Vejen til AI-modenhed – 2023 LXT-rapport

I dag investerer innovationsdrevne virksomheder betydelige ressourcer i kunstig intelligens (AI)-systemer for at fremme deres AI-modenhedsrejse. Ifølge IDC forventes verdensomspændende udgifter til AI-centrerede systemer at overstige 300 milliarder dollars i 2026, sammenlignet med 118 milliarder dollars i 2022.

I fortiden har AI-systemer fejlet mere hyppigt på grund af manglende procesmodenhed. Omkring 60-80% af AI-projekter fejlede på grund af dårlig planlægning, mangel på ekspertise, utilstrækkelig datastyring eller etiske og retfærdighedsproblemer. Men med hvert år, der går, forbedres dette tal.

I dag er AI-projektfejlratennet på gennemsnit kommet ned til 46%, ifølge den seneste LXT-rapport. Sandsynligheden for AI-fejl reduceres yderligere til 36%, når en virksomhed avancerer i sin AI-modenhedsrejse.

Lad os yderligere udforske en organisations vej til AI-modenhed, de forskellige modeller og rammer, den kan anvende, og de vigtigste forretningsdrivere for opbygning af en effektiv AI-strategi.

Hvad er AI-modenhed?

AI-modenhed henviser til det niveau af fremgang og sofistikation, en virksomhed har opnået i at antage, implementere og skale AI-aktiverede teknologier for at forbedre sine forretningsprocesser, produkter eller tjenester.

Ifølge LXT AI-modenhedsrapport 2023, har 48% af mellemstore til store virksomheder i USA opnået højere niveauer af AI-modenhed (diskuteret nedenfor), hvilket repræsenterer en stigning på 8% i forhold til den foregående års undersøgelsesresultater, mens 52% af virksomheder aktivt eksperimenterer med AI.

Rapporten foreslår, at det mest lovende arbejde er blevet udført i Natural Language Processing (NLP) og talegenkendelse – underkategorier af AI – da de havde det største antal implementerede løsninger på tværs af brancher.

Desuden har produktion og forsyningskædeindustrien den laveste AI-projektfejlrate (29%), mens detailhandel og e-handel har den højeste (52%).

Udforskning af forskellige AI-modenhedsmodeller

Som regel udvikler AI-drevne organisationer AI-modenhedsmodeller, der er tilpasset deres forretningsbehov. Men den underliggende idé om modenhed forbliver konsekvent på tværs af modeller, fokuseret på at udvikle AI-relaterede kompetencer for at opnå optimal forretningspræstation.

Nogle fremtrædende modenhedsmodeller er blevet udviklet af Gartner, IBM og Microsoft. De kan fungere som vejledning for organisationer på deres AI-antagelsesrejse.

Lad os kort udforske AI-modenhedsmodellerne fra Gartner og IBM nedenfor.

Gartner AI-modenhedsmodel

Gartner har en 5-niveaus AI-modenhedsmodel, som virksomheder kan bruge til at vurderere deres modenhedsniveauer. Lad os diskutere dem nedenfor.

Gartner AI-modenhedsmodel illustration. Kilde: LXT-rapport 2023

• Niveau 1 – Bevidsthed: Virksomheder på dette niveau begynder at diskutere mulige AI-løsninger. Men der er ingen pilotprojekter eller eksperimenter i gang for at teste livskraften af disse løsninger på dette niveau.
• Niveau 2 – Aktiv: Virksomheder er på de indledende stadier af AI-eksperimenter og pilotprojekter.
• Niveau 3 – Operativ: Virksomheder på dette niveau har taget konkrete skridt mod AI-antagelse, herunder flytning af mindst ét AI-projekt til produktion.
• Niveau 4 – Systematisk: Virksomheder på dette niveau anvender AI til de fleste af deres digitale processer. Desuden faciliterer AI-drevne applikationer produktiv interaktion inden for og uden for organisationen.
• Niveau 5 – Transformationel: Virksomheder har antaget AI som en integreret del af deres forretningsprocesser.

Ifølge denne model begynder virksomheder at opnå AI-modenhed fra niveau 3 og opefter.

IBM AI-modenhedsramme

IBM har udviklet sin egen unikke terminologi og kriterier for at vurderere modenheden af AI-løsninger. De tre faser i IBMs AI-modenhedsramme omfatter:

IBM AI-modenhedsramme faser

• Sølv: På dette niveau af AI-kapacitet udforsker virksomheder relevante værktøjer og teknologier for at forberede sig på AI-antagelse. Det omfatter også forståelse af AI’s indvirkning på forretningsprocesser, dataforberedelse og andre forretningsfaktorer relateret til AI.
• Guld: På dette niveau opnår organisationer en konkurrencemæssig fordel ved at levere en meningsfuld forretningsresultat gennem AI. Denne AI-kapacitet giver anbefalinger og forklaringer bakket op af data, er brugervenlig for forretningsbrugere og viser god datahygiejne og automatisering.
• Platin: Denne avancerede AI-kapacitet er bæredygtig for mission-kritiske arbejdsgange. Den tilpasser sig indkommende brugerdata og giver klare forklaringer for AI-resultater. Desuden er der stærke datastyrings- og ledelsesforanstaltninger på plads, som understøtter automatiseret beslutningstagning.

De vigtigste barrierer på vejen til at opnå AI-modenhed

Virksomheder står over for flere udfordringer på vejen til modenhed. LXT-rapporten 2023 identificerer 11 barrierer, som vist i grafen nedenfor. Lad os diskutere nogle af dem her.

AI-modenhedsudfordringer graf. Kilde: LXT-rapport 2023

1. Integration af AI med eksisterende teknologi

Omkring 54% af virksomheder står over for udfordringen med at integrere eksisterende teknologi i AI-systemer, hvilket er den største barriere for at nå modenhed.

2. Datakvalitet

Højkvalitets træningsdata er afgørende for at opbygge præcise AI-systemer. Men at indsamle højkvalitetsdata forbliver en stor udfordring for at nå modenhed. Rapporten finder, at 87% af virksomheder er villige til at betale mere for at erhverve højkvalitets træningsdata.

3. Kompetencegap

Uden de rette kompetencer og ressourcer kæmper virksomheder for at opbygge succesfulde AI-brugstilfælde. Faktisk står 31% af virksomheder over for en mangel på kvalificeret talent til at støtte deres AI-initiativer og nå modenhed.

4. Svag AI-strategi

Det meste af den AI, vi observerer i virkelige systemer, kan klassificeres som svag eller snæver. Det er en AI, der kan udføre en begrænset række opgaver, som den er trænet til. Omkring 20% af virksomheder har ikke en omfattende AI-strategi.

For at overvinde denne udfordring bør virksomheder tydeligt definere og dokumentere deres AI-mål, investere i kvalitetsdata og vælge de rette modeller til hver opgave.

De vigtigste forretningsdrivere for at fremme jeres AI-strategier

LXT-modenhedsrapporten identificerer ti nøgleforretningsdrivere for AI, som vist i grafen nedenfor. Lad os diskutere nogle af dem her.

En illustration af nøgleforretningsdrivere for AI. Kilde: LXT-rapport 2023

1. Forretningsagilitet

Forretningsagilitet henviser til, hvor hurtigt en organisation kan tilpasse sig til ændringer i digitale tendenser og muligheder ved hjælp af innovative forretningsløsninger. Det forbliver den øverste driver for AI-strategier for omkring 49% af virksomheder.

AI kan hjælpe virksomheder med at opnå forretningsagilitet ved at aktivere hurtigere og mere præcis beslutningstagning, automatisere repetitive opgaver og forbedre operationelle effektiviteter.

2. Forudsigelse af kundernes behov

Omkring 46% af virksomheder betragter forudsigelse af kundernes behov som en af de nøgleforretningsdrivere for AI-strategier. Ved at bruge AI til at analysere kundedata kan virksomheder få indsigt i kundernes adfærd, præferencer og behov, hvilket giver dem mulighed for at tilpasse deres produkter og tjenester til bedre at møde kundernes forventninger.

3. Konkurrencemæssig fordel

Konkurrencemæssig fordel giver virksomheder mulighed for at differentiere sig fra deres konkurrenter og opnå en fordel på markedet. Det er en nøgleforretningsdriver for AI-strategier, ifølge 41% af virksomheder.

4. Rationalisering af beslutningstagning

AI-baseret automatiseret beslutningstagning kan betydeligt reducere den tid, der kræves for at træffe kritiske data-baserede beslutninger. Det er derfor, omkring 42% af virksomheder betragter rationalisering af beslutningstagning som en major forretningsdriver for AI-strategier.

5. Produktudvikling

Fra at være anerkendt som den øverste forretningsdriver for AI-strategier i 2021 er innovativ produktudvikling faldet til syvendepladsen, med 39% af virksomheder, der betragter det som en forretningsdriver i 2023.

Dette viser, at anvendeligheden af AI i forretningsprocesser ikke afhænger udelukkende af produktets kvalitet. Andre forretningsaspekter som høj robusthed, bæredygtighed og en hurtig markedsføringstid er afgørende for forretningsucces.

For mere information om de seneste tendenser og teknologier inden for kunstig intelligens kan du besøge unite.ai.