Het verhaal is altijd hetzelfde: er komt een nieuwe technologie en iedereen begint te praten over hoe deze alles zal veranderen. Dan stroomt het kapitaal binnen, worden bedrijven van de ene op de andere dag opgericht en stijgen de waarderingen sneller dan iemand kan rechtvaardigen. Dan, een paar maanden later, breekt het jubileum aan en worden mensen plotseling herinnerd aan de dotcom- of crypto-crash.
Je hebt het waarschijnlijk al eerder gezien. En als dat zo is, zou je kunnen denken dat AI de volgende zeepbel is. Mensen zijn goed in het matchen van patronen. We zijn geëvolueerd om patronen te zien, dus als er iets bekends verschijnt, brengen we het instinctief in kaart in nabijgelegen verhalen die we al kennen. We denken dat we het al eerder hebben gezien en we denken dat we weten hoe het afloopt.
Maar dat instinct kan ons op een dwaalspoor brengen. AI gevoeld als een bubbel omdat we iets volkomen onsamenhangends in een bekend verhaal dwingen. Het idee dat alles wat snel stijgt uiteindelijk zal instorten, klinkt redelijk. Maar dat betekent niet dat het altijd waar zal zijn.
Waarom de markt steeds verder doorschiet
Elk grote technologische verschuiving Produceert dezelfde uiterlijke symptomen: buitensporige verwachtingen, gevolgd door duidelijk falen. Dotcoms, mobiel en crypto gingen allemaal door fases waarin de wereld zijn proporties verloor.
Waarom blijft dit gebeuren? Omdat de markt geen raamwerk heeft voor discontinue verandering. Het discounted cashflow-model gaat uit van een gestage, gestage groei, en zijn collega’s gaan ervan uit dat deze categorie al bestaat. Mensen gaan er dus van uit dat de nabije toekomst op het verleden lijkt, maar dit is niet waar als de onderliggende categorieën veranderen.
De meeste beoordelingsinstrumenten zijn ontworpen voor stapsgewijze vooruitgang, dus analisten kijken naar kwartaalschattingen en stapsgewijze verbeteringen. Ze weten niet wat ze met stapsgewijze veranderingen moeten doen, en ze kunnen niet-lineaire adoptie niet modelleren.
Dus als je kapitaaloverschrijdingen of extreme spreiding in de uitkomsten ziet, is dat de markt die weddenschappen over een periode van tien jaar probeert te prijzen met behulp van kwartaallogica. (Wat niet werkte.) En dat is waar het bij een zeepbel eigenlijk om gaat: een indicatie dat niemand nog weet hoe de prijs moet worden bepaald van wat gaat komen. Dergelijke onzekerheid lijkt een opheffing te zijn, maar dit toont alleen maar de beperkingen van het bestaande raamwerk aan.
Een categoriefout die we steeds maken
Als er iets nieuws binnenkomt, maken we een vergelijking.
AI is als elektriciteit.
AI is als een computer.
AI is als internet.
AI is als mobiel.
Deze vergelijkingen zijn geruststellend omdat ze allemaal resulteerden in enorme veranderingen op de economische schaal en grote hoeveelheden kapitaal aantrokken. Ze veranderen de manier waarop het werk wordt gedaan.
Ze delen ook iets diepers. Elk van deze technologieën breidt de menselijke capaciteiten uit zonder de menselijke cognitie te vervangen. Machines worden aangedreven door elektriciteit, maar mensen beslissen nog steeds wat ze maken. Computers verwerken gegevens, maar mensen interpreteren deze. Het internet verplaatst informatie, maar mensen beslissen wat belangrijk is. Mobiele apparaten maken computergebruik eenvoudiger, maar menselijke aandacht blijft een schaars goed. In beide gevallen ligt de menselijke intelligentie ten grondslag aan alles. Dat is ook het obstakel.
AI is anders omdat het cognitief werk doet. En als je je er ongemakkelijk bij voelt, kun je het het beste doen. Want als AI echt kan denken, zijn veel van de dingen die we in onze carrière hebben opgebouwd, zoals onze zuurverdiende vaardigheden en expertise, misschien niet zo duurzaam als we denken. Junior-ingenieurs die jarenlang hun intuïtie hebben ontwikkeld, werken nu met tools die onmiddellijke intuïtie hebben. Op dezelfde manier staan financiële analisten bekend om hun variantieanalyse. Mensen weten niet meer helemaal zeker waar de echte waarde ligt, en dat is beangstigend.
Ik spreek wekelijks met de CFO. Zes maanden geleden stelden ze abstracte vragen als “wat is AI?” en “moeten we een AI-strategie hebben?” Nu wordt de vraag concreet: “Welke delen van het werk van mijn team hoeven niet langer op deze manier te worden gedaan?” Deze verschuiving heeft zo snel plaatsgevonden dat de manier waarop middelen worden toegewezen, is veranderd.
Een oprichter die ik ken, begon bijvoorbeeld Claude te gebruiken om SQL-query’s te schrijven die zijn analisten normaal gesproken enkele dagen zouden kosten. Heeft hij de analist vervangen? Natuurlijk niet. Maar hij nam dat obstakel weg en hoefde niet langer op haar te vertrouwen voor snelle antwoorden. Toen veranderde de rol van de analist compleet. Hij besteedde 60% van zijn tijd aan het schrijven van vragen, naar 10% aan het beoordelen ervan en 90% aan strategische aanbevelingen. Het bedrijf heeft het personeelsbestand of de kosten niet teruggebracht en de analisten zijn van ondersteuning van drie belanghebbenden overgegaan naar ondersteuning van vijftien.
Dit is waar historische vergelijkingen beginnen te mislukken. Tools zoals GitHub Copilot comprimeren expertise. Een junior engineer kan nu opereren op een niveau waar ooit jaren werkervaring voor nodig was. En elke keer dat de tool wordt gebruikt, leert hij bij. Hamers worden niet beter alleen omdat je er een huis mee bouwt, maar AI-tools kunnen dat wel. En naarmate tools beter worden door gebruik, neemt het tempo van verbetering toe. Die dynamiek past niet bij eerdere tech-analogieën, en daarom mist het instinct om dit een ‘bubbel’ te noemen het punt.
Eerdere technologieën gingen uit van vaste beperkingen van de menselijke cognitie. Ze maken ons sneller en sterker, maar de beperkende factor is altijd dezelfde: hoeveel slimme mensen kunnen we bij een probleem inzetten? AI verlegt die grenzen verder dan we gewend zijn. Voorheen betekende het beter begrijpen van uw bedrijf meestal een van de volgende drie dingen: meer data, meer analisten of meer ervaren leiders. Het obstakel is hoeveel menselijke aandacht en oordeel je kunt verdragen. Met AI veranderen deze beperkingen. Wanneer analyses die voorheen dagen in beslag namen, binnen enkele seconden verschijnen, is het nieuwe obstakel weten waar je op moet letten. Welke vragen zijn belangrijk? De beperkende factor is niet langer talent, maar oordeel.
Sceptici hebben gelijk over de hype, maar ongelijk over de betekenis ervan
Laten we de sterkste versie van het bubbelargument voor de gek houden. Misschien wordt AI wel overschat, en zullen de meeste van deze bedrijven failliet gaan. Misschien zijn we nog te vroeg en zal de echte impact nog vijf tot tien jaar op zich laten wachten. Dat zou allemaal volkomen waar kunnen zijn, en het zou nog steeds niets veranderen aan het kernpunt, namelijk dit:
Ook al mislukken de meeste AI-startups en ook al verloopt de adoptie veel trager dan verwacht, toch is AI nog steeds de eerste technologie die kenniswerk kan verrichten. Dit verdwijnt niet omdat de markt voorbijschiet of de verwachtingen worden gereset. Sceptici hebben gelijk als ze zeggen dat de hype overdreven is. Maar ze hebben ongelijk, want buitensporige hypes maken technologie irrelevant. We hebben dit al eerder gezien: de dotcom-zeepbel bestond echt huisdieren.com crashte en brandde, maar internet veranderde nog steeds alles. Beide dingen zijn tegelijkertijd waar.
De financiële leiders met wie ik werk debatteren niet langer over de vraag of AI belangrijk is. Nu proberen ze te begrijpen welke workflows het eerst veranderen en hoe snel ze zich moeten aanpassen. Het gesprek verliep rustig, achter al het lawaai.
En samengevouwen workflows delen eerst drie eigenschappen:
-
Ze vereisen vaardigheid, maar herhaling.
-
Deze dingen vormen obstakels voor strategisch werk.
-
Ze zijn gemakkelijk te verifiëren, maar moeilijk te genereren.
Deze workflows zijn belangrijk genoeg om voor te betalen, maar niet zo strategisch dat het automatiseren ervan het concurrentievoordeel in gevaar brengt. Dit vereist vaardigheid, maar die vaardigheid zal niet toenemen als het herhaaldelijk wordt gedaan, waardoor het economisch kwetsbaar wordt, en verklaart waarom het geautomatiseerd is geworden.
Waar mensen er nog steeds toe doen (voorlopig)
AI is geweldig in het spotten van trends, maar niet zo goed in het weten welke trends echt belangrijk zijn. Dit kan een variantieanalyse opleveren, maar het kan u niet vertellen of een verandering van 12% in de uitgaven duidt op een gezonde groei of op een ernstiger probleem. Hij kan strategieën bedenken, maar hij kan u op dit moment niet vertellen welke strategie bij deze markt en dit team past. Oordelen in omstandigheden van onzekerheid en grote offers waarvan de negatieve gevolgen enorm zijn, blijven de verantwoordelijkheid van mensen. Voor nu.
Wanneer de beperking niet langer is ‘hebben we genoeg slimme mensen’, wordt het probleem een van de prioriteiten. Wat verdient aandacht? Wat is de moeite waard om vervolgens te bouwen? Dat is waar ik zie dat veel oprichters vastlopen. Ze vragen of dit een zeepbel is en of ze te vroeg zijn, maar dat zijn niet de meest bruikbare vragen. De juiste vraag is: “Wat kan ik het komende jaar bouwen dat echte waarde zal creëren, ongeacht wat de waarderingen doen?”
De bedrijven die overleven zullen AI stilletjes herhalen en inbedden in daadwerkelijke workflows die daadwerkelijke problemen oplossen. Neem bijvoorbeeld de CFO. Ze kochten AI omdat het bestuur een snellere variantieanalyse wilde, en ze waren het beu om analisten in dienst te nemen die na zes maanden stopten. Dit is een reëel probleem dat bedrijven moeten oplossen.
En hetzelfde geldt voor beleggers. Degenen die op de lange termijn slagen, zijn degenen die de onzekerheid lang genoeg tolereren om te zien wat echt werkt.
Deze keer is het eigenlijk anders
Op de korte termijn zal AI teleurstellen. Veel gebruiksscenario’s leveren niet op wat er is beloofd, en veel bedrijven die in deze golf zijn ontstaan, zullen niet overleven. Maar de technologie zal het doen. En op de lange termijn zal AI elk vakgebied dat afhankelijk is van kenniswerk transformeren. Niet allemaal tegelijk, en niet gelijkmatig, maar over tien jaar zal het moeilijk zijn om een op kennis gebaseerde industrie te vinden die er hetzelfde uitziet als nu.
AI is anders omdat intelligentie zelf, die historisch gezien een groot obstakel is geweest voor menselijke innovatie, nu kan worden opgeschaald. Het zijn waarneembare feiten met meetbare gevolgen. Bubble talk zal vervagen, zoals altijd, en wat overblijft zal een systeem zijn dat zich stilletjes aanpast terwijl iedereen over zijn oordeel debatteert. De sceptici hebben misschien gelijk als het gaat om de overdrijvingen, en mis als het gaat om de dingen die er werkelijk toe doen, omdat we over vijf jaar waarschijnlijk op dezelfde manier zullen terugkijken op de huidige paniek als we terugkijken op mensen die het internet hebben verlaten omdat een of ander bedrijf failliet is gegaan. En de winnaars zijn degenen die bouwen, terwijl anderen discussiëren over de waardering.
Later was dat het enige verhaal dat mensen zich herinnerden.
Siqi Chen is de mede-oprichter en CEO van Runway.
Welkom bij de VentureBeat-community!
In ons gastenprogramma delen technische experts inzichten en geven ze onpartijdige, diepgaande uitleg over AI, data-infrastructuur, cyberbeveiliging en andere geavanceerde technologieën die de toekomst van ondernemingen vormgeven.
Lees meer uit ons gastenpostprogramma — en bekijk het eens richtlijnen als u geïnteresseerd bent om uw eigen artikel bij te dragen!
