Vijf AI-trends voor 2025: AI steeds specialistischer en duurzamer

SAS, marktleider in data en AI, richt zijn blik op de toekomst en voorspelt belangrijke zakelijke en technologische trends en ontwikkelingen voor 2025. De verwachting is dat AI net zo veelbesproken blijft als dit jaar, maar er zullen nieuwe thema’s opduiken. Denk aan duurzaamheid en efficiëntere GenAI-modellen, modelspecialisatie, uitdagingen op het gebied van wet- en regelgeving en een veranderd AI-landschap.

Efficiëntere GenAI-modellen om CO2-voetafdruk te verminderen

De snelle opkomst van generatieve AI heeft geleid tot modellen die een aanzienlijke hoeveelheid cloudresources verbruiken, wat bijdraagt aan een grotere ecologische voetafdruk. Om dit verbruik te beperken, moeten we inzetten op efficiëntie in zowel de training als de consumptie van GenAI-modellen. Dit kan de CO₂-voetafdruk aanzienlijk verlagen. Hoewel traditionele AI-toepassingen minder cloudcapaciteit vergen en een kleinere impact op het milieu hebben, kan ook daar efficiënter gewerkt worden.  

De verantwoordelijkheid voor het terugdringen van de milieu-impact ligt niet alleen bij hardware leveranciers en hyperscalers, maar ook bij de gebruikers die data en AI-workloads beheren. Door efficiëntere AI-modellen te ontwikkelen en data- en AI-platforms in de cloud te optimaliseren, kan onnodige duplicatie en verspilling worden voorkomen.  Dit leid tot een lager energieverbruik en een duurzamere inzet van AI, zowel bij GenAI als traditionele AI. 

“De toekomst van (generatieve) AI ligt niet alleen in meer geavanceerde modellen, maar vooral in efficiëntere, duurzame oplossingen die minder energie verbruiken en meer waarde creëren,” zegt Bryan Harris, Executive Vice President and Chief Technology Officer bij SAS. “Organisaties moeten verantwoordelijkheid nemen voor de milieu-impact van hun AI-modellen en investeren in optimalisatie. Door te kiezen voor gespecialiseerde kleine taalmodellen kunnen bedrijven niet alleen hun kosten verlagen, maar ook hun CO2-footprint aanzienlijk verkleinen. Dit is niet langer een keuze, maar een noodzaak om zowel concurrentievoordeel als maatschappelijke verantwoordelijkheid te realiseren.” 

Organisaties moeten verantwoordelijkheid nemen voor de milieu-impact van hun AI-modellen.

LLM’s versus SLM’s

In de nabije toekomst zullen grote taalmodellen (LLM’s) steeds meer worden gezien als algemene technologie, terwijl de echte waarde verschuift naar gespecialiseerde toepassingen. Dit bevordert de opkomst van kleinere, gespecialiseerde taalmodellen (SLM’s), die bedrijven helpen bij het ontwikkelen van efficiënte AI-oplossingen. Hoewel LLM’s brede functionaliteiten bieden, zijn ze vaak energie-intensief en minder efficiënt voor nichetoepassingen. SLM’s daarentegen kunnen worden getraind op specifieke domeinen, wat resulteert in minder cloudverbruik, een lagere CO2-footprint, en aanzienlijke voordelen op het gebied van kostenbesparing en energie-efficiëntie. 

IT-roadmap aanscherpen

We zijn op een punt aangekomen in de AI hypecyclus waarbij we ons meer richten op het creëren van daadwerkelijke zakelijke waarde. Dit betekent dat de rol van de CIO in 2025 zal veranderen. Zij zullen een geïntegreerde AI-strategie moeten ontwikkelen, waarbij ze verder kijken dan de hype rond generatieve AI. Dit vraagt om een strategische benadering waarbij generatieve AI wordt gecombineerd met meer bewezen AI-oplossingen, passend bij de commerciële ambities van de organisatie. CIO’s die de kracht van AI weten te benutten binnen een slankere, efficiëntere IT-infrastructuur, zullen niet alleen kosten besparen, maar ook innovatie en zakelijke groei stimuleren.

De focus zal daarbij steeds meer verschuiven naar geïntegreerde, cloud-native platforms. Bedrijven hebben lange tijd gewerkt met silo-systemen die elk een andere functie of klantsegment dienden. IT-teams bezwijken onder het gewicht van omslachtige integraties en zijn niet in staat om de flexibiliteit te bieden die hun bedrijven nodig hebben. Een grote IT-rationalisatie ligt in het verschiet, waarbij bedrijfsleiders de cloud zullen gebruiken om hun IT-infrastructuren en leveranciersrelaties te vereenvoudigen, snelheid te vergroten en kosten te besparen. Degenen die moderniseren op een cloud-native, AI-gebaseerd platform dat meerdere functies aanstuurt, zullen de meeste waarde creëren. Dit stelt hen in staat om geïntegreerde, gedemocratiseerde data en beslissingsmogelijkheden te realiseren die de volledige levenscyclus van de klant en de onderneming beslaan.

Het AI-landschap verandert en ontwikkelt

Het verschil in AI-koplopers en achterblijvers zal het komende jaar steeds duidelijker worden. Organisaties die volop inzetten op AI en hier volledig op zijn ingericht, zullen floreren en hun concurrenten overtreffen. Zij zullen AI effectief inzetten om routinetaken te automatiseren, zodat werknemers zich kunnen richten op taken van grotere toegevoegde waarde. Anderzijds zullen sommige organisaties achterop raken in de generatieve AI-race omdat ze een cruciale factor over het hoofd zien: AI heeft goede data nodig. Slechte data belemmeren de prestaties van AI. Organisaties moeten bereid zijn om een stap terug te doen en eerst hun dataproblemen oplossen.

“Data is de basis van AI; als de data niet deugt, zal ook de AI niet goed functioneren. “Garbage in, garbage out” geldt hier meer dan ooit: alleen hoogwaardige data kan zorgen voor nauwkeurige, relevante en betrouwbare resultaten. Dit leidt tot beter geïnformeerde beslissingen en waardevolle inzichten voor een duurzame en succesvolle bedrijfsvoering”, vertelt Véronique Van Vlasselaer, Analytics en AI lead voor Zuid-, West- en Oost-Europa bij SAS.

Data is de basis van AI.

Tegelijkertijd evolueert de wet- en regelgeving rondom AI voortdurend, wat voor veel organisaties een uitdaging kan zijn om aan te voldoen. Ook moeten bedrijfsleiders het gesprek over het verantwoord gebruik van AI binnen de organisatie aangaan. Dit houdt in dat zij transparant zijn over de AI-principes, -beleid, -normen en de controles die zij hanteren.

In 2025 zal de sector worden gekenmerkt door een golf van fusies en overnames, wat leidt tot toenemende consolidatie in de data- en AI-markt. Daarnaast inspireren opkomende technologieën tot interessante nieuwe samenwerkingsverbanden.

Dit artikel is geschreven door Bryan Harris & Véronique Van Vlasselaer (SAS) en valt buiten de verantwoordelijkheid van de redactie.