel deskundigen doen, onder wie ikzelf. Als je veel kennis hebt van een verschijnsel, ben je geneigd jezelf voorspellende skills toe te kennen: jij weet precies hoe een ander verschijnsel zich zal ontwikkelen. De sprekers lijken ervan uit te gaan dat we allemaal moeten leren van hoe sociale media zich hebben ontwikkeld en de samenleving hebben beïnvloed, zodat we eerder kunnen ingrijpen als het mis dreigt te gaan met AI.

Maar hoe ‘woke’ we nu ook zijn, we kunnen niet voorspellen wat er gaat gebeuren met generatieve AI. De scenario’s die Harris en Raskin voorspellen zijn logisch, maar zelfs als de bedrijven een direct businessmodel gaan gebruiken, is het zeer waarschijnlijk dat we een heel andere richting opgaan dan we nu denken.

Het is algemeen bekend dat ‘resultaten uit het verleden geen garantie bieden voor de toekomst’, maar we negeren die waarschuwing vaak volledig direct nadat we ‘m hebben gehoord.

De belangrijkste boodschap van de presentatie die volgens mij wel klopt is deze: AI lijkt een grote paradigmaverschuiving teweeg te brengen. We moeten de AI-ontwikkelingen daarom op de voet volgen en op tijd reageren als er iets gebeurt. Maar laten we vooral niet doen alsof we nu al een idee hebben over wat dat ‘iets’ precies inhoudt. 😉

Mark Meinema, bedankt voor het nieuwe inzicht dat je me gaf en voor je hulp bij het schrijven van dit artikel.

Dit stuk is onderdeel van een blogserie over AI, de andere verhalen lees je via de links hieronder:

• We moeten het hebben over AI en productiviteit

• De toekomst van AI: van ChatGPT en AutoGPT naar een persoonlijke AI-assistent

• Dit is waarom AI de mens niet gaat vervangen