De problemen bij AI-implementatie beginnen meestal bij de basis
Veel organisaties werken aan hun AI-ambities, maar in de praktijk blijven ze vaak steken in de experimenteerfase en leveren de use cases vooralsnog onvoldoende op. Dat blijkt uit de Data & AI Monitor van techconsultancy Xebia.
Het onderzoek, uitgevoerd onder meer dan 500 professionals uit meer dan 10 sectoren, peilt hoe organisaties met data en AI omgaan. Over de waarde van AI zijn leiders het roerend eens: in vrijwel alle sectoren erkennen de meesten het potentieel van AI om operaties te transformeren, besluitvorming te verbeteren en nieuwe waarde te creëren.
Ondanks deze ambities worstelen veel organisaties echter nog met het uitrollen van AI en het opschalen van de technologie van een pilot naar een bedrijfsbreed initiatief dat volledig is ingebed in de werkprocessen. Daardoor leeft bij managers het gevoel dat AI nog geen consistente en meetbare resultaten oplevert.
Datastrategie ontbreekt
De problemen beginnen meestal bij de basis. Minder dan de helft van de organisaties heeft een duidelijke, breedgedragen datastrategie. 51% van de bedrijven kampt met slechte kwaliteit van de data en bijna evenveel organisaties (47%) missen een datagedreven cultuur. In de helft van de gevallen is er onvoldoende budget om AI-experimenten van de grond te krijgen.
“Zonder deze fundamenten is het voor bedrijven lastig om AI daadwerkelijk te benutten”, zegt Sjoerd Pieksma, leider van Data & AI Strategy bij Xebia.
Digital-native sectoren lopen voor
De volwassenheid van AI verschilt sterk per bedrijfstak, waarbij met name zakelijke dienstverleners hoog scoren. 70% van deze bedrijven heeft duidelijke AI-plannen en bovendien halen ze hier vaker waarde uit. Vooral consultancybedrijven profiteren op dit moment van AI doordat ze doorgaans digital-native zijn en AI direct inzetten voor klantprojecten.
De maakindustrie en gezondheidszorg lopen flink achter. Fabrikanten werken vaak met verouderde systemen. Daarbij hebben zorgorganisaties te maken met strenge privacyregels en versnipperde patiëntgegevens. Daardoor noemen beide sectoren datakwaliteit en regelgeving als grootste obstakels.
Toepassingen
Uit het onderzoek blijkt dat data en AI binnen organisaties voor uiteenlopende use cases worden ingezet. Dashboards en rapportages springen eruit als vrijwel universele toepassingen: meer dan 80% van de organisaties maakt hier gebruik van. Andere toepassingen zijn onder meer voorspellende modellen, datawarehouses en generatieve AI, al bevindt gen AI zich nog in een vroeg stadium.
Opvallend is dat slechts 18% van de respondenten ‘responsible AI’ als prioriteit noemt. Dit terwijl juist responsible AI een kernvoorwaarde is voor het succes van AI: het waarborgt dat algoritmes op een eerlijke, transparante en mensgerichte manier worden ontwikkeld en toegepast. Responsible AI draagt bij aan vertrouwen, verkleint het risico op schade of bias en ondersteunt ethische besluitvorming binnen de organisatie.
AI-agents
Het onderzoek keek ook naar de verwachtingen rond AI-agents. Deze opkomende tak van AI kan in bepaalde bedrijfsdomeinen een ontwrichtende impact hebben, stelt het rapport. “AI-agents zijn niet simpelweg algoritmen die minder efficiënte systemen vervangen, maar autonome systemen die bedrijfsmodellen vanaf de basis kunnen hertekenen en opnieuw opbouwen.”
Tegelijkertijd bestaan er zorgen dat AI-agents een serieuze bedreiging vormen voor medewerkers in functies die door de technologie overbodig worden. Bijna de helft (45%) van de leiders verwacht dat AI-agents ertoe zullen leiden dat minder personeel nodig is. Ook op de werkvloer leeft deze vrees: veel medewerkers, met name in de maakindustrie en de zorg, zijn bang voor baanverlies.
Pieksma: “AI-agenten en assistenten versnellen de AI-adoptie, maar leggen tegelijk elke zwakte in het datafundament van een organisatie bloot. Zonder duidelijke AI-strategie, robuuste governance en hoogwaardige datakwaliteit doen deze tools meer kwaad dan goed.”
De Xebia-consultant benadrukt hierbij het belang van een tijdige maar ook integrale voorbereiding: “Naarmate AI meer beslissingen overneemt, lopen de kosten van gebrekkige voorbereiding snel op. Snelheid is verleidelijk, maar alleen een doordachte aanpak zorgt voor blijvend voordeel.”
