Wetenschappers hebben een nieuw conceptueel kader ontwikkeld om de integratie van kunstmatige intelligentie binnen organisaties te verbeteren. Het zogenaamde Corporate Language Model (CLM) is bedoeld om de kloof te overbruggen tussen algemene AI-capaciteiten en de specifieke, vaak ongeschreven kennis die binnen een bedrijf aanwezig is.
Volgens een publicatie op arxiv.org ligt de oorzaak van falende AI-implementaties in bedrijven vaak niet bij de rekenkracht van de modellen, maar bij het ontbreken van een gestructureerde basis. Veel organisaties hebben geen vastgelegd systeem dat beschrijft hoe besluitvorming, onderhandelingen en interne processen precies verlopen. Hoewel generieke Large Language Models (LLM's) krachtig zijn, missen zij de specifieke ontologische voorkennis van een individuele entiteit. De auteurs stellen bovendien dat huidige methoden, zoals Retrieval-Augmented Generation (RAG), te onstabiel zijn en onvoldoende leiden tot concrete, uitvoerbare acties.
In de context van dit onderzoek kan men een bedrijf of organisatie zien als een merriam-webster.com entiteit, waarbij de focus ligt op de collectieve structuur en het beheer van de organisatie. Het CLM-framework probeert juist deze collectieve intelligentie te vangen door gestructureerde, ongestructureerde en multimodale data, inclusief impliciete kennis, om te zetten in een fundament op basis van een ontologie. Hierdoor kan een organisatie redeneringen en uitvoering op een consistente wijze vormgeven.
De architectuur van dit model rust op vier fundamentele pijlers. Ten eerste is er de 'Neurosymbolic Mesh', die generatieve modellen koppelt aan een kennisgraaf. Ten tweede wordt een 'Skill Graph' gebruikt, waarin tactieken, persona's en doelen worden gecategoriseerd om de uitlegbaarheid van het systeem te vergroten. De derde pijler bestaat uit 'Living Digital Twins', die fungeren als simulaties van functionele bedrijfsonderdelen. Tot slot waarborgt een 'Deep Security Layer' de traceerbaarheid, menselijke controle en de soevereiniteit van de data.
Een opvallend aspect van het onderzoek is het concept van de 'Wisdom Listener'. Volgens de zorgt een systeem dat in staat is om impliciete kennis vast te leggen ervoor dat de waarde van de AI cumulatief toeneemt naarmate het systeem vaker wordt gebruikt. Dit koppelt de technische architectuur direct aan het dynamische leerproces van de organisatie. Om de stap van een intentie naar een resultaat te zetten, hanteren de auteurs een 'Spec-as-Code'-paradigma.
De theoretische principes van het CLM zijn reeds in de praktijk getoetst. In het wordt verwezen naar een casus in een tertiair ziekenhuis in Brazilië met een JCI-accreditatie. Hierbij zijn drie van de zes volwassenheidsstadia van het model toegepast, waarbij strikt rekening is gehouden met de Braziliaanse wetgeving op het gebied van gegevensbescherming (LGPD).
Het document, dat op 3 september 2026 is ingediend bij , is geschreven door Fabricio C. Avini en Guilherme Trez. Zij beogen met dit model een alternatief te bieden voor statische handleidingen. Hoewel dergelijke handleidingen weliswaar logica bevatten, missen zij het vermogen om adaptief te redeneren, iets wat het CLM juist probeert te faciliteren door de AI te positioneren als een controleerbare intelligentielaag van het bedrijf.