Het eerste dat de AI-netwerkschijf tegenkomt, is de semantische laag van het bestand.

Wij werken al ruim tien jaar aan de netwerkschijf. Nadat AI is aangesloten, is het eerste dat aan het licht komt niet de vraag of het model sterk genoeg is, maar of het bestandssysteem zelf is georganiseerd. Wanneer bestanden, schermafbeeldingen, gecomprimeerde pakketten, historische versies, overdrachtslinks en tijdelijke deelpagina’s allemaal op elkaar worden gestapeld, zal elke “chat met bestanden”-interface snel op hetzelfde probleem stuiten: alleen omdat het model kan spreken, betekent dit niet dat de bestanden kunnen worden opgehaald, noch betekent dit dat oude inhoud nauwkeurig kan worden onderscheiden.

Het echt waardevolle onderdeel van een AI-netwerkschijf is vaak niet de chatbox, maar de semantische laag. Wat de semantische laag doet is heel eenvoudig: voeg doorzoekbare namen, tijd, bronnen, onderwerpen, relaties en machtigingen toe aan bestanden, en zet deze informatie vervolgens om in een continu bijgewerkte index. Alleen op deze manier gaat de zoekopdracht niet alleen over het matchen van bestandsnamen, gaat de samenvatting niet alleen over het afkappen van de tekst, en gaat het categoriseren niet alleen over het handmatig slepen van mappen. Als de netwerkschijf eenmaal voor een bepaalde periode is verzameld, willen gebruikers eigenlijk niet ‘helpen dit document te begrijpen’, maar ‘helpen deze stapel materiaal weer bruikbaar te maken’.

Dit is ook waar AI-netwerkschijven het meest waarschijnlijk omvallen. Fouten in het bestandssysteem zijn, in tegenstelling tot fouten in de Q&A, meestal niet meteen duidelijk. Het oude versieoverzicht is nog steeds aan het oude bestand toegevoegd, de index wordt niet gesynchroniseerd na de wijziging van de machtiging en de overgebrachte gedeelde bestanden worden gemengd met persoonlijke privébestanden. Het eerste probleem is niet de kwaliteit van de antwoorden, maar de grenzen. Zolang semantische indexering en toestemmingsverificatie niet dezelfde set links zijn, geldt: hoe vloeiender de AI spreekt, hoe groter het risico. Zodra zo’n fout wordt gemaakt in een documentproduct, is de prijs geen onnauwkeurig antwoord, maar de blootstelling van inhoud die niet gezien mag worden, of het terugdringen van verlopen inhoud in de workflow.

De vaardigheden die echt in de praktijk kunnen worden gebracht, lijken veel op backstage-werk. Incrementele indexering moet net zo snel verlopen als synchronisatie. OCR, audio- en videotranscriptie, documentparsing, deduplicatie en versievergelijking moeten op dezelfde keten zijn aangesloten en rollback-records moeten worden bewaard. Netdisk is geen zoekmachine en kan niet alleen kijken naar het terugroeppercentage; het heeft ook te maken met delen, verwijderen, offline synchronisatie en historische versies. Nadat een bestand drie keer is gewijzigd, moet het systeem weten welke versie van de samenvatting, welke versie moet worden weergegeven en wie welke versie moet zien.

Daarom is het teken dat de AI-netwerkschijf echt in de workflow is terechtgekomen niet ‘of hij kan chatten’, maar of hij een volledige actie voor mensen kan voltooien: verspreide documenten verzamelen, vergelijkbaar materiaal vinden, beoordelen welke de nieuwste is en dan de resultaten overhandigen. Op dit punt is AI niet langer een decoratieve laag die aan de netwerkschijf is bevestigd, maar duwt het bestandssysteem van een opslagtool naar een semantisch portaal dat kan worden georganiseerd, opgehaald en gedistribueerd. Nu lijkt het een nieuwe functie, maar het technische aspect lijkt meer op een proces om het oude systeem weer aan de praat te krijgen.