Gorodenkoff / Shutterstock
Enkele recente fusies, overnames en investeringen in het bedrijfsleven hebben de strategische waarde van gegevens voor bedrijven duidelijk gemaakt. Deze bedrijven kopen niet alleen activa of marktaandeel – ze kopen of investeren ook in grote, complementaire datasets. Dit proces staat in de bedrijfswereld bekend als horizontale integratie.
Deze integratie kan innovatie stimuleren en concurrentievoordelen opleveren. Het kan ook nieuwe inkomstenstromen openen. Enkele voorbeelden zijn Microsofts overnames van LinkedIn en GitHub en Amazons overnames van WholeFoods en de Washington Post. Daarnaast was er de fusie van Discovery Communications met Warner Brothers, de investering van IBM in Hugging Face en de investering van Google in Anthropic.
Zoals de laatste twee voorbeelden illustreren, zijn gegevens extreem belangrijk voor AI-bedrijven. Het is van vitaal belang voor het “trainen”, of verbeteren, van AI-systemen. Door AI-systemen te trainen op grote, nieuwe, gevarieerde datasets kunnen bedrijven geavanceerdere, krachtigere AI-systemen ontwikkelen.
Maar tegen de achtergrond van deze stormloop is er ook een groeiende consensus dat er een vorm van regulering nodig is om de zorgen over ethiek, veiligheid en eerlijkheid in verband met AI weg te nemen.
Maar het reguleren van AI brengt unieke uitdagingen met zich mee. Dit komt vooral doordat het gebaseerd is op immateriële elementen zoals software en algoritmen. Deze elementen kunnen gemakkelijk worden gewijzigd, gerepliceerd en gedistribueerd over grenzen heen met weinig fysieke sporen. Dit helpt ze om traditionele reguleringsmechanismen te omzeilen die vertrouwen op het controleren van fysieke goederen of specifieke locaties.
Een veelbelovende benadering van het reguleren van AI is echter een benadering die zich richt op het controleren van de toegang tot de gegevens die het levensbloed vormen van AI-ontwikkeling. Aangezien gegevens de drijvende kracht zijn achter de opkomst van horizontale integratie en de groei en geavanceerdheid van AI-systemen voeden, kan de concentratie ervan in de handen van een paar entiteiten leiden tot monopolistische dominantie. Kortom, het geeft te veel macht aan te weinig bedrijven.
Antitrustmodel
Om dit te verzachten zouden regelgevende kaders kunnen worden ontworpen die lijken op bestaande antitrustwetten, maar dan gericht op gegevensaggregatie. Ze zouden helpen om een divers en concurrerend landschap te garanderen bij de toegang tot gegevens. Door te voorkomen dat één enkel bedrijf een overweldigend gegevensvoordeel vergaart, zouden deze regels een evenwichtiger veld bevorderen. Innovatie moet kunnen gedijen zonder verstikt te worden door monopolistische controle.
Om dit resultaat goed te bereiken, stellen we voor dat regelgevers kijken naar het beperken van horizontale integratie. Naarmate AI-technologieën zich blijven ontwikkelen en de vraag naar diverse en uitgebreide datasets toeneemt, zullen bedrijven steeds meer gemotiveerd zijn om horizontale integratie na te streven.
Deze integratietrend consolideert niet alleen datamiddelen, maar vermindert mogelijk ook de concurrentie, omdat minder bedrijven grotere aandelen van waardevolle gegevens gaan controleren. Regelgevend toezicht op dergelijke fusies en overnames wordt daarom essentieel om te zorgen voor een concurrerend landschap waarin gegevens niet buitensporig geconcentreerd raken in een paar handen.
Het is belangrijk op te merken dat de trend naar horizontale integratie al tot op zekere hoogte wordt getemperd door regelgevende en ethische overwegingen, met name rond dataprivacy en bestaande antitrustwetten. Deze overwegingen spelen een cruciale rol bij het bepalen van de mate en de aard van integratie.
Krachtige AI-systemen zijn afhankelijk van
Deemerwha studio / Shutterstock
De voordelen van meer gegevens
Wanneer organisaties horizontaal integreren, krijgen ze toegang tot een uitgebreidere pool van gegevens, waardoor hiaten in individuele datasets worden opgevuld. Deze samenvoeging verbetert niet alleen de betrouwbaarheid en nauwkeurigheid van gegevens, maar verbreedt ook het perspectief en biedt diepere inzichten die cruciaal zijn voor het nemen van weloverwogen beslissingen.
Door bijvoorbeeld demografische gegevens van klanten samen te voegen met aankoopgeschiedenis, kunnen bedrijven een genuanceerder inzicht krijgen in het gedrag van consumenten. Dit is van onschatbare waarde in het huidige klantgerichte marktlandschap.
Horizontale integratie voor AI helpt moderne bedrijven met hun operationele efficiëntie. Bedrijven met vergelijkbare markten of klantenbestanden kunnen hun processen optimaliseren op basis van rijkere, uitgebreidere gegevensinzichten.
Dit leidt tot verbeterde efficiëntie bij het verzamelen en analyseren van gegevens. Dit komt doordat het gebruik van bestaande, complementaire datasets efficiënter en kosteneffectiever is dan het genereren van nieuwe gegevens vanaf nul. Bedrijven die succesvol gebruik maken van gecombineerde datasets kunnen de behoeften van klanten en markttrends beter begrijpen en voorspellen. Dit voordeel is vooral belangrijk in industrieën waar innovatie en aanpassingsvermogen de sleutel zijn tot overleving en groei.
Een evenwichtsoefening
Ondanks de voordelen voor bedrijven moet er iets worden gedaan aan de potentiële schade die consolidatie van gegevens kan toebrengen aan de concurrentie op de markt en de welvaart van de consument. Het centraliseren van uitgebreide datasets onder dominante entiteiten kan kleinere concurrenten marginaliseren en de marktdiversiteit verstikken.
Het brengt ook privacyproblemen met zich mee en vergroot het risico op marktmanipulatie, waardoor de keuze voor de consument afneemt en innovatie wordt belemmerd. De potentiële voordelen van gegevensconsolidatie voor klanten zijn onder andere een verbeterd productaanbod en gepersonaliseerde diensten. Het is cruciaal dat regelgevende kaders een “rule of reason”-benadering hanteren. Ze zullen deze activiteiten zorgvuldig toetsen aan de wetten op fusies of misbruik van dominantie. Dit zorgt voor een evenwichtig marktecosysteem, beperkt mogelijke schade en waarborgt concurrentie en consumentenbelangen.
Concluderend is het argument voor horizontale integratie in het tijdperk van AI overtuigend. De synthese van complementaire datasets door middel van een dergelijke integratie biedt een verbeterde datakwaliteit en betere mogelijkheden voor AI en machinaal leren. Het biedt operationele efficiëntie en strategische marktvoordelen.
Maar we moeten een evenwichtige aanpak hanteren en de voordelen van integratie afwegen tegen de ethische implicaties en naleving van de regelgeving. De toekomst van het bedrijfsleven in het AI-tijdperk zal waarschijnlijk worden gekenmerkt door een voortdurende trend naar strategische integratie, die de manier waarop bedrijven werken en concurreren vormgeeft.
Als hier niets aan wordt gedaan, zal horizontale integratie de macht van gegevens in de handen van een paar mensen concentreren. Dit zal veiligheidsproblemen opleveren en waarschijnlijk de concurrentie belemmeren. Maar regelgeving gebaseerd op antitrustprincipes – waarbij een organisatie ingrijpt om te voorkomen dat bedrijven zich gedragen op een manier die concurrenten uitsluit – zou dit kunnen helpen voorkomen.
De auteurs werken niet voor, adviseren niet, bezitten geen aandelen in en ontvangen geen financiering van bedrijven of organisaties die baat zouden hebben bij dit artikel en hebben geen relevante banden bekendgemaakt buiten hun academische aanstelling.
