Wat als de grootste kunstmatige intelligentie-kans van een onderneming niet schuilt in een flitsende nieuwe tool, maar in alles wat de organisatie al weet maar simpelweg niet meer kan terugvinden? Het is een vraag die centraal staat in het denken van Arvind Jain, oprichter en topman van AI-zoekgigant Glean.
Tijdens een recent optreden in de podcast van Cameron Adams deelde de voormalige topingenieur van Google — die meer dan tien jaar meebouwde aan Search, Maps en YouTube — zijn visie op hoe bedrijfskennis decennialang verwaarloosd is en hoe moderne kunstmatige intelligentie dit probleem eindelijk kan oplossen. Nadat hij eerder mede-oprichter was van Rubrik, startte Jain het bedrijf Glean. De directe aanleiding? Hij zag een razendsnel groeiend bedrijf bijna ten onder gaan omdat niemand essentiële informatie of documenten kon terugvinden.
Het zwarte gat van bedrijfskennis
Volgens Jain kampt de moderne bedrijfswereld met een stil maar uiterst kostbaar probleem: één derde van alle werktijd van werknemers gaat verloren aan het zoeken naar informatie die nodig is om hun werk überhaupt te kunnen doen. Mails, Slack-kanalen, Google Drive, Notion en verouderde intranetten vormen samen een ondoordringbaar moeras.
"Niets aan de huidige omgeving voelt normaal. De honger naar AI is ongeëvareerd. Er is nog nooit een technologie geweest waarbij bedrijven zo sterk het gevoel hebben dat ze deze absoluut moeten omarmen."
— Arvind Jain, CEO van Glean
Hoewel de adoptie van generatieve AI ongekend hoog is, waarschuwt Jain dat de huidige generatie AI-tools vaak nog te veel werkt op basis van 'brute kracht' — wat resulteert in een extreem hoog tokenverbruik en trage reactietijden. Bedrijven die een doordachte knowledge graph (kennisgrafiek) bouwen, kunnen hun AI-kosten echter halveren. Hierdoor verschuiven bedrijfsbudgetten op de achtergrond gestaag van personeelskosten naar AI-tokenkosten.
Van passieve vragenstellers naar tientallen duizenden agenten
Een opvallende observatie uit de praktijk van Glean is de grote kloof in AI-gebruik op de werkvloer. Liefst 90% van de zakelijke AI-gebruikers stelt slechts af en toe een losse vraag. Slechts 10% behoort tot de 'power users' die AI structureel integreren in hun dagelijkse workflows.
Maar waar het écht interessant wordt, is wanneer organisaties zelf aan de slag gaan: bij sommige grote klanten van Glean zijn inmiddels al 30.000 tot 40.000 interne AI-agenten gebouwd om specifieke taken over te nemen.
Het bouwen van die vaardigheden hoeft niet complex te zijn. Volgens Jain kun je AI de eerste versie van deze vaardigheden laten maken door te leren van de beste mensen binnen je bedrijf. Vervolgens kun je diezelfde expert eigenaar maken van die vaardigheid en deze binnen de hele organisatie publiceren.
De 'digitale kloon' ter bescherming van expertise
Een van de meest opmerkelijke trends die Jain signaleert bij grote ondernemingen, is het creëren van 'digitale klonen' van medewerkers die de pensioengerechtigde leeftijd naderen. Wanneer ervaren krachten na tientallen jaren het bedrijf verlaten, verdwijnt er vaak een onschatbare hoeveelheid institutionele kennis. Door hun kennis, besluitvormingspatronen en documentatie vast te leggen in een AI-model, blijft hun expertise behouden voor de volgende generatie.
Dit concept van verregaande automatisering past Jain overigens ook op zichzelf toe: samen met zijn chief of staff is hij actief bezig om zijn eigen rol als CEO stapsgewijs te automatiseren.
"Hoe meer je weet, hoe beter je je teamleden kunt aansturen. Het hoeft niet te worden gezien als surveillance; managers kunnen je juist beter helpen dankzij alle inzichten die ze over je werk hebben."
— Arvind Jain
Het dunne snijvlak tussen waardevol inzicht en digitale surveillance is hierbij een belangrijk aandachtspunt. Jain benadrukt dat transparantie en ondersteuning centraal moeten staan, zodat medewerkers de technologie ervaren als een hulpmiddel dat hen versterkt, eerder dan als een controlestroom van bovenaf.
