Dit is het enige dat u nooit mag uitbesteden aan een AI-model

In een wereld waar efficiëntie voorop staat en disruptie van de ene op de andere dag miljardenmarkten creëert, is het onvermijdelijk dat bedrijven generatieve AI als een krachtige bondgenoot beschouwen. Van OpenAI’s ChatGPT die mensachtige tekst genereert tot DALL-E die kunst produceert wanneer daarom wordt gevraagd: we hebben een glimp gezien van een toekomst waarin machines naast ons creëren – of zelfs de leiding nemen. Waarom breiden we dit niet uit naar onderzoek en ontwikkeling (R&D)? AI zou immers het genereren van ideeën een boost kunnen geven, sneller kunnen itereren dan menselijke onderzoekers en potentieel met adembenemend gemak het ‘next big thing’ kunnen ontdekken, toch?

Wacht even. Dit klinkt in theorie allemaal geweldig, maar laten we eerlijk zijn: wedden op generatie-AI om je R&D over te nemen zal waarschijnlijk een averechts effect hebben op aanzienlijke, misschien zelfs catastrofale manieren. Of u nu een beginnende startup bent die groei nastreeft of een gevestigde speler bent die uw terrein verdedigt, het uitbesteden van generatieve taken in uw innovatiepijplijn is een gevaarlijk spel. In de haast om nieuwe technologieën te omarmen, bestaat het dreigende risico dat je de essentie verliest van wat werkelijk baanbrekende innovaties maakt – en, erger nog, dat je hele industrie in een dodelijke spiraal van gehomogeniseerde, ongeïnspireerde producten terechtkomt.

Laat me uiteenzetten waarom een ​​te grote afhankelijkheid van gen-AI in R&D de achilleshiel van innovatie zou kunnen zijn.

1. Het niet-originele genie van AI: voorspelling ≠ verbeelding

Gen AI is in wezen een supercharged voorspellingsmachine. Het creëert door te voorspellen welke woorden, afbeeldingen, ontwerpen of codefragmenten het beste passen op basis van een uitgebreide geschiedenis van precedenten. Hoe gestroomlijnd en verfijnd dit ook mag lijken, laten we duidelijk zijn: AI is slechts zo goed als de dataset. Het is niet echt creatief in de menselijke zin van het woord; het “denkt” niet op radicale, ontwrichtende manieren. Het kijkt naar het verleden en vertrouwt altijd op wat al is gemaakt.

In R&D wordt dit een fundamentele tekortkoming, geen kenmerk. Om echt nieuwe wegen in te slaan, heb je meer nodig dan alleen maar stapsgewijze verbeteringen, geëxtrapoleerd uit historische gegevens. Grote innovaties komen vaak voort uit sprongen, draaipunten en nieuwe ideeën, en niet uit een kleine variatie op een bestaand thema. Bedenk eens hoe bedrijven als Apple met de iPhone of Tesla op het gebied van elektrische voertuigen niet alleen bestaande producten verbeterden, maar ook paradigma’s op hun kop zetten.

Gen AI kan ontwerpschetsen van de volgende smartphone herhalen, maar het zal ons conceptueel niet bevrijden van de smartphone zelf. De gedurfde, wereldveranderende momenten – die markten, gedragingen en zelfs industrieën opnieuw definiëren – komen voort uit de menselijke verbeelding, niet uit waarschijnlijkheden die door een algoritme zijn berekend. Wanneer AI uw R&D aanstuurt, krijgt u betere herhalingen van bestaande ideeën, en niet de volgende doorbraak die een categorie bepaalt.

2. Gen AI is van nature een homogeniserende kracht

Een van de grootste gevaren als je AI de regie over je productideevormingsproces laat overnemen, is dat AI de inhoud – of het nu ontwerpen, oplossingen of technische configuraties zijn – verwerkt op manieren die eerder tot convergentie dan tot divergentie leiden. Gezien de overlappende basis van trainingsgegevens zal AI-gestuurde R&D resulteren in gehomogeniseerde producten op de hele markt. Ja, verschillende smaken van hetzelfde concept, maar toch hetzelfde concept.

Stel je dit eens voor: vier van je concurrenten implementeren generatie-AI-systemen om de gebruikersinterfaces (UI’s) van hun telefoons te ontwerpen. Elk systeem is getraind op min of meer hetzelfde corpus aan informatie: gegevens die van internet zijn geplukt over consumentenvoorkeuren, bestaande ontwerpen, bestsellerproducten enzovoort. Wat leveren al die AI-systemen op? Variaties van een soortgelijk resultaat.

Wat je in de loop van de tijd zult zien ontwikkelen is een verontrustende visuele en conceptuele samenhang waarin concurrerende producten elkaar gaan spiegelen. Zeker, de iconen kunnen iets anders zijn, of de productkenmerken zullen in de marge verschillen, maar inhoud, identiteit en uniciteit? Al snel verdampen ze.

We hebben al de eerste tekenen van dit fenomeen gezien in door AI gegenereerde kunst. Op platforms als ArtStation hebben veel kunstenaars hun zorgen geuit over de toestroom van door AI geproduceerde inhoud die, in plaats van unieke menselijke creativiteit te tonen, aanvoelt als gerecyclede esthetiek die populaire culturele referenties, brede visuele stijlfiguren en stijlen remixt. Dit is niet de baanbrekende innovatie die u als drijvende kracht achter uw R&D-motor wilt hebben.

Als elk bedrijf gen-AI als de facto innovatiestrategie hanteert, krijgt uw branche niet elk jaar vijf of tien ontwrichtende nieuwe producten; het krijgt vijf of tien aangeklede klonen.

3. De magie van menselijk onheil: hoe ongelukken en dubbelzinnigheid innovatie stimuleren

We hebben allemaal de geschiedenisboeken gelezen: penicilline werd per ongeluk ontdekt nadat Alexander Fleming een aantal bacterieculturen bloot had gelegd. De magnetron werd geboren toen ingenieur Percy Spencer per ongeluk een chocoladereep smolt door te dicht bij een radarapparaat te staan. Oh, en het Post-it-briefje? Nog een gelukkig ongeluk: een mislukte poging om een ​​supersterke lijm te maken.

In feite zijn mislukkingen en toevallige ontdekkingen intrinsieke componenten van R&D. Menselijke onderzoekers, die op unieke wijze zijn afgestemd op de waarde die schuilgaat in falen, zijn vaak in staat het onverwachte als kans te zien. Serendipiteit, intuïtie, onderbuikgevoel: deze zijn net zo cruciaal voor succesvolle innovatie als elke zorgvuldig opgestelde routekaart.

Maar hier is de kern van het probleem met generatie-AI: het kent geen concept van dubbelzinnigheid, laat staan ​​de flexibiliteit om falen als een voordeel te interpreteren. De programmering van de AI leert hem fouten te vermijden, de nauwkeurigheid te optimaliseren en dubbelzinnigheden in de gegevens op te lossen. Dat is geweldig als je de logistiek wilt stroomlijnen of de fabrieksproductie wilt vergroten, maar het is verschrikkelijk voor baanbrekende verkenningen.

Door de mogelijkheid van productieve ambiguïteit te elimineren – het interpreteren van ongelukken, het tegengaan van gebrekkige ontwerpen – vlakt AI potentiële wegen naar innovatie af. Mensen omarmen complexiteit en weten hoe ze dingen moeten laten ademen wanneer zich een onverwachte uitkomst aandient. AI zal ondertussen de zekerheid verdubbelen, de middenwegideeën mainstreamen en alles buitenspel zetten dat er onregelmatig of ongetest uitziet.

4. AI mist empathie en visie – twee immateriële zaken die producten revolutionair maken

Het punt is: innovatie is niet alleen een product van logica; het is een product van empathie, intuïtie, verlangen en visie. Mensen innoveren omdat ze niet alleen om logische efficiëntie of bedrijfsresultaten geven, maar ook om het reageren op genuanceerde menselijke behoeften en emoties. We dromen ervan dingen sneller, veiliger en leuker te maken, omdat we op een fundamenteel niveau de menselijke ervaring begrijpen.

Denk eens aan het genie achter de eerste iPod of het minimalistische interface-ontwerp van Google Zoeken. Het was niet louter technische verdienste die deze game-changers succesvol maakte; het was het inlevingsvermogen om de frustratie van gebruikers met complexe mp3-spelers of rommelige zoekmachines te begrijpen. Gen AI kan dit niet repliceren. Het weet niet hoe het voelt om te worstelen met een app met fouten, om je te verbazen over een strak ontwerp of om frustratie te ervaren door een onvervulde behoefte. Wanneer AI ‘innoveert’, doet het dat zonder emotionele context. Dit gebrek aan visie vermindert het vermogen om standpunten te formuleren die resoneren met echte mensen. Erger nog: zonder empathie kan AI producten genereren die technisch indrukwekkend zijn, maar zielloos, steriel en transactioneel aanvoelen – verstoken van menselijkheid. In R&D is dat een innovatiemoordenaar.

5. Een te grote afhankelijkheid van AI brengt het risico met zich mee dat menselijk talent wordt ondermijnd

Hier is een laatste, huiveringwekkende gedachte voor onze briljante AI-toekomstfanatici. Wat gebeurt er als je AI te veel laat doen? Op elk gebied waar automatisering de menselijke betrokkenheid uitholt, gaan de vaardigheden in de loop van de tijd achteruit. Kijk maar naar bedrijfstakken waar vroege automatisering werd geïntroduceerd: werknemers verliezen het contact met het ‘waarom’ van dingen omdat ze hun probleemoplossende spieren niet regelmatig aanspannen.

In een omgeving waarin veel onderzoek en ontwikkeling plaatsvindt, vormt dit een reële bedreiging voor het menselijk kapitaal dat de innovatiecultuur op de lange termijn vormgeeft. Als onderzoeksteams louter toezichthouders worden op het door AI gegenereerde werk, verliezen ze mogelijk het vermogen om de output van de AI uit te dagen, te overdenken of te overstijgen. Hoe minder u innovatie beoefent, hoe minder u op eigen kracht tot innovatie in staat wordt. Tegen de tijd dat je beseft dat je de balans hebt overschreden, kan het te laat zijn.

Deze erosie van menselijke vaardigheden is gevaarlijk wanneer markten dramatisch veranderen en geen enkele hoeveelheid AI je door de mist van onzekerheid kan leiden. Ontwrichtende tijden vereisen dat mensen buiten conventionele kaders breken – iets waar AI nooit goed in zal zijn.

De weg vooruit: AI als aanvulling, niet als vervanging

Voor alle duidelijkheid: ik zeg niet dat gen-AI geen plaats heeft in R&D – dat is absoluut zo. Als aanvullend hulpmiddel kan AI onderzoekers en ontwerpers in staat stellen hypothesen snel te testen, creatieve ideeën te herhalen en details sneller dan ooit tevoren te verfijnen. Als het op de juiste manier wordt gebruikt, kan het de productiviteit verhogen zonder de creativiteit te ondermijnen.

De truc is deze: we moeten ervoor zorgen dat AI fungeert als aanvulling op en niet als vervanging voor de menselijke creativiteit. Menselijke onderzoekers moeten centraal blijven staan ​​in het innovatieproces en AI-tools gebruiken om hun inspanningen te verrijken – maar nooit de controle over creativiteit, visie of strategische richting overlaten aan een algoritme.

Gen AI is gearriveerd, maar dat geldt ook voor de voortdurende behoefte aan die zeldzame, krachtige vonk van menselijke nieuwsgierigheid en durf – het soort dat nooit kan worden gereduceerd tot een machinaal leermodel. Laten we dat niet uit het oog verliezen.

Ashish Pawar is een software-ingenieur.