Gemini 4 Argon: zet je zwaarste AI-model niet overal in

Een installatiebedrijf ontvangt op maandag 200 klantvragen. De meeste gaan over een afspraak of een ontbrekende factuur. Een paar vereisen een technische beoordeling met echte gevolgen voor de offerte. Die twee soorten werk aan hetzelfde zware AI-model geven, is geen innovatie maar een inkoopfout.

Google presenteert Gemini 4 Argon als een model voor de moeilijkste problemen. Dat is interessant nieuws, maar voor het MKB zit de zakelijke kans niet in een onmiddellijke overstap. Mijn stelling: maak je krachtigste model een escalatieloket, geen standaardloket.

De aankondiging staat hier: https://deepmind.google/blog/introducing-gemini-4-argon/. De belofte in de titel is geen bewijs dat het model jouw offertes, klantvragen of contracten beter afhandelt. Dat moet je op je eigen werk meten.

De dure vraag is niet welk model het slimst is

Bij een nieuwe modelrelease vragen ondernemers vaak: moeten we nu overstappen? Dat is meestal de verkeerde eerste vraag. De betere vraag is: bij welke beslissingen kost een fout ons werkelijk geld?

Een verkeerd ingedeelde vraag over openingstijden is vervelend. Een verkeerd geïnterpreteerde garantievoorwaarde kan leiden tot een onterechte toezegging. Beide vragen door hetzelfde beoordelingsproces sturen, maakt eenvoudige dienstverlening duur en risicovol werk niet automatisch veilig.

Neem een accountantskantoor. Het herkennen van een ontbrekende bijlage vraagt iets anders dan het duiden van een ongebruikelijke fiscale situatie. De eerste taak heeft vooral baat bij een betrouwbare controle tegen een vaste lijst. De tweede vraagt om onderbouwing, zicht op ontbrekende informatie en uiteindelijk een bevoegde medewerker die oordeelt.

Een sterker model kan in die tweede categorie nuttig blijken. Maar dat is een hypothese, geen aankoopargument. Als de uitkomst zonder bron of controle niet mag worden gebruikt, blijft menselijke beoordeling onderdeel van de kosten.

Reken de route door, niet alleen de modelprijs

Stel dat een webshop maandelijks 10.000 inkomende verzoeken verwerkt. Voor een eerste businesscase schat je dat 8.000 eenvoudige vragen zijn, 1.500 nader onderzoek vragen en 500 naar een medewerker moeten. Die verdeling is een rekenvoorbeeld, geen gemeten branchegemiddelde.

Neem ook twee fictieve variabele prijzen: €0,01 voor een lichte automatische afhandeling en €0,10 voor een zware. Als alle 10.000 verzoeken direct naar het zware model gaan, is de modelrekening €1.000 per maand. Stuur je 8.000 eenvoudige verzoeken naar de lichte route en 1.500 naar de zware, dan is die rekening €80 plus €150, samen €230.

De 500 overige verzoeken verdwijnen niet. Bij drie minuten beoordeling per stuk en €40 interne kosten per uur komt daar €1.000 menselijk werk bij. Die kosten horen in beide scenario’s thuis als dezelfde 500 gevallen menselijke beoordeling vereisen. Het verschil in dit voorbeeld is dus €770 per maand aan modelkosten, niet een magische besparing op al het werk.

Daar moeten nog bouw, beheer, kwaliteitscontrole en eventuele extra wachttijd vanaf. Kost het inrichten en onderhouden van de routering €900 per maand, dan is de ogenschijnlijke winst weg. Wie alleen de prijs per aanvraag vergelijkt, tekent dus te vroeg.

Het lastigste onderdeel is bepalen wat lastig is

Een router die moeilijke gevallen naar een krachtiger model stuurt, klinkt eenvoudig. Maar de router moet herkennen wanneer een vraag buiten de standaard valt. Precies daar ontstaan de kostbare missers.

Bij dat installatiebedrijf kan de zin ‘de ketel maakt geluid’ een gewone servicevraag zijn. Voeg toe dat er ook een gaslucht is, en automatische beantwoording is ongepast. Het beslispunt is dan niet of Gemini 4 Argon een mooier antwoord kan schrijven. Het beslispunt is of het systeem de situatie tijdig naar een medewerker leidt.

Begin daarom met drie routes die medewerkers kunnen uitleggen:

• Standaard: een bekende vraag met actuele, gecontroleerde informatie en beperkte gevolgen bij een fout.

• Onderzoek: meerdere documenten, tegenstrijdige gegevens of een antwoord dat om onderbouwing vraagt.

• Mens: veiligheid, juridische toezeggingen, uitzonderingen of informatie die ontbreekt maar noodzakelijk is.

Een krachtiger model past mogelijk in de onderzoeksroute. Het mag niet stilzwijgend de menselijke route opslokken. Een vloeiend geformuleerd antwoord is nog geen bevoegd besluit.

Test op de fouten die je niet wilt zien

Meet een model niet alleen op de gemiddelde kwaliteit van 100 makkelijke vragen. Verzamel juist voorbeelden van oude escalaties, correcties en klachten. Haal persoonsgegevens eruit waar dat kan en laat medewerkers vooraf vastleggen wat een acceptabel antwoord of een terechte doorverwijzing is.

Vergelijk vervolgens drie werkwijzen op dezelfde set: de huidige aanpak, alles naar het nieuwe model, en routering met een lichte en een zware route. Registreer niet alleen kosten en snelheid, maar ook onjuiste stellige antwoorden, gemiste escalaties en de minuten die medewerkers nodig hebben om antwoorden te herstellen.

Stel vooraf een grens. Bijvoorbeeld: geen enkele veiligheidsvraag mag automatisch worden afgehandeld en bij offertes mag het aandeel antwoorden dat handmatig gecorrigeerd moet worden niet stijgen. De precieze grens hoort bij jouw risico, niet bij een algemene modelranglijst.

Let ook op de steekproef. Als 95 van je 100 testvragen eenvoudig zijn, kan een model er uitstekend uitzien terwijl het juist faalt op de vijf vragen waarvoor je het wilde kopen. Splits de resultaten daarom per route en per soort fout uit.

Wanneer is volledig overstappen wél logisch?

Soms is routering onnodige complexiteit. Bij een klein volume kan één model goedkoper zijn dan het onderhouden van meerdere routes. Hetzelfde geldt als vrijwel alle vragen echt onderzoekswerk zijn, of als de prijsverschillen in jouw contract klein blijken.

En soms wint een sterker model doordat medewerkers veel minder correctiewerk hebben, zelfs als de modelrekening stijgt. Een besparing van tien minuten op een ingewikkelde offerte kan meer waard zijn dan honderden goedkope standaardantwoorden. Meet die tijdswinst wel, anders blijft het een indruk.

Er is ook een grens aan deze afweging. Een taak zonder betrouwbare broninformatie wordt niet vanzelf geschikt voor automatisering doordat het model krachtiger is. Als actuele prijzen, voorwaarden of klantgegevens ontbreken, moet je eerst de informatievoorziening repareren.

Wat je deze maand besluit

Maak een overzicht van je twintig meest voorkomende AI-verzoeken en je twintig duurste fouten of escalaties. Zet er per type het volume, de huidige behandeltijd, de gevolgen van een fout en de gewenste eindverantwoordelijke naast. Dan zie je waar extra modelcapaciteit misschien rendement heeft.

Test Gemini 4 Argon vervolgens alleen op die categorieën, naast je huidige werkwijze en met vooraf afgesproken beoordelingscriteria. Pas na die test besluit je over inkoop en inrichting. Mijn verwachting is dat voor veel MKB-bedrijven niet het nieuwste model overal wint, maar een betere scheiding tussen routine, onderzoek en menselijk oordeel.