AGI staat voor Artificial General Intelligence (kunstmatige algemene intelligentie). Het beschrijft een systeem dat nieuwe vaardigheden kan verwerven en problemen kan oplossen waarvoor het nooit is getraind, in plaats van zich te beperken tot één specifieke functie. Er bestaat momenteel geen commercieel AGI-systeem. In CRM zou AGI betekenen dat software beredeneert over beslissingen op het gebied van verkoop, marketing en ondersteuning, in plaats van vooraf gedefinieerde workflows uit te voeren.
Als je een leverancier vraagt wat hun product tot een AGI-systeem zou maken, beschrijven ze het misschien simpelweg als een verbeterde versie van wat ze al verkopen, zoals snellere automatisering, meer functies of betere personalisatie. Maar geen van die verbeteringen op zich maakt een systeem echt algemeen toepasbaar.
Er bestaat een strengere manier om de bewering te beoordelen. Deze richt zich op de vraag of een systeem kan leren en werkelijk onbekende problemen kan oplossen. Er bestaat een schriftelijke maatstaf om die capaciteit te testen. Inzicht in wat die test meet, biedt een duidelijker beeld van hoe AGI-claims beoordeeld kunnen worden.
Wat is AGI?
AGI is een theoretische vorm van kunstmatige intelligentie die in vrijwel alle intellectuele en cognitieve taken de menselijke capaciteiten kan evenaren of overtreffen. In tegenstelling tot de gespecialiseerde AI van vandaag, zou een AGI-systeem kunnen leren, redeneren en zich aanpassen aan volledig nieuwe situaties zonder dat daarvoor taakspecifieke programmering nodig is.
De meest strikte werkdefinitie is afkomstig van François Chollet, de onderzoeker achter de Keras deep learning-bibliotheek. In zijn artikel uit 2019 beschreef hij dit als volgt: Over de maatstaf van intelligentieHij definieerde intelligentie als Efficiëntie bij het verwerven van vaardigheden op onbekende taken in plaats van de prestaties op taken waarvoor het systeem was ontworpen.
Dat onderscheid is de kern van de discussie en verandert de betekenis van een benchmarkscore. Als een model is getraind op materiaal dat lijkt op de test, laat een hoge score zien dat het een antwoord kan vinden dat het al eerder is tegengekomen. Het zegt echter niets over wat er gebeurt wanneer het probleem werkelijk nieuw is.
Chollet ontwikkelde een benchmark om dit te testen. ARC-AGI presenteert rasterpuzzels waarbij een regel moet worden afgeleid uit twee of drie voorbeelden en toegepast op een geval dat het systeem nog nooit eerder heeft gezien. Het systeem is opzettelijk moeilijk te onthouden, omdat elke taak uniek is en er te weinig voorbeelden zijn voor statistische patroonherkenning.
AGI onderscheidt zich door vier kenmerken van wat er tegenwoordig op schepen wordt aangeboden:
- Overdracht: Vaardigheden die in het ene domein zijn opgedaan, kunnen zonder omscholing worden toegepast in een ander domein, iets wat geen enkel productiesysteem momenteel doet.
- Afhandeling van nieuwigheden: Het systeem lost problemen op waar de ontwikkelaars nooit aan hadden gedacht. De huidige modellen gedragen zich onvoorspelbaar zodra de invoer niet meer lijkt op de gegevens waarop ze zijn getraind, en ze geven zelden aan dat dit is gebeurd.
- Autonome doelontleding: Het splitst een vaag doel op in stappen zonder dat een mens de workflow hoeft te specificeren.
- Efficiëntie: Het leert van een handvol voorbeelden in plaats van miljoenen, en dat is nu juist het criterium dat de bovenstaande definitie meet.
| Realiteitscontrole: ARC-AGI-1 Het project werd in 2019 gelanceerd om te testen of AI-systemen nieuwe regels konden leren uit slechts enkele voorbeelden en deze konden toepassen op onbekende problemen. Eind 2024 waren de grensmodellen aanzienlijk groter geworden, met een trainingsrekenkracht die ongeveer 50,000 keer zo groot was geworden, maar deze benchmark bleef een aanzienlijke uitdaging. Dit betekent dat het vergroten van modellen en het toekennen van meer rekenkracht de prestaties kan verbeteren, maar dat schaalvergroting alleen niet leidt tot het efficiënte leren en generaliseren dat kenmerkend is voor AGI. |
AGI versus AI versus generatieve AI
AI, generatieve AI en AGI worden vaak besproken alsof ze verschillende niveaus van dezelfde technologie beschrijven. Dat is niet het geval. Het belangrijkste verschil zit hem in wat een systeem kan leren, hoe het omgaat met onbekende problemen en in hoeverre het zelfstandig beslissingen kan nemen.
| Smalle AI | generatieve AI | AGI | |
| strekking | Voert een vastgestelde taak uit. | Produceert content in diverse formaten. | Kan een breed scala aan intellectuele taken uitvoeren. |
| Leert nieuwe taken | Nee, meestal is omscholing of herconfiguratie nodig. | Nee, niet op basis van een paar voorbeelden. | Ja, op basis van beperkte voorbeelden. |
| Kan onbekende problemen aanpakken | Beperkt buiten de vastgestelde taak | Kan plausibele antwoorden geven, maar is mogelijk onbetrouwbaar bij onbekende taken. | Ontworpen om werkelijk nieuwe problemen op te lossen. |
| Doelen stellen | Door de mens gedefinieerd | Door mensen geïnitieerd | Bredere doelen kunnen worden opgedeeld in afzonderlijke taken. |
| Commercieel beschikbaar | Ja, in grote mate. | Ja, in grote mate. | Nee |
Het meest eenvoudige onderscheid is dit: generatieve AI kan veel verschillende soorten taken voor het genereren van content uitvoeren, terwijl AGI in staat is om te leren hoe nieuwe soorten problemen aan te pakken. Een generatief AI-systeem kan bijvoorbeeld een vervolg-e-mail of een contractclausule opstellen wanneer daarom wordt gevraagd. AGI zou moeten bepalen of het versturen van die e-mail gepast is, de context van de klant moeten overwegen en beslissen wat de volgende stap moet zijn.
Hoe kan AGI CRM transformeren?
CRM is een van de gebieden waar AGI een bijzonder grote impact zou kunnen hebben, omdat CRM-systemen al de klantcontext samenbrengen die een redeneersysteem nodig heeft. Contactgeschiedenis, dealactiviteit, interacties met de klantenservice, reacties op campagnes en accountinformatie worden in één omgeving opgeslagen. Als AGI in staat is om te redeneren in onbekende situaties, zou deze context het systeem in staat kunnen stellen om beslissingen te nemen in plaats van simpelweg vooraf gedefinieerde workflows uit te voeren.
- Autonome klantbetrokkenheid
Tegenwoordig begint CRM-automatisering meestal met een vooraf gedefinieerde trigger, zoals een wijziging in de dealfase of een klantactie. Een AGI-systeem zou daarentegen het account als geheel kunnen beoordelen en bepalen of contact nodig is, welk kanaal geschikt is, wat de boodschap moet inhouden en wanneer deze verzonden moet worden.
- Intelligent leadmanagement
Lead scoring is doorgaans gebaseerd op regels en signalen die beheerders vooraf instellen, zoals functietitel, bedrijfsgrootte, betrokkenheid of branche. AGI zou een account kunnen evalueren vanuit een bredere context en relevante signalen kunnen identificeren die nooit zijn omgezet in vooraf gedefinieerde velden. Dit zou leadkwalificatie minder afhankelijk kunnen maken van het aantal regels dat een CRM-beheerder heeft geconfigureerd.
- Voorspellende klantinzichten
Voorspellende AI Het systeem kan patronen identificeren die verband houden met uitkomsten zoals klantverlies, conversie of het sluiten van deals. AGI zou dit mogelijk nog verder kunnen uitbreiden door te redeneren over waarom een bepaalde uitkomst waarschijnlijk is en te bepalen welke actie deze zou kunnen veranderen. In plaats van een account simpelweg als risicovol te markeren, zou het systeem de onderliggende omstandigheden kunnen koppelen en een passende interventie kunnen aanbevelen.
- Beslissingen over workflows tussen verschillende afdelingen
CRM-workflows volgen over het algemeen processen die van tevoren zijn ontworpen. AGI zou beslissingen kunnen nemen over die processen op basis van veranderende omstandigheden. Het zou bijvoorbeeld kunnen herkennen dat een ernstig ondersteuningsprobleem een upsell-campagne tijdelijk moet stopzetten, zelfs als er geen regel is aangemaakt die die twee gebeurtenissen met elkaar verbindt.
Deze mogelijkheden zijn momenteel niet commercieel beschikbaar. Ze vertegenwoordigen een mogelijke richting voor CRM-automatisering en bieden een nuttige maatstaf om te beoordelen hoe ver de huidige AI-systemen verwijderd zijn van daadwerkelijke algemene intelligentie.
| Interessant feit: De routekaart van Gartner wijst op steeds meer gecoördineerde AI-systemen in plaats van één algemene intelligentie. Samenwerkende multi-agentsystemen worden rond 2027 verwacht. ecosystemen met meerdere agenten rond 2029waarbij de nadruk ligt op meerdere gespecialiseerde agenten die samenwerken. |
Potentiële voordelen van AGI-gestuurde CRM
De potentiële waarde van AGI in CRM zou niet alleen voortkomen uit het versnellen van bestaande automatisering. De grootste verandering zou de mogelijkheid zijn om beslissingen te nemen in situaties die nooit expliciet door een workflow worden gedekt, door gebruik te maken van de bredere klantcontext die al beschikbaar is in het CRM-systeem.
- Oordeel zonder configuratie
De meeste CRM-automatisering is gebaseerd op vooraf gedefinieerde regels. AGI zou die afhankelijkheid kunnen verminderen door te bepalen welke reactie het optimale resultaat oplevert wanneer een situatie buiten die grenzen valt. In plaats van simpelweg een statische workflow uit te voeren, evalueert het systeem de context om de meest strategische aanpak te bepalen.
- Context die de overdracht overleeft
Klantgegevens wisselen vaak tussen verkoop-, marketing- en supportteams, waardoor er hiaten ontstaan die medewerkers handmatig moeten overbruggen. Een AGI-systeem zou de relevante accountcontext tijdens de overgang van verkoop naar support kunnen meenemen, en daarmee de kloof dichten. teams voor omzetbeheer Vaak moeten patches handmatig worden geïnstalleerd.
- Toelichting naast voorspelling
Een voorspelling is nuttiger wanneer de ontvanger begrijpt waarom deze is gedaan. In plaats van een account simpelweg te markeren als waarschijnlijk opzeggend, zou een AGI-systeem de relevante klantsignalen kunnen koppelen, de redenering achter de voorspelling kunnen uitleggen en een passende reactie kunnen voorstellen. Dit zou kunnen leiden tot... AI-klantervaring Het werk varieert van het simpelweg identificeren van problemen tot het plannen van hoe deze aan te pakken.
- Minder administratief werk
CRM-beheerders besteden veel tijd aan het aanmaken van velden, regels, workflows en uitzonderingen voor situaties die het systeem niet zelf kan afhandelen. Meer generalisatie zou een deel van deze configuratie kunnen verminderen, doordat het systeem zelf kan bepalen hoe te reageren wanneer een situatie niet overeenkomt met een bestaande workflow.
Uitdagingen bij het gebruik van AGI in CRM
De uitdagingen van het gebruik van AGI in CRM zijn niet geheel nieuw. Smalle AI-systemen stellen bedrijven al bloot aan veel van dezelfde risico's, maar AGI zou deze risico's vergroten omdat het toegang heeft tot meer data, bredere beslissingen kan nemen en minder menselijke tussenkomst vereist.
- Data Privacy: Een systeem dat alle klantgegevens analyseert, heeft toegang nodig tot al die klantgegevens. Dit vergroot de impact van een datalek en maakt toestemming onder de wetgeving inzake gegevensbescherming lastiger.
- Nauwkeurigheid en fabricage: Generatieve modellen produceren antwoorden die vloeiend, zelfverzekerd en fout zijn, zonder dat de toon verandert om het verschil aan te geven. Wanneer iemand de output beoordeelt, kost één fout een moment. Wanneer het systeem zijn eigen output verwerkt, bereikt de fout de klant en wordt de volgende beslissing daarop gebaseerd.
- Verantwoording: Wanneer een autonoom systeem een verkeerd bericht naar een bedrijfsaccount stuurt, is er binnen de huidige governance-modellen geen eenduidig antwoord op de vraag wie dit heeft geautoriseerd.
- Menselijk toezicht: Een zinvolle beoordeling vereist inzicht in de onderliggende redenering, en het beoordelen van beslissingen die sneller genomen zijn dan iemand ze kan lezen, is slechts een schijn van nalatigheid.
- Integratiecomplexiteit: Een redeneersysteem is slechts zo goed als de toegang tot de systemen waar het werk plaatsvindt. Dit maakt het in de eerste plaats een architectuurprobleem, en pas daarna een AI-probleem.
- Beveiligingshouding: Bredere toegang tot het systeem verhoogt de waarde van een gecompromitteerd account, daarom CRM-beveiligingsinstellingen Ze worden juist draagkrachtiger naarmate de automatisering verdergaat, niet minder.
De toekomst van AGI en CRM
In gesprekken over de roadmap voor AGI wordt ervan uitgegaan dat de industrie er naartoe werkt. De gepubliceerde prognoses beschrijven echter een tegengestelde ontwikkeling. Wat er gebouwd en verkocht wordt, wordt elk jaar beperkter, en de CRM-roadmap die u wordt aangeboden, volgt die richting.
Agenten die specifiek op taken zijn gericht, dat is wat 2026 ons zal brengen.
Gartner voorspelt dat 40% van de bedrijfsapplicaties zal tegen eind 2026 geïntegreerd zijn met taakspecifieke AI-agenten, een stijging ten opzichte van minder dan 5% in 2025, en multi-agent ecosystemen zullen naar verwachting in 2029 gerealiseerd worden. Taakspecifiek is hier het sleutelwoord, en het is het antoniem van algemeen.
Een agent voert in deze zin één taak van begin tot eind uit, zoals het opstellen van een verlengingsofferte of het afhandelen van een supportaanvraag, en stopt dan aan het einde van die taak. Dat is autonomie binnen een door iemand gestelde grens.
Breedte ontstaat door samenstelling, niet door algemeenheid.
Die routekaart bereikt een brede functionaliteit door veel specifieke agenten samen te brengen die taken aan elkaar doorgeven, in plaats van één algemeen systeem te bouwen dat op zichzelf staat.
Of het samenstellen van een verzameling daadwerkelijk breedte oplevert, is nog steeds een open onderzoeksvraag. Een team van UC Berkeley heeft aantekeningen gemaakt. meer dan 1,600 uitvoeringssporen Uit onderzoek met zeven verschillende multi-agent frameworks bleek dat de prestatiewinst ten opzichte van single-agent setups vaak minimaal was.
Hun taxonomie benoemt 14 faalmodi in drie groepen, die betrekking hebben op onduidelijke specificaties, misafstemming tussen agenten en het ontbreken van verificatie van elkaars output. De meeste zijn terug te voeren op het systeemontwerp in plaats van op de beperkingen van het onderliggende model.
Wanneer een agent zijn invoer verkeerd interpreteert, reageren alle agenten verderop in de keten op de fout zonder dat ze zich daarvan bewust zijn. De fout komt dus pas aan het einde van de keten aan het licht in plaats van bij de bron.
De governancevraag verandert van vorm. Je keurt niet het oordeel van één systeem goed, maar stelt een grens vast voor elke agent en registreert welke agent welke beslissing heeft genomen.
Wat verandert er voor CRM?
De realistische verschuiving op korte termijn is van een systeem dat gegevens registreert naar een systeem dat aanbevelingen doet. Deal scoring, AI-verkoopprognosesEn suggesties voor vervolgacties werken al op deze manier in smalle rijstroken, waarbij die rijstroken zich verbreden in plaats van te verdwijnen.
De vraag over de aankoop verschuift met hen mee. In plaats van te vragen of een CRM AI heeft, kun je beter vragen wat elke agent mag doen zonder goedkeuring van een medewerker, en waar die toestemming is vastgelegd.
Hoe Vtiger One zich voorbereidt op AI-gestuurde CRM
Vtiger One Het biedt geen AGI (Artificial General Intelligence), en dat geldt over het algemeen voor CRM-systemen. De AI-mogelijkheden vormen een smalle AI-laag die de huidige CRM-automatisering ondersteunt en helpt om klantgegevens en workflows samen te brengen in een uniforme omgeving. Deze basis kan ook helpen om de context te bieden die toekomstige AI-systemen nodig hebben om effectiever te redeneren over klantinteracties.
Reken AI Het systeem voorspelt uitkomsten zoals het sluiten van een deal en adviseert over vervolgstappen, terwijl de uiteindelijke beslissing bij de accountmanager blijft. Daarnaast... AI CRM-mogelijkheden ondersteunende taken zoals het samenvatten van gesprekken en het opstellen van teksten, terwijl AI-agenten bouwen Maakt afgebakende, herhaalbare taken binnen vastgestelde grenzen mogelijk.
De effectiviteit van elk AI-systeem hangt af van de kwaliteit van de informatie waartoe het toegang heeft. Een ontbrekende fase in een deal of een dubbel contactrecord kan leiden tot een onjuiste conclusie, zelfs als het systeem zelf naar behoren functioneert. Daarom CRM-productiviteit mogelijk gemaakt door AI De grootste winst wordt behaald wanneer klantgegevens nauwkeurig, volledig en consistent worden bijgehouden.
Veelgestelde Vragen / FAQ
Wat is de volledige naam van AGI?
AGI staat voor Artificial General Intelligence (kunstmatige algemene intelligentie). Het beschrijft een systeem dat nieuwe vaardigheden kan verwerven en problemen kan oplossen waarvoor het oorspronkelijk niet ontworpen of getraind was, en dat in uiteenlopende domeinen. Dit staat in contrast met smalle AI, die één specifieke taak uitvoert en omscholing vereist om een andere taak aan te kunnen.
Wat is het verschil tussen AGI en AI?
AI is de overkoepelende term voor elk systeem dat taken uitvoert die normaal gesproken menselijke intelligentie vereisen. Vrijwel alle ingezette AI is smal, wat betekent dat het één taak aankan en faalt buiten de trainingsdata. AGI is de subcategorie die onbekende taken kan uitvoeren zonder opnieuw getraind te hoeven worden.
Wat is het verschil tussen AGI en generatieve AI?
Generatieve AI produceert content zoals tekst, afbeeldingen of code en generaliseert over verschillende formaten, terwijl de mogelijkheden beperkt blijven. Het kan geen echt nieuwe vaardigheid leren uit een paar voorbeelden. AGI wordt gedefinieerd door die leerefficiëntie in plaats van door de variëteit aan output, en bestaat nog niet commercieel.
Hoe zou AGI CRM kunnen transformeren?
Het zou CRM verschuiven van het uitvoeren van workflows die door een persoon zijn geconfigureerd naar het maken van oordelen die niemand heeft geconfigureerd. Dat omvat onder andere de beslissing of er überhaupt contact moet worden opgenomen met een klant, het kwalificeren van leads op basis van signalen die nooit in velden zijn ingevoerd, het uitleggen waarom een voorspelling is gedaan en het coördineren van beslissingen tussen verkoop, marketing en support.
Biedt een CRM-systeem tegenwoordig AGI aan?
Nee. Elke momenteel beschikbare CRM AI-functie is beperkt en omvat lead scoring, forecasting, samenvatting, het opstellen van rapporten of specifieke agenten die bepaalde taken uitvoeren. Elke leverancier die een verzendproduct als AGI omschrijft, gebruikt die term als marketinginstrument en niet als een technische bewering over de mogelijkheden.
Wat zijn de voordelen van AGI in CRM?
Het onderscheidende voordeel is dat het systeem oordelen velt zonder configuratie, wat betekent dat het systeem situaties afhandelt die een beheerder nooit had voorzien. Secundaire voordelen zijn onder meer context die behouden blijft bij teamoverdrachten, uitleg bij voorspellingen in plaats van kale scores, en aanzienlijk minder handmatige configuratie dan CRM-beheer momenteel vereist.
Wat zijn de uitdagingen bij het gebruik van AGI in het bedrijfsleven?
De privacy van gegevens wordt steeds belangrijker naarmate de toegang tot systemen toeneemt, en generatieve modellen produceren nog steeds zelfverzekerde, maar onjuiste resultaten. Er is geen eenduidig antwoord op de vraag wie verantwoordelijk is voor autonome beslissingen, en zinvol menselijk toezicht is moeilijk wanneer beslissingen sneller worden genomen dan dat ze gelezen kunnen worden. Integratiecomplexiteit en een grotere impact op de beveiliging gelden vanaf de eerste implementatie.
