AI op schaal dwingt tot nieuwe denkmodellen
Wanneer AI op wereldschaal wordt uitgerold, verandert niet alleen de technologie, maar ook de manier waarop onderzoekers denken over waar en hoe intelligentie wordt ingezet. Dat is de centrale boodschap van Shelby Heinecke, die bij Salesforce leiding geeft aan een AI-onderzoeksgroep gericht op enterprise-toepassingen.
In gesprek met Vincent Vanhoucke, distinguished engineer bij Waymo, legt Heinecke uit hoe de enorme diversiteit aan Salesforce-klanten AI naar verrassende domeinen duwt: van mobiele apparaten en kelders zonder cloudverbinding tot robots die in het veld opereren.
Productgericht onderzoek als uitgangspunt
In tegenstelling tot academisch onderzoek dat vaak draait om benchmarks en theoretische vooruitgang, vertrekt AI-onderzoek bij Salesforce vanuit concrete productvragen. Wat heeft een specifieke klant nodig? Welke beperkingen gelden er in de praktijk?
Dat leidt tot onderzoek dat nauw verweven is met productontwikkeling. AI-modellen moeten niet alleen slim zijn, maar ook robuust, efficiënt en veilig inzetbaar binnen bestaande bedrijfsprocessen. “Onderzoek zonder directe link naar gebruik is voor enterprise-AI simpelweg niet genoeg,” klinkt het.
Het ideale AI-team bestaat uit meer dan modelbouwers
Volgens Heinecke vereist AI op schaal multidisciplinaire teams. Naast machine-learningexperts zijn er mensen nodig die processen begrijpen, UX kunnen vertalen naar modellen en de operationele realiteit van klanten kennen.
Die combinatie maakt het mogelijk om AI niet als losstaande technologie te zien, maar als onderdeel van een groter systeem waarin data, workflows en mensen samenkomen.
On-device AI: Intelligentie zonder cloud
Een opvallend thema in het gesprek is on-device AI. Niet elke klantomgeving heeft een stabiele of toegestane cloudverbinding. In sommige gevallen draait AI lokaal, letterlijk in een kelder.
Dat dwingt onderzoekers om te werken met kleinere, efficiëntere modellen die snel reageren, weinig energie verbruiken en toch betrouwbaar blijven. Het resultaat: AI die dichter bij de gebruiker staat dan ooit.
Kleine modellen, grote impact
Waar veel aandacht uitgaat naar steeds grotere foundation models, ziet Salesforce juist kansen in small models. Deze compacte modellen zijn makkelijker te deployen, beter te controleren en vaak voldoende krachtig voor specifieke taken.
In combinatie met slimme orchestratie en agent-interacties kunnen meerdere kleine modellen samen complex gedrag vertonen—zonder de overhead van één gigantisch model.
AI en robotica in het veld
De enterprise-focus brengt AI ook naar robotica-toepassingen. Niet in futuristische labs, maar in echte werkomgevingen waar omstandigheden onvoorspelbaar zijn. AI moet daar omgaan met ruis, incomplete data en ambiguïteit.
Dat vraagt om modellen die niet alleen accuraat zijn, maar ook kunnen redeneren onder onzekerheid en zichzelf corrigeren wanneer context verandert.
Van losse prompts naar agentische systemen
Een ander belangrijk thema is de verschuiving van losse LLM-interacties naar agentische AI-systemen. In plaats van één prompt-antwoordrelatie werken meerdere agents samen, plannen taken en nemen beslissingen over langere tijd.
Op enterprise-schaal betekent dit dat AI-systemen moeten kunnen generaliseren, samenwerken en veilig opereren binnen complexe organisatiestructuren.
De volgende fase van enterprise-AI
Volgens Heinecke ligt de toekomst niet in één allesomvattend model, maar in schaalbare, gespecialiseerde AI-systemen die flexibel kunnen worden ingezet. AI wordt daarmee minder zichtbaar als technologie, maar des te meer voelbaar als infrastructuur.
Enterprise-AI verschuift van experiment naar ruggengraat—onzichtbaar aanwezig, maar cruciaal voor hoe organisaties functioneren.
