Het gemiddelde Fortune 1000-bedrijf heeft meer dan 30.000 werknemers en engineering-, verkoop- en marketingteams met honderden leden. Er bestaan even grote teams in overheids-, wetenschappelijke en defensieorganisaties. Toch toont onderzoek aan dat de ideale omvang voor een productief realtime gesprek dat wel is slechts 4 tot 7 personen.
De reden is simpel: naarmate groepen groter worden, heeft iedereen dat ook minder mogelijkheden om te praten en ze moeten langer wachten om te reageren, waardoor de frustratie toeneemt dat er niet voldoende rekening wordt gehouden met hun mening. Dit geldt ongeacht of groepen persoonlijk samenwerken, via video of teleconferentie, of zelfs via tekstchat (waardoor gebruikers worden begraven in een achterstand aan berichten die de deelname verminderen en de beraadslaging ondermijnen).
Simpel gezegd, productieve groepsgesprekken formaat niet wijzigen.
Dus wat doe je als je een groot team hebt en hun kennis, wijsheid, inzicht en expertise wilt benutten? Voor veel organisaties is de enige keuze het gebruik van enquêtes, opiniepeilingen of interviews. Hierdoor kun je gegevens verzamelen over individuele perspectieven, maar niemand zal zich “gehoord voelen” als het proces eenmaal is afgerond en optimale oplossingen zullen zelden worden gevonden.
Dit komt omdat peilingen, opiniepeilingen en interviews geen deliberatieve instrumenten zijn. Er is geen sprake van geven en nemen als teamleden kwesties bespreken, redenen en beweegredenen aandragen, argumenten en tegenargumenten naar voren brengen en uiteindelijk tot oplossingen komen op grond van hun weloverwogen verdiensten. Enquêtes behandelen mensen als te simpel gegevenspuntenterwijl interactieve gesprekken mensen als volgt behandelen bedachtzaam gegevensbeheerders. Dit verschil is diepgaand.
Ik bestudeer dit probleem al meer dan tien jaar en ben ervan overtuigd dat de beste manier om de echte collectieve intelligentie van de grote teams gebeurt via authentieke realtime gesprekken op schaal. Ik heb het over doordachte discussies waarin tientallen mensen kunnen brainstormen, prioriteiten kunnen stellen en samen voorspellingen kunnen doen, om uiteindelijk samen te komen tot oplossingen die echt gebruik maken van hun gecombineerde kennis, wijsheid en intuïtie.
Maar gesprekken zijn onmogelijk op te schalen, toch?
Fout: de afgelopen jaren is er een nieuwe communicatietechnologie Hyperchat-AIis ontstaan. Stelt grote, gedistribueerde teams in staat productieve discussies te voeren waar ze over kwesties kunnen debatteren, over ideeën kunnen brainstormen, alternatieven kunnen prioriteren, argumenten en tegenargumenten kunnen aandragen, en dit op een efficiënte manier oplossingen vinden.
Geïnspireerd door grote natuurlijke systemen combineert Hyperchat AI de biologische principes van Zwerm intelligentie met de opkomende kracht van AI-agenten. Het werkt door elke grote netwerkgroep op te delen in een reeks kleine, onderling verbonden subgroepen, elk formaat voor doordachte, realtime gesprekken via tekst, spraak of video. Het magische ingrediënt is een zwerm AI-agenten die ‘conversationele surrogaten’ worden genoemd en die deelnemen aan elke lokale discussie en eraan werken om alle subgroepen met elkaar te verbinden tot één samenhangend overleg.
Met behulp van Hyperchat AI kunnen groepen van elke omvang problemen bespreken, ideeën uitwisselenopties prioriteren, voorspel de resultaten en problemen in realtime oplossen. En het werkt: uit onderzoek blijkt dat wanneer grote teams op deze manier met elkaar praten, ze tot slimmere, snellere en preciezere oplossingen komen. In een onderzoek waarbij ik persoonlijk betrokken was, waren groepen verbonden door Hyperchat AI versterkten hun collectieve IQ op het 97e percentiel.
In nog een studieUitgevoerd in samenwerking met Carnegie Mellon University, zeiden groepen van 75 mensen die gesprekken voerden met behulp van Hyperchat AI-technologie dat ze zich meer collaboratief, productief en beluisterd voelden dan met traditionele communicatiestructuren zoals Microsoft Teams, Google Meet of Slack. Zij mochten ook gehoord worden grotere buy-in naar de oplossingen die naar voren kwamen.
Om de deugden van Hyperchat AI op een leuke en actuele manier te testen, heb ik het onderzoeksteam van Unanimous AI (ontwikkelaar van Thinkscape, een platform dat Hyperchat AI gebruikt) gevraagd om 100 toeschouwers te verzamelen die afgelopen zondag naar de Super Bowl hebben gekeken en te bespreken Welke Super Bowl-advertentie was het meest effectief en waarom?
Ik weet dat het geen kwestie van groot maatschappelijk belang is, maar de Super Bowl is een van de meest gevolgde evenementen ter wereld, zowel vanwege het atletiekspektakel als vanwege de reclame. Dit jaar kostte een spot van 30 seconden tussen de 8 en 10 miljoen dollar, de productiekosten niet meegerekend. Met dit investeringsniveau probeert elk merk zich te onderscheiden, maar slechts enkelen slagen daarin.
Dus verzamelden we 110 willekeurige leden van het publiek – hun enige kwalificatie was het kijken naar de Super Bowl – en vroegen hen om de advertenties te bespreken en te debatteren. Tijdens het spel werden zesenzestig unieke advertenties geplaatst. Heeft een van hen zich sterk onderscheiden van de anderen, en zo ja, Waarom Was het zo effectief?
De 110 deelnemers werden verdeeld in 24 subgroepen, elk met 4 of 5 mensen en één enkele AI-agent. Elke agent kreeg de taak zijn eigen subgroep te observeren, waardoor belangrijke informatie in realtime werd geïdentificeerd deel deze informatie met AI-agenten in andere subgroepen. Toen agenten deze externe inzichten ontvingen, namen ze deel aan het lokale gesprek, waarbij ze de inzichten uitten als leden van hun groep. Dit proces verweeft alle beraadslagingen in één real-time gesprek dat naadloos in elkaar overgaat en samenkomt.
In totaal stelden de 110 menselijke deelnemers 54 verschillende advertenties ter overweging voor en kwamen tot een beslissend antwoord in slechts 10 minuten hyperverbonden discussie. En terwijl AI-agenten de dynamiek binnen alle 24 lokale discussies in de gaten hielden, genereerde het systeem op het moment dat het gesprek eindigde een gerangschikte lijst van alle 54 advertenties op basis van gespreksondersteuning onder de hele bevolking.
Hier is de top tien die door de deelnemers aan de beraadslaging werd geïdentificeerd:
Zoals u kunt zien was de advertentie van Pepsi waarin de ijsbeer van Coca-Cola werd gebruikt, veruit de meest effectieve van de avond. In feite meldde het Thinkscape-systeem dat dit een statistisch significant resultaat was voor een willekeurig geselecteerde populatie consumenten (p
Bovendien houdt het systeem automatisch de redenen bij die in elke subgroep naar voren komen en de reacties op die redenen (of ze nu de mening van anderen beïnvloedden, tegenargumenten inspireerden, of beide). Hierdoor kan het systeem onmiddellijk een weloverwogen overzicht maken van elke geproduceerde advertentie, waarbij wordt geëvalueerd waarom de groep elke advertentie op de manier heeft bekeken.
Hier is de redenering die onmiddellijk werd gegenereerd voor de aankondiging van de Polar Bear:
“Ons collectieve perspectief is dat de meest effectieve commercial van de Super Bowl van 2026 de Pepsi Polar Bears-commercial was. We vonden hem effectief vanwege de humor, het slimme gebruik van ijsberen, Coca-Cola-prik, memorabiliteit, nostalgische elementen, brede aantrekkingskracht, productfocus en het vermogen om gesprekken op gang te brengen. Terwijl sommigen van ons kritiek hadden op de commercial omdat deze zich concentreerde op een vete, was de overgrote meerderheid van mening dat deze met succes de essentie van een klassieke Super Bowl-commercial Bowl weergaf. “
Voor de goede orde: het Unanimous AI-team vroeg dit realtime collectief ook om een vervolgvraag te overwegen: Welke Super Bowl-advertentie was het minst effectief en waarom? Dit is wat het systeem meldde na 10 minuten beraadslaging:
“Ons collectieve perspectief is dat de slechtste Super Bowl-advertentie van 2026 de Coinbase-advertentie was. We vonden dat het aan duidelijkheid ontbrak, met verwarrende berichten en een onvermogen om het product effectief uit te leggen. Bovendien vonden velen de advertentie vervelend, beschamend en niet boeiend, met weinig promotie voor het product en een verbinding met de diensten van Coinbase. Over het algemeen slaagde het er niet in om vertrouwen op te bouwen en was het voor veel kijkers onaangenaam.” Opmerking: de selectie van deze advertentie was een statistisch significant resultaat (p
Nogmaals, dit was slechts een leuk voorbeeld om het publiek erbij te betrekken, en niet een belangrijke beraadslaging van groot belang. Dat gezegd hebbende, heb ik grote groepen, van analisten bij grote financiële instellingen tot wetenschappers van het ministerie van Energie, belangrijke kwesties zien bespreken met behulp van deze technologie – en in alle gevallen lijken de groepen met grotere snelheid, precisie en participatie samen te komen.
Voor een overzicht van academische onderzoeken naar Hyperchat AI, zie dit recente artikel.
Louis Rosenberg promoveerde aan Stanford University, was professor aan de California State University (Cal Poly) en ontving meer dan 300 patenten voor zijn werk op het gebied van mens-computerinteractie, kunstmatige intelligentie en collectieve intelligentie.
Welkom bij de VentureBeat-community!
In ons gastpostprogramma delen technische experts inzichten en bieden ze neutrale, niet-verdeelde inzichten over kunstmatige intelligentie, data-infrastructuur, cyberbeveiliging en andere geavanceerde technologieën die de toekomst van de onderneming vormgeven.
Lees meer uit ons gastpostprogramma en bekijk ons richtlijnen als u geïnteresseerd bent om een eigen artikel bij te dragen!
