Besturen moeten de regels van AI-werk bezitten, niet alleen betalen voor toegang

Nu AI-agenten beginnen werk uit te voeren in plaats van alleen antwoorden te genereren, zijn wij van mening dat besturen een duidelijk onderscheid moeten maken: het kopen van toegang tot intelligentie is niet hetzelfde als het bezitten van een AI-capaciteit. Voor een gevestigd bedrijf moet de strategische troef de manier zijn waarop intelligentie binnen het bedrijf werkt. Dat bedoelen wij met het bezitten van het harness.

Het harness is het kader dat agenten in staat stelt naast mensen te werken. Het definieert hun rollen, de regels die ze volgen, de informatie die ze kunnen zien, de acties die ze mogen ondernemen en de goedkeuringen die ze nodig hebben. Het omvat controles op hun werk en gedeelde kennis. Naar onze mening is het model het kleinste deel van de capaciteit die een bestuur moet begrijpen en controleren.

Wij verwachten dat twee bedrijven die hetzelfde model gebruiken, zeer verschillende resultaten zullen boeken als het ene bedrijf duidelijke verantwoordelijkheden, betrouwbare kennis en nuttige controles heeft, terwijl het andere bedrijf dat niet heeft. Een model kan niet beslissen wat een bedrijf moet toestaan of accepteren. Wij zijn van mening dat die beslissingen bij het bedrijf horen, uitgedrukt in een harness dat het begrijpt en controleert.

Daarom raden wij aan om te beginnen met het werk, niet met de technologie. Breng de processen in kaart. Identificeer waar agenten het meeste kunnen bijdragen, waar overdrachten belangrijk zijn en waar fouten kostbaar zouden zijn. Kom overeen wat verbetering betekent en stel een baseline vast voordat er iets verandert. Anders riskeren wij activiteit te vieren zonder te weten of het bedrijf er beter door bediend wordt.

Voor een bestuur moeten de maatstaven zakelijk zinvol zijn. Afhankelijk van het proces kunnen wij nauwkeurigheid, consistentie, doorlooptijd of de hoeveelheid vereiste correctie onderzoeken. Het belangrijke punt is om de test af te spreken voordat het resultaat wordt gezien. Wij zijn van mening dat een aantrekkelijke demonstratie een uitnodiging moet zijn om te onderzoeken, geen vervanging voor bewijs uit het eigen werk van het bedrijf.

Datagrenzen moeten vóór prijsvergelijkingen komen. Sommige gegevens moeten intern blijven waar de verplichtingen en het beleid van het bedrijf dat vereisen. Het eigen beleid en de juristen van het bedrijf moeten die regels vaststellen, niet de voorkeursarchitectuur van een leverancier. Wij raden aan die grenzen expliciet te maken, zodat modelkeuzes eraan voldoen, in plaats van achteraf onhandige uitzonderingen te forceren.

Binnen die grenzen is ons principe eenvoudig: routeer elke taak naar het goedkoopste model dat het goed genoeg uitvoert volgens de afgesproken tests. Het uitvoeren van routinematig, vertrouwelijk werk op de eigen machines van het bedrijf verdient evaluatie, niet automatische goedkeuring of afwijzing. Test die optie op de eigen voorbeelden van het bedrijf, inclusief de operationele eisen. Een benchmark alleen is geen reden om hardware te kopen.

Het bezitten van de capaciteit betekent niet dat elk component wordt gebouwd of dat externe diensten worden geweigerd. Wij bedoelen het behouden van de accounts, regels, agenten en kennis in handen van het bedrijf, met de vrijheid om meerdere modelleveranciers te gebruiken. Wij zouden de mogelijkheid om van leverancier te wisselen een ontwerpeis maken, in plaats van iets dat onderhandeld moet worden nadat afhankelijkheid is ontstaan.

Omdat AI zo vaak verandert, zijn wij van mening dat het harness ook een routine nodig heeft voor het evalueren van nieuwe modellen en tools. Kandidaten moeten de eigen tests van het bedrijf doorlopen voor kwaliteit, rechten, gegevensverwerking en kosten. Het bedrijf moet beslissen wat het aanneemt en wat het laat liggen. Nieuwigheid is naar onze mening geen voldoende reden om een werkend proces te veranderen.

Die controle vereist een intern team dat in staat is het harness te beheren, in twijfel te trekken en te verbeteren zonder afhankelijk te zijn van externe hulp. Bij DevMojos bouwen wij agentische harnesses samen met bedrijven, werkend met hun eigen mensen. Wij verkopen expertise en begeleiding, geen software, hardware of licenties. Ons doel is om het bedrijf te helpen een capaciteit te ontwikkelen die het zelf kan begrijpen, besturen en blijven verbeteren.

Voor directeuren en managementteams is dit naar onze mening een eigendomsbeslissing voordat het een aankoopbeslissing is. De ambitie moet praktisch zijn: nuttig werk, duidelijke verantwoordelijkheid en vrijheid van keuze naarmate de technologie zich ontwikkelt. Wij zijn van mening dat de bedrijven die het meeste uit AI halen, degenen zijn die bezitten hoe het werkt, niet alleen wat het kost.