Gartner: 'Quantumcomputing speelt tot 2028 geen rol in grootschalige zakelijke AI-toepassingen'

Volgens Gartner-analist Chirag Dekate wordt de term 'quantum AI' door leveranciers vaak gebruikt voor hybride of quantum-geïnspireerde technieken, terwijl daadwerkelijke quantum-native AI op bedrijfsschaal nog niet inzetbaar is. Er is volgens hem geen peer-reviewed onderzoek dat een voordeel van quantumtechnologie bij productie-AI-toepassingen aantoont, en dat zal naar verwachting de rest van dit decennium ook niet gebeuren.

Drie categorieën

Gartner maakt onderscheid tussen drie vaak met elkaar verwarde categorieën:

• Klassieke AI omvat modellen als deep learning en transformers die volledig op cpu's, gpu's of tpu's draaien en nu al aantoonbaar rendement opleveren.
• Quantum-geïnspireerde AI bestaat uit klassieke algoritmes die concepten uit de quantummechanica gebruiken, zoals annealing en tensor-netwerken, maar op gangbare hardware draaien; deze technieken worden al toegepast bij optimalisatie, simulatie en sampling.
• Hybride quantum-klassieke methoden combineren kleine quantumcircuits met klassieke AI- of HPC-systemen, maar worden vooralsnog alleen gebruikt voor onderzoek en experimentele pilots, niet voor productieomgevingen.

Volgens Gartner groeit de druk vanuit leveranciers om quantum en AI als samenhangend te presenteren, waardoor bestuurders geneigd kunnen zijn AI-budget te verschuiven naar onderzoek dat vóór 2030 geen rendement oplevert. Het bureau voorspelt dat fault-tolerant quantumcomputing tot 2030 in de onderzoeksfase blijft voor AI-toepassingen, omdat het aantal beschikbare logische qubits ontoereikend is voor economisch haalbare AI-algoritmes.

'Houd budgetten gescheiden'

Gartner adviseert daarom de budgetten voor quantumonderzoek en AI-productie-infrastructuur gescheiden te houden. Generatieve AI levert volgens het bureau binnen twaalf tot achttien maanden meetbare resultaten op het gebied van doorlooptijd, nauwkeurigheid en automatisering, terwijl quantum-AI nog geen aantoonbare waarde heeft gebracht in productieomgevingen. Het samenvoegen van beide budgetten zou de verantwoording voor beide trajecten vertroebelen, aldus Dekate. Hij wijst erop dat cio's generatieve AI, agentische AI, cybersecurity en cloud doorgaans als topprioriteiten voor investeringen noemen, terwijl quantum niet op die lijst voorkomt en cio's die er wel in investeren dat doen tegen een beduidend lager tempo dan bij generatieve AI, zonder op korte termijn rendement te eisen.

De marktonderzoekers raadt organisaties aan quantum-geïnspireerde klassieke methoden te integreren binnen hun bestaande AI-infrastructuur, in plaats van te investeren in quantumhardware. Deze klassieke benaderingen op terreinen als optimalisatie, generatieve AI, lineaire algebra, grafiekanalyse en reinforcement learning bieden volgens Gartner vergelijkbare voordelen, zonder de kosten, complexiteit en onvolwassenheid van quantumsystemen. Verder adviseert het bureau om bij elke quantumpilot vooraf duidelijke succescriteria, een klassieke benchmark en stopcondities vast te leggen, om te voorkomen dat open-einde experimenten budget verbruiken zonder meetbaar resultaat. Ten slotte stelt Gartner dat niet het aantal fysieke qubits de belangrijkste voortgangsindicator is, maar de beschikbaarheid van logische qubits met bruikbare foutpercentages. Vooruitgang in foutcorrectie, AI-ondersteunde kalibratie en quantumbesturing is volgens de marktonderzoeker relevanter voor bedrijfswaarde dan aankondigingen van grotere quantumprocessors.

Klanten van Gartner kunnen meer informatie vinden in 'Quantum Belongs in R&D, Not in Your AI Stack Yet'.