AI-ontwikkelingstools lijden onder het IKEA-effect

En wat heeft IKEA er in hemelsnaam mee te maken?

Wanneer een technologie volwassen wordt en een van de ontwerpen door genoeg gebruikers wordt gekozen, wordt het de standaard (‘dominant design’). Andere marktpartijen conformeren hier vervolgens aan. Met AI-ontwikkelingstools bedoelen we eigenlijk ‘ML platforms’ - technologie die de gehele lifecycle van ML-applicaties dekt. Er is alleen geen overeenstemming over hoe zo’n platform eruit moet zien, of wat het zou moeten kunnen.

Aangezien er geen dominant design is, ontbreken ook ‘form factors’. Vaak wordt met deze term verwezen naar elektronische componenten (bijvoorbeeld moederborden) of naar verschillende uitvoeringen van gebruiksklare technologieën. Ik gebruik de term voor alles dat te maken heeft met het ‘productoppervlak’, de ‘gebruikerservaring’ of de 'ontwikkelaarservaring'.

De ‘form factor’ van AI-tools is echter verre van een standaard; hij lijkt eerder op het Wilde Westen!

Een AI stack kiezen? Pas op voor het IKEA-effect!

Zonder een dominant design of geschikte form factor is het niet verrassend dat veel bedrijven moeite hebben ML-platforms te gebruiken, laat staan te veranderen in een ‘AI-first’-organisatie. En bedrijven die het proberen, lijden onder het IKEA-effect.

Engineers bouwen graag dingen èn ze leren graag nieuwe vaardigheden. Als gevolg daarvan volgen veel ingenieurs online ML-cursussen die vooral ingaan op de low-levelprincipes. Vol trots over hun nieuw verworven kennis over de diepgaande details van ML proberen ze deze vervolgens toe te passen op zakelijke vraagstukken binnen hun organisatie. Maar hier komt het IKEA-effect om de hoek kijken.

Het IKEA-effect houdt in dat mensen meer waarde toekennen aan producten die ze hebben helpen maken, of het nu gaat om meubels of software. Een team dat zijn eigen ML-platform van de grond af heeft opgebouwd, hoe gebrekkig het ook is, zal daar meer waarde aan hechten dan aan een product dat ze van een leverancier zouden kopen.

Da geldt voor elke vorm van nieuwe technologie, maar tegenwoordig zou bijvoorbeeld niemand meer voorstellen om een eigen database vanaf de grond op te bouwen. Vanwege de eerder genoemde uitdagingen hebben de ML-platformen hier echter wel last van.

In de komende jaren moet daarom een dominant design voor ML-platformen worden ontwikkeld. Dit maakt vervolgens de weg vrij voor het ontstaan van form factors. Maar om hier ruimte voor te creëren, moeten organisaties zich realiseren dat het bouwen van hun eigen ML-platformen geen concurrentievoordeel biedt. Ieder bedrijf kan een team inhuren en proberen een eigen ML-platform te bouwen. Maar voor de meeste bedrijven ligt de toegevoegde waarde van ML-platformen in de toepassing op hun zakelijke problemen en niet in het bouwen en onderhouden van hun eigen ML-platform.