Een diepgravend onderzoek van topjournalist Ronan Farrow schetst een beeld van OpenAI-CEO Sam Altman als iemand die ’niet wordt beperkt door de waarheid’. Dit roept fundamentele vragen op voor ondernemers die afhankelijk worden van de technologie en beloften van één leverancier, vooral wanneer die leverancier wordt geleid door een controversieel figuur.

Wat er aan de hand is

Ronan Farrow, de Pulitzer Prize-winnende onderzoeksjournalist bekend van de Harvey Weinstein-onthullingen, publiceerde samen met Andrew Marantz een uitgebreid artikel in The New Yorker over OpenAI-CEO Sam Altman. Het stuk, gebaseerd op 18 maanden onderzoek en gesprekken met Altman zelf, duikt diep in Altman’s persoonlijkheid, zijn investeringen, zijn werving van kapitaal uit het Midden-Oosten en de gebeurtenissen rond zijn plotselinge ontslag en snelle terugkeer bij OpenAI in 2023. Een centrale bevinding, volgens een bron in het artikel, is dat Altman “niet wordt beperkt door de waarheid” (“unconstrained by the truth”). Het artikel positioneert Altman, door de populariteit van ChatGPT het gezicht van de AI-industrie geworden, als een diep tegenstrijdig figuur: een bekwaam dealmaker wiens succes wordt overschaduwd door een gerapporteerde neiging om zijn omgeving te misleiden.

Wat dit betekent

Voor ondernemers die AI-tools zoals ChatGPT, de API of toekomstige producten van OpenAI integreren in hun bedrijfsprocessen, gaat dit verder dan industrieroddels. Het raakt aan strategische risico’s. Wanneer je technologische infrastructuur, klantcontact of productontwikkeling koppelt aan het platform van één leverancier, wordt de betrouwbaarheid en transparantie van het leiderschap van dat bedrijf een zakelijk belang. Het artikel van Farrow suggereert dat belangrijke beslissingen bij OpenAI – van governance tot ethische grenzen – genomen kunnen worden door een leider wiens relatie met de waarheid onder vuur ligt. Dit introduceert een nieuw soort risico: niet alleen technologische afhankelijkheid, maar ook afhankelijkheid van het narratief en de beloften van een mogelijk onvoorspelbare leider. Het betekent dat due diligence bij het kiezen van een AI-partner niet langer alleen over prijzen, SLA’s en modelprestaties moet gaan, maar ook over bedrijfscultuur, bestuur en de geloofwaardigheid van de mensen aan de top.

Hoe je dit kunt toepassen

De praktische toepassing hangt af van jouw situatie. Het kerninzicht is dat de keuze voor een AI-leverancier een strategische partnerkeuze is, niet alleen een technische aankoop. Hier zijn manieren om dat inzicht toe te passen, gebaseerd op het bredere thema van leveranciersafhankelijkheid en transparantie dat het artikel aansnijdt.

Als je een kritisch proces wilt automatiseren met AI… zoals klantenservice of contentcreatie, overweeg dan om niet voor 100% afhankelijk te worden van één leverancier (vendor lock-in). Je zou kunnen onderzoeken of een multi-model strategie haalbaar is, waarbij je ook toegang houdt tot alternatieven van andere aanbieders. Dit vermindert het risico dat je operationeel vastloopt bij onverwachte veranderingen in beleid, prijzen of beschikbaarheid bij je hoofdleverancier.

Als je een AI-roadmap voor je bedrijf aan het opstellen bent… maak dan transparantie en governance expliciete criteria in je selectieproces. Stel vragen over hoe ethische beslissingen worden genomen, wie er in de raad van bestuur zit en hoe het bedrijf omgaat met interne meningsverschillen. Het antwoord “vertrouw ons” is onvoldoende; zoek naar gedocumenteerde processen.

Als je investeert in de API van een groot AI-bedrijf… behoud dan altijd de mogelijkheid om je data en prompts mee te nemen (portability). Zorg dat je workflows zo zijn opgebouwd dat het vervangen van het onderliggende AI-model, mocht dat nodig zijn, een beheersbare operatie is en geen existentiële crisis. Dit betekent investeren in abstractielagen in je code.

Als je team vragen stelt over de betrouwbaarheid van de tools die jij kiest… neem die zorgen serieus en behandel ze als een kans voor risicomanagement in plaats van als weerstand tegen innovatie. Je zou een interne risico-analyse kunnen doen waarin je de impact evalueert van een plotselinge verandering in toegang, prijs of functionaliteit van je primaire AI-leverancier.

Bron: The Verge