BLOG – Generatieve ai (gen-ai) trekt de aandacht van bedrijfsleiders in heel EMEA, ook in Nederland. Volgens BDO groeit de Nederlandse data- en ai-markt snel en bereikt deze binnen drie jaar naar verwachting de tien miljard. Wat begon als pilots, is nu een kernonderdeel van bedrijfsvoering, klantbediening en besluitvorming. De echte waarde ligt niet in het simpelweg toevoegen van een large language model (llm), maar in het behalen van concrete return of investment.
Voor dit alles is een andere aanpak nodig, namelijk retrieval-augmented generation (rag). Deze techniek koppelt ai aan de unieke data van een organisatie, waardoor output intelligenter, relevanter en beter onderbouwd is. Llm’s zijn krachtig in tekstgeneratie, maar beperkt door statische trainingsdata, wat kan leiden tot verouderde of onnauwkeurige informatie. Dit is met name een risico in sterk gereguleerde sectoren. Rag daarentegen vergroot de efficiëntie en schaalbaarheid zonder hertraining en maakt gebruik van externe databronnen voor nieuwe toepassingen. Het resultaat zijn slimme, actuele en verifieerbare antwoorden. Niet voor niet wordt verwacht dat de rag-markt groeit van iets meer dan een miljard euro in 2024 naar meer dan 57 miljard in 2034, met een jaarlijkse groei van bijna vijftig procent, aldus Precedence Research.
De evolutie gaat verder. Dankzij agentic-rag kunnen systemen niet alleen antwoorden genereren, maar ook taken plannen, beslissingen nemen en acties uitvoeren om doelen te bereiken. Van agenda’s en supply chains tot klantenservice en operationele processen zijn deze systemen proactief, collaboratief en steeds menselijker. Ze bieden meer wendbaarheid, realtime-besluitvorming en efficiency, maar roepen ook ethische en culturele vragen op.
Solide
Om rag en agentic-rag optimaal te benutten, is het essentieel dat chief experience officers een aantal strategische stappen doorlopen. Allereerst begint het met het bouwen van een solide data- en infrastructuurbasis. Rag-systemen zijn immers slechts zo krachtig als de data die ze voeden. Organisaties doen er goed aan te investeren in cloud-native data-architecturen, realtime-datastromen en gestandaardiseerde governance-protocollen. Door privacybewuste ai-training en synthetische data toe te passen, kunnen bedrijven schaal vergroten en tegelijkertijd voldoen aan wet- en regelgeving zoals de GDPR.
De toekomst van werk is niet alleen mens of machine, maar samenwerking tussen beide
Daarnaast is het cruciaal om vroeg te beginnen met ai-governance. Agentic-rag-systemen opereren met een hoger niveau van autonomie, wat vragen oproept over verantwoordelijkheid en controle. Een robuust governance-kader, inclusief ethische richtlijnen, menselijke toezichtmechanismen, audit-trails en scenario-gebaseerde tests, leidt tot transparantie en compliance, en helpt bedrijven veilig te opereren binnen de kaders van de EU AI Act.
Een derde aandachtspunt is de voorbereiding van de workforce. De toekomst van werk is niet alleen mens of machine, maar samenwerking tussen beide. Teams moeten worden toegerust met de juiste training, tools en vertrouwen om effectief samen te werken met ai. Rolpatronen zoals ai-translators en prompt engineers nemen in belang toe. Maar bovenal gaat het om mensen die kansen zien en hier actief op inspelen.
Pilots
Het is ook belangrijk om met gerichte pilots te beginnen. Niet elke toepassing van agentic-rag hoeft meteen grootschalig te worden uitgerold. Met een ‘test-en-leer-aanpak’ en duidelijke kpi’s kunnen organisaties snel leren en succesvolle toepassingen opschalen, bijvoorbeeld bij klantenvragen, onboarding of interne beleidsdocumenten.
Tot slot moet ai gekoppeld zijn aan concrete businesswaarde. Technologie is effectief wanneer het echte bedrijfsproblemen oplost, zoals snellere besluitvorming, betere klantbeleving of efficiëntere teams. Praktijkvoorbeelden, zoals een Duitse retailer die rag gebruikt voor realtime-voorraadchecks en gepersonaliseerde adviezen, laten zien dat echte waarde het verschil maakt.
Volgende fase
Kortom, stop niet bij llm’s. Leid je organisatie naar de volgende fase van enterprise-ai, een fase waarin intelligentie niet alleen wordt gegenereerd, maar ook doelgericht, betrouwbaar en afgestemd op de bedrijfsstrategie. Het gaat niet alleen om betere modellen, maar om betere resultaten: slimmere automatisering, snellere besluitvorming en diepere inzichten. Bouw een organisatie die niet alleen efficiënter is, maar ook slimmer, wendbaarder en klaar voor de toekomst.
Jean Jacques Kroesbergen, regional business lead, Dell Technologies Netherlands
