Gartner: Kijk verder dan productiviteit voor AI-succes
Ondanks de ongekende rekenkracht en de vroege beloften van kunstmatige intelligentie, wordt het volledige potentieel van de technologie op dit moment nog niet benut. Tijdens de Gartner Data & Analytics Summit 2026 in Londen hield Leinar Ramos, VP Analyst bij Gartner, een vurig pleidooi om AI niet langer alleen als een 'efficiëntietool' te zien, maar als een fundament voor complexe bedrijfsoplossingen.
De wereld van AI beweegt sneller dan ooit, maar volgens Ramos vertraagt onze beperkte kennis over wat 'intelligentie' nu eigenlijk is, de werkelijke vooruitgang. "Het feit dat we slechts een beperkt begrip hebben van intelligentie, wordt geïllustreerd door het feit dat zelfs gerenommeerde wetenschappers en experts totaal verschillende meningen hebben over de realiteit van echte kunstmatige intelligentie," aldus Ramos.
Twee bepalende trends
Ramos schetste twee grote trends die de toekomst van het vakgebied zullen domineren:
- AI op steroïden: De voortdurende opmars van schaalbare AI die profiteert van massale rekenkracht (compute power).
- Composite & Neurosymbolic AI: Een verschuiving naar AI-vormen die zijn samengesteld uit meerdere technieken. Hierbij worden datagedreven methoden (zoals deep learning) gecombineerd met kennisgedreven technieken (zoals logica en symboliek).
Verder dan de productiviteitsval
Een centrale waarschuwing in de presentatie was de focus op korte termijn winst. Veel organisaties gebruiken AI momenteel vooral om bestaande taken sneller uit te voeren (productivity improvement). Ramos daarentegen moedigt leiders aan om AI in te zetten voor het creëren van geavanceerde bedrijfsoplossingen die voorheen onmogelijk waren.
Om dit te bereiken, is een brede blik noodzakelijk. "Vertrouw niet op één enkele AI-aanpak," adviseerde Ramos de aanwezige data-experts. Hoewel predictive, generative en agentic AI momenteel de krantenkoppen domineren, moeten organisaties een open geest houden voor alternatieve en opkomende benaderingen.
Strategisch advies
Ramos concludeerde dat AI in een onzekere wereld vooral 'aanpasbaarheid' (adaptability) moet brengen. Voor bedrijven betekent dit dat ze hun AI-architectuur modulair en flexibel moeten inrichten, zodat ze niet vastlopen in één specifieke technologie, maar kunnen meebewegen met de razendsnelle evolutie van de wetenschap.