De toekomst van AI-geïntegreerde applicaties: Een revolutie in softwareontwikkeling

Vandaag spreken we met Koen Janssens (Global Technology Lead for Applications) en Kim Rymenants (Global Sales Director) over AI-geïntegreerde applicaties en de ingrijpende veranderingen, die de ontwikkeling van applicaties te wachten staan:

We bespreken:

• Waarom chatbots slechts het topje van de ijsberg zijn... 
• ... en AI-geïntegreerde applicaties de ijsberg vormen. 
• Hoe LLM's de manier waarop we software ontwerpen, kunnen veranderen... 
• ... wat niet-technische gebruikers in staat stelt om zware technische taken uit te voeren. 
• En wat dit allemaal betekent voor data-gedreven bedrijven! 

AI-geïntegreerde applicaties: Het topje van de ijsberg

Kim, Koen, welkom! We weten allemaal dat 2023 een belangrijk jaar was voor AI, vooral met de vooruitgang in Large Language Models (LLM's) en hun gebruik in chatbots.   

Kim: Het was een periode van snelle innovatie en verkenning. Je hebt gelijk, chatbots kwamen in de schijnwerpers te staan, wat de interactie met gebruikers boeiender en toegankelijker maakte. Bij Cegeka hebben we dit omarmd door ons eigen chatbotframework, Milo, te ontwikkelen om de creatie van op maat gemaakte chatbots te versnellen. Maar chatbots zijn eerlijk gezegd slechts het topje van de ijsberg. 

Wat Is dan die ijsberg? 

Koen: Het grotere plaatje noemen we 'AI-geïntegreerde applicaties'. Dit zijn in feite apps met ingebouwde AI-mogelijkheden. Volgens experts zoals Gartner zal tegen 2026 ongeveer een derde van de nieuwe toepassingen gebruikmaken van AI, vergeleken met minder dan 5% vandaag. Dit toont een verschuiving naar software die intelligenter, responsiever en gebruiksvriendelijker is. 

"Experts voorspellen dat tegen 2026 ongeveer 30% van de nieuwe toepassingen gebruik zal maken van AI."

Kim: Het gebeurt nu al. Al onze klanten vertrouwen sterk op data, en voor sommigen is data hun kernactiviteit. Ze ontdekken dat LLM's meer potentieel uit die data kunnen halen dan ooit tevoren. Zo kan LLM-technologie worden ingezet om complexe workflows volledig te automatiseren en te verbeteren met AI, wat aanzienlijke tijd en moeite bespaart.

Koen: Stel je een AI-gestuurde toepassing voor die niet-technische gebruikers door een ingewikkeld technisch proces begeleidt via een gemakkelijk te begrijpen interactieve wizard. Deze wizard analyseert data en automatiseert taken op de achtergrond. Resultaat: niet-technische gebruikers kunnen uitdagende technische taken uitvoeren zonder hulp van experts, waardoor weken werk worden teruggebracht tot enkele uren. 

Dat is een sterke belofte. Een concreet voorbeeld? 

Koen: Zeker! Hier één dat in elke sector van toepassing is: grote hoeveelheden ruwe data uploaden in een systeem en ervoor zorgen dat het correct wordt geconverteerd, zodat het systeem er meteen mee aan de slag kan. Dit kan HR zijn, die enorme datasets naar hun HR-portaal uploadt of marketeers die data uploaden naar CRM- of marketingtools of elk ander vergelijkbaar scenario. 

Met AI kan dit proces volledig worden geautomatiseerd. Voorheen was de handmatige inspanning van een data-engineer nodig om ervoor te zorgen dat de data correct werd geformatteerd. Bovendien waren gebruikers wekenlang bezig met het bewerken van data. Nu kunnen AI-geïntegreerde wizards niet-experts helpen om grote datasets in slechts enkele uren op te schonen, te converteren, in kaart te brengen en te uploaden, stap voor stap. Een bijkomend voordeel is de verbeterde datakwaliteit door het elimineren van menselijke fouten. 

Kim: En data-engineers kunnen zich bezighouden met spannender werk (lacht). Koen's voorbeeld lijkt misschien simpel of voor de hand liggend, maar het lost een reëel en terugkerend probleem op. 

"AI-geïntegreerde wizards kunnen niet-technische gebruikers helpen om grote datasets in slechts enkele uren op te schonen, te converteren, in kaart te brengen en te uploaden."

Hoe AI de softwareontwikkeling transformeert: Integratie en innovatie voor data-gedreven bedrijven 

Hoe zal AI de ontwikkeling van software beïnvloeden? 

Koen: Het groeiende aanbod aan AI-tools betekent dat we softwareontwikkeling anders moeten benaderen. We hebben nu een veel grotere gereedschapskist. Als designers en architecten moeten we verder denken dan traditionele methoden en deze nieuwe tools benutten. LLM-technologie is niet beperkt tot alleen chatbots; het kan op creatieve manieren worden toegepast in verschillende domeinen. 

Kim: Het is een geheel nieuwe wereld met talloze businesscases en eindeloze mogelijkheden, waarvan we er nu pas enkele beginnen te begrijpen. Als je een toepassing opsplitst in zijn bouwstenen, is er waarschijnlijk een kans om AI te gebruiken om taken binnen elk blok te versnellen, te vereenvoudigen of te automatiseren. Zo moeten we gaan denken. 

Dus, dit is vooral relevant voor data-gedreven bedrijven? 

Kim: Absoluut. Bedrijven waar informatie het kloppend hart van hun operaties is, zullen het meeste voordeel halen uit deze aanpak. Ze hebben behoefte aan hoogwaardige, gebruiksvriendelijke interfaces voor hun klanten. Hun echte concurrentievoordeel ligt in het versterken van hun diensten met AI. Dit kan van toepassing zijn op klantenportalen, kernbedrijfsapplicaties – eigenlijk het zenuwcentrum van hun operaties. 

"Als je een applicatie opdeelt in zijn bouwstenen, is er waarschijnlijk een mogelijkheid om AI te gebruiken om taken binnen elk blok te versnellen, te vereenvoudigen of te automatiseren."

Kunnen we AI-mogelijkheden toevoegen aan bestaande toepassingen of is een volledige heropbouw nodig? 

Koen: Ja, dat kan. We kunnen bestaande toepassingen zien als een verzameling bouwstenen. Deze blokken kunnen worden vervangen of verbeterd met AI-geïntegreerde modules. Het is niet altijd een eenvoudig proces, maar het is absoluut haalbaar. 

AI-verbeterde digitale meters: Oplossing voor connectiviteitsproblemen en real-time energie-inzichten 

Tot slot: je noemde chatbots en AI-wizards. Zijn er nog andere spannende AI-projecten die je onder de aandacht wil brengen? 

Kim: Bij Cegeka zijn we bijzonder enthousiast over projecten, die meetbare duurzaamheid opleveren. Een goed voorbeeld is ons werk met digitale meters. Deze apparaten sturen meestal elke 15 minuten data door, maar af en toe zorgen verbindingsproblemen voor datalekken. Door gebruik te maken van AI om factoren zoals temperatuur, feestdagen en historische gebruikspatronen te analyseren, kunnen we deze datalekken opvullen. Consumenten ontvangen nauwkeurige, real-time schattingen van hun energieverbruik, zelfs wanneer de meters geen data kunnen doorsturen. Dit stelt ons allemaal in staat om weloverwogen energiekeuzes te maken.