Bedrijven moeten leren omgaan met kunstmatige intelligentie (AI) - anders lopen ze het risico ten onder te gaan. Voor de meeste bedrijfsgebieden is AI een belangrijk onderdeel van de oplossing om efficiëntere, nauwkeurigere en gebruiksvriendelijkere systemen te creëren. Veel organisaties vinden de overstap echter lastig. De volgende vier principes laten zien hoe bedrijven de uitdagingen kunnen overwinnen om datagestuurde AI Champions te worden.1
De AI-markt is booming: als ik met analisten praat, gaan ze ervan uit dat de wereldwijde verkoop van deze technologie tegen 2028 meer dan verdubbeld zal zijn - tot een bedrag van ongeveer 1,2 miljard dollar. Veel branches - van de auto-industrie tot de energiesector en logistieke bedrijven - investeren in AI-oplossingen. Op dit moment gebruiken bedrijven AI echter vaak alleen voor individuele toepassingen. Met name zeer specifieke stand-alone implementaties zijn echter moeilijk over te dragen naar andere afdelingen. Het eerste principe in de omgang met AI is daarom: volledige focus op de fusie van alle operationele systemen. Bij elk nieuw systeem dat bedrijven introduceren, moeten ze ervoor zorgen dat het via interfaces kan communiceren met de andere bestaande systemen. Dit geldt overigens altijd, ongeacht of AI al dan niet wordt gebruikt. Wie dit principe ter harte neemt, zorgt ervoor dat alle gegevens in het hele bedrijf samenkomen om deze te kunnen gebruiken om AI-toepassingen te trainen.
Digitalisering verandert functiegebaseerde systemen in gegevensgebaseerde systemen. Om afzonderlijke toepassingen, ontoegankelijke datasilo's en onbekende gegevensformaten te vermijden, is het in het AI-tijdperk noodzakelijk om informatie te leveren in een gemakkelijk te gebruiken formaat. Hoe kan de informatie van een nieuw systeem andere toepassingen helpen? Hoe moeten de gegevens worden voorbereid om in de toekomst te kunnen worden opgenomen in het bedrijfsinterne AI-model? Het principe van "Service Thinking" maakt alle gegevensbronnen - inclusief historische gegevens uit ERP- of CRM-systemen - bruikbaar in het bedrijf en vergemakkelijkt het schalen van AI-oplossingen. Een voorbeeld hiervan is Dematic, een leverancier van geautomatiseerde transport- en sorteersystemen: in samenwerking met T-Systems biedt Dematic zijn klanten volledig geautomatiseerde hoogbouwmagazijnsystemen. De AI binnen het systeem gebruikt alle beschikbare klantgegevens om patronen te herkennen en processen te verbeteren.
De voordelen van AI-toepassingen en -platforms kunnen vooral optimaal benut worden wanneer zoveel mogelijk afdelingen en gebruikers er gebruik van kunnen maken. Voor een succesvolle AI-strategie moeten bedrijven daarom de bruikbaarheid van AI-toepassingen bevorderen. Voor deze stap zijn gebruiksvriendelijke interfaces noodzakelijk om het AI-platform gemakkelijk toegankelijk te maken voor gebruikers binnen het bedrijf. Via een intuïtieve chatbotinterface kunnen medewerkers AI om relevante informatie vragen voor hun eigen werkstappen. Verkopers kunnen bijvoorbeeld een AI-platform gebruiken door de chatbot relevante klantgegevens te laten exporteren voor het volgende verkoopgesprek. Een bijkomend effect van de toegenomen bruikbaarheid: hoe meer expertise het personeel heeft in de omgang met kunstmatige intelligentie, des te sneller de AI-investering winstgevende toegevoegde waarde genereert.
Iedereen die met AI-modellen werkt, moet het belang van gegevenskwaliteits- en risicobeheer in het oog houden. De onlangs aangenomen Europese AI-wet formuleert duidelijke administratieve eisen waaraan bedrijven moeten voldoen bij het gebruik van AI. De regelgeving biedt bedrijven echter nog steeds voldoende speelruimte om te experimenteren. Het bedrijfsmanagement moet dit ook ter harte nemen en definiëren wat zij willen bereiken met AI. Vervolgens dienen zij hun afdelingen de vrije hand te geven bij de concrete ontwikkeling. Medewerkers kunnen hun eigen AI-toepassingen opzetten met behulp van low-codetools. Veel van onze klanten hebben hier geweldige voorbeelden van: een productieteam dat AI gebruikt om processen aan de lopende band te innoveren of de HR-afdeling die een eigen AI-toepassing gebruikt om sollicitatiedocumenten te analyseren. Het proactieve en creatieve gebruik van AI zorgt voor veel kleine innovaties waar vroeger hele ontwikkelingsafdelingen voor nodig waren geweest.
Uit eigen ervaring kan ik zeggen: de datagestuurde transformatie kan alleen slagen als bedrijven een duidelijke strategie uitstippelen. Het gebruik van AI hoeft niet het onmiddellijke doel te zijn. Hoe eerder bedrijven echter de beschikbaarheid en harmonisatie van gegevensbronnen aanpakken, des te gemakkelijker het in een later stadium zal zijn om deze gegevens te gebruiken. Een sterke gegevensbasis en een open, moedige AI-cultuur zijn de beste ingrediënten voor een succesvolle digitalisering. Als je geïnteresseerd bent in AI, meer wilt weten of al bezig bent met het implementeren van je eigen AI-roadmap, laat dan een berichtje achter. Ik kijk ernaar uit om ideeën uit te wisselen en jullie suggesties te horen.
1 How to move beyond a monolithic data lake to a distributed data mesh, Zhamak Dehghani, 2019, martinfowler.com
