AI-agents en AI-ready data zijn de twee snelst ontwikkelende technologieën in de Gartner Hype Cycle for Artificial Intelligence 2025, aldus Gartner, een bedrijf dat zich richt op zakelijke en technologische inzichten. Deze technologieën krijgen dit jaar veel aandacht, met ambitieuze verwachtingen en speculatieve beloftes, waardoor ze zich bevinden op de Peak of Inflated Expectations, de piek van opgeblazen verwachtingen.
De Gartner Hype Cycle biedt een visuele weergave van de volwassenheid en adoptie van technologieën en toepassingen, en laat zien hoe relevant ze kunnen zijn voor het oplossen van concrete bedrijfsproblemen en het benutten van nieuwe kansen. De methode geeft inzicht in hoe een technologie of toepassing zich in de loop van de tijd zal ontwikkelen, zodat organisaties deze gefundeerd kunnen inzetten binnen hun zakelijke doelstellingen.
Volgens Haritha Khandabattu, Senior Director Analyst bij Gartner, blijft de AI-investering dit jaar op peil en ligt de nadruk steeds meer op het inzetten van AI voor schaalbare bedrijfsvoering en real-time inzichten. Daarom verschuift de focus geleidelijk van generatieve AI (GenAI) naar de fundamentele bouwstenen voor duurzame AI-toepassing, zoals AI-ready data en AI-agents.
Van de AI-innovaties die volgens Gartner binnen vijf jaar breed zullen worden toegepast, domineren multimodale AI en AI trust, risk and security management (TRiSM) momenteel de Peak of Inflated Expectations. Deze ontwikkelingen moeten leiden tot robuustere, innovatievere en verantwoordere AI-toepassingen, die de manier waarop bedrijven en organisaties werken ingrijpend veranderen.
Khandabattu benadrukt dat de potentiële waarde van AI niet vanzelf wordt gerealiseerd. Succes vraagt om pilots die nauw aansluiten bij bedrijfsdoelen, proactief testen van infrastructuur en nauwe samenwerking tussen AI- en business-teams om tastbare waarde te creëren.
AI-agents
AI-agents zijn autonome of semi-autonome software-entiteiten die AI-technieken gebruiken om waar te nemen, beslissingen te nemen, acties uit te voeren en doelen te bereiken in digitale of fysieke omgevingen. Met technieken zoals large language models ontwikkelen organisaties AI-agents om complexe taken uit te voeren.
Om optimaal gebruik te maken van AI-agents moeten organisaties de meest relevante zakelijke contexten en toepassingen vaststellen, wat een uitdaging is omdat geen enkele AI-agent hetzelfde is en elke situatie uniek. Hoewel AI-agents steeds krachtiger worden, zijn ze niet overal inzetbaar; de toepassingsmogelijkheden hangen sterk af van de situatie.
AI-ready data
AI-ready data betekent dat datasets geoptimaliseerd zijn voor AI-toepassingen, wat de nauwkeurigheid en efficiëntie verhoogt. De gereedheid hangt af van de geschiktheid van de data voor een specifiek AI-doel en kan alleen worden vastgesteld in de context van die toepassing en techniek. Dit vraagt om nieuwe benaderingen van datamanagement.
Gartner adviseert organisaties die AI grootschalig willen inzetten om hun datamanagementpraktijken aan te passen en uit te breiden voor AI-doeleinden. Dit is nodig om te voldoen aan zakelijke eisen, vertrouwen te waarborgen, risico’s en complianceproblemen te voorkomen, intellectueel eigendom te beschermen en vooringenomenheid en hallucinaties te verminderen.
Multimodale AI
Multimodale AI-modellen worden getraind met meerdere soorten data tegelijk, zoals afbeeldingen, video, audio en tekst. Door deze te combineren en te analyseren, kunnen ze complexe situaties beter begrijpen dan modellen die slechts één datatype gebruiken. Dit maakt nieuwe AI-toepassingen mogelijk en helpt gebruikers hun omgeving beter te interpreteren.
Gartner verwacht dat multimodale AI in de komende vijf jaar steeds belangrijker wordt voor de functionaliteit van vrijwel alle toepassingen en softwareproducten, in alle sectoren.
AI TRiSM
AI TRiSM speelt een cruciale rol bij het ethisch en veilig inzetten van AI. Het bestaat uit vier lagen van technische mogelijkheden die ondernemingsbeleid ondersteunen voor alle AI-toepassingen en die AI-governance, betrouwbaarheid, eerlijkheid, veiligheid, beveiliging, privacy en gegevensbescherming waarborgen.
Volgens Khandabattu brengt AI nieuwe uitdagingen op het gebied van vertrouwen, risico en beveiliging met zich mee, die traditionele controles niet kunnen oplossen. Organisaties moeten daarom gelaagde AI TRiSM-technologie evalueren en implementeren om beleid continu te ondersteunen en af te dwingen voor alle gebruikte AI-systemen.
