Een technicus installeert een temperatuursensor op een industriële tank. De behuizing communiceert in real-time met een dashboard dat in de cloud is gehost. Drie jaar geleden vereiste dezelfde operatie een dagelijkse handmatige meting en een Excel-blad.
Deze verschuiving zien we in tientallen beroepen. Het versnelt sinds het begin van 2024 met de opkomst van generatieve kunstmatige intelligentie, verbonden objecten en nieuwe regelgeving die de spelregels verandert voor bedrijven en particulieren.
Energiem kosten van datacenters: de verborgen rekening van AI
Wanneer men een generatief AI-model uitrolt, is de eerste beperking geen software. Het is de elektriciteitsrekening. Volgens de Internationale Energieagentschap (IEA), hebben datacenters in 2024 ongeveer 415 TWh elektriciteit verbruikt, wat bijna 1,5% van het wereldwijde verbruik is. De IEA verwacht een aanzienlijke toename van deze vraag tegen 2030, aangedreven door het trainen en gebruiken van AI-modellen.
In de praktijk leidt dit tot lokale spanningen. Een groot datacenter kan dagelijks meerdere miljoenen gallons water verbruiken voor zijn koeling, met geconcentreerde effecten op het gebied dat het herbergt. Men spreekt zelden over deze watervoetafdruk wanneer men de voordelen van een chatbot of een afbeeldingsgenerator prijst.
Om de technologische innovaties op C Nouveau te volgen, moet men ook kijken naar wat ze verbruiken. Innovatie wordt niet alleen gemeten aan de hand van de prestaties van het model, maar ook aan de duurzaamheid op lange termijn.
Europese AI Act: wat de regelgeving concreet verandert
De Europese Unie heeft in 2024 de AI Act aangenomen, en de effecten zijn al merkbaar in de technische keuzes van bedrijven. De tekst classificeert AI-systemen op basis van hun risiconiveau en legt geleidelijke verplichtingen op aan zowel leveranciers als gebruikers.
In de praktijk moet een bedrijf dat een automatisch CV-sorteersysteem gebruikt (geclassificeerd als “hoog risico”) nu de werking van het model documenteren, de traceerbaarheid van beslissingen waarborgen en menselijke controle mogelijk maken. Voor een wervingsbedrijf betekent dit het herzien van leverancierscontracten, het trainen van teams en soms het veranderen van tools.
De meningen hierover verschillen: sommige organisaties beschouwen de AI Act als een belemmering voor adoptie, anderen zien het als een welkome verduidelijking die het juridische risico vermindert. Wat zeker is, is dat het tijdperk van de uitrol van AI zonder wettelijke kaders in Europa voorbij is.
Concreet verplichtingen voor bedrijven
- Documenteer de datasets die worden gebruikt om een AI-model te trainen of te verfijnen, met traceerbaarheid van de bronnen
- Stel een mechanisme voor menselijke supervisie in voor elk systeem dat als hoog risico is geclassificeerd (werving, krediet, gezondheid)
- Informeer eindgebruikers wanneer zij interactie hebben met een AI-systeem, inclusief voor chatbots en gegenereerde inhoud
- Voer een conformiteitsbeoordeling uit voordat de meest gevoelige systemen op de markt komen
Verbonden robots en sensoren: automatisering buiten de fabriek
Men associeert robotica vaak met autoconstructielijnen. In 2024 verlaten robots de fabriek. In de logistiek sorteren autonome mobiele robotvloten pakketten in magazijnen waar temperatuur, vochtigheid en stromen worden beheerd door IoT-sensoren die zijn verbonden met cloudoplossingen.
De intelligentie die in de sensoren is ingebouwd, vermindert de behoefte aan bandbreedte. In plaats van alle ruwe gegevens naar een externe server te sturen, filtert de sensor, analyseert en verzendt alleen waarschuwingen of samenvattingen. Dit wordt edge computing genoemd, en het verandert de manier waarop we een digitale infrastructuur dimensioneren.
In de gezondheidszorg meten draagbare apparaten continu fysiologische parameters en sturen ze de gegevens naar de behandelende arts. De winst is niet alleen in comfort voor de patiënt: het is de vroege detectie van afwijkingen die de investering rechtvaardigt.
Drie sectoren waar IoT de operaties transformeert
Precisielandbouw maakt gebruik van grond- en dronesensoren om de irrigatie per perceel aan te passen. Predictief onderhoud in de industrie is gebaseerd op trillingen en temperaturen die in real-time worden geanalyseerd om een storing te anticiperen. En in de bouw stellen slimme meters en verbonden thermostaten in staat om het energieverbruik te verminderen zonder dagelijkse handmatige interventie.
Generatieve AI in bedrijven: wat werkt en wat hapert
Er is veel gesproken over ChatGPT, Midjourney en codegeneratietools. In de praktijk volgt de adoptie van generatieve AI in bedrijven een terugkerend patroon: aanvankelijke enthousiasme, testfase, en vervolgens confrontatie met de grenzen.
De meest volwassen gebruikscases hebben betrekking op het opstellen van standaard e-mails, het samenvatten van lange documenten en de ondersteuning bij softwareontwikkeling. Voor deze taken is de tijdwinst meetbaar en blijven de risico’s op fouten beheersbaar met een menselijke controle.
Waar het hapert, is bij gevoelige gegevens. Het voeden van een AI-model met interne gegevens vormt een privacyprobleem dat veel bedrijven niet hadden voorzien. On-premise oplossingen (lokaal gehost) bestaan, maar hun kosten en complexiteit remmen middelgrote organisaties.
- Geassisteerd schrijven en documentensynthese: snelle adoptie, zichtbare return on investment binnen enkele weken
- Codegeneratie: nuttig om het prototyping te versnellen, maar menselijke beoordeling blijft noodzakelijk voor de kwaliteit van het eindproduct
- Klantdata-analyse: veelbelovend, maar beperkt door de AVG en de kwaliteit van de beschikbare datasets
Technologische innovatie in 2024 is niet alleen een race naar functionaliteiten. Tussen de energiedruk van datacenters, het regelgevingskader van de AI Act en de operationele realiteiten van automatisering, gaat elke technische vooruitgang gepaard met beperkingen die men niet kan negeren. De bedrijven die hun voordeel doen, zijn degenen die deze parameters al in de keuze fase integreren, niet pas na de uitrol.
