De echte waarde van AI is gebouwd op data en mensen – niet alleen technologie

De belofte van AI breidt zich dagelijks uit – van het stimuleren van individuele productiviteitswinsten tot het mogelijk maken voor organisaties om krachtige nieuwe bedrijfsinzichten te ontdekken via data. Terwijl het potentieel van AI onbeperkt lijkt en de impact gemakkelijk is te voorstellen, is de reis naar een echt AI-georiënteerd ecosysteem zowel complex als uitdagend. Deze reis begint en eindigt niet met het implementeren, adopteren of zelfs consistent gebruiken van AI – het eindigt daar. Het realiseren van de volledige waarde van een AI-oplossing hangt uiteindelijk af van de kwaliteit van de data en de mensen die het implementeren, beheren en toepassen om betekenisvolle resultaten te behalen.

Data: De hoeksteen van AI-succes

Data, de constante van de organisatie. Of het nu een kleine winkel of een groot bedrijf is, elk bedrijf draait op data (financiële gegevens, voorraad, beveiligingsbeelden enz.). Het beheer, de toegankelijkheid en het bestuur van deze data vormen de hoeksteen voor het realiseren van het volledige potentieel van AI binnen een organisatie. Gartner merkte onlangs op dat 63% van de organisaties ofwel geen vertrouwen hebben of onzeker zijn over of hun bestaande datapraktijk of -beheerstructuur voldoende is voor een succesvolle adoptie van AI. Het mogelijk maken van een organisatie om het volledige potentieel van AI te ontgrendelen, vereist een goed doordachte datapraktijk. Van verzameling, opslag, synthese, analyse, beveiliging, privacy, bestuur en toegangscontrole – er moet een kader en methodologie zijn om AI goed te benutten. Bovendien is het essentieel om de risico’s en onbedoelde gevolgen te mitigeren. Kortom, data is de hoeksteen van analytics en de brandstof voor uw AI.

De toegang van uw AI-oplossing tot uw data bepaalt het potentieel om te leveren – zozeer zelfs dat we de opkomst zien van nieuwe functies die specifiek zijn ontworpen voor dit doel, de Chief Data Officer (CDO). Simpel gezegd, als een AI-oplossing wordt geïntroduceerd in een omgeving met “vrij zwevende” data die toegankelijk is voor iedereen – zal het foutgevoelig, bevooroordeeld, niet-compliant en waarschijnlijk gevoelige en privé-informatie blootstellen. Omgekeerd, wanneer de data-omgeving rijk, gestructureerd, nauwkeurig is en binnen een kader en methodologie voor het gebruik van data door de organisatie – kan AI onmiddellijke voordelen opleveren en vele uren besparen op modellering, forecasting en propensity-ontwikkeling. Rondom de data-hoeksteen zijn toegangsrechten en -beleid voor data, wat op zichzelf een zorgpunt vormt – het menselijke element.

Mensen: De onderschatte factor in AI-adoptie

IDC deelde onlangs mee dat 45% van de CEOs en meer dan 66% van de CIO’s aangaven aarzeling te hebben over technologieleveranciers die de potentiële risico’s van AI niet volledig begrijpen. Deze leiders hebben recht op hun voorzichtigheid. De gevolgen van oude IT-risico’s blijven grotendeels hetzelfde met beheerde AI (bijv. downtime, operationele stilstanden, dure cyberverzekeringspremies, boetes wegens non-conformiteit, klantervaring, datalekken, ransomware en meer) en worden verergerd door de integratie van AI in IT. De zorg komt voort uit het gebrek aan begrip van de oorzaken van deze gevolgen of voor diegenen die niet op de hoogte zijn, de angst die voortkomt uit AI-activatie van medewerkers die fungeert als katalysator voor deze gevolgen.

De brandende vraag is, “Moet ik investeren in dit dure IT-hulpmiddel dat mijn bedrijfsprestaties aanzienlijk kan verbeteren op elk functioneel niveau, maar met het risico van IT-implodie als gevolg van een gebrek aan medewerkerbereidheid en -activatie?” Dramatisch? Absoluut – bedrijfsrisico’s zijn altijd dramatisch, en we weten al het antwoord op die vraag. Met complexere technologieën en verhoogd operationeel potentieel, moet de inspanning om teams in staat te stellen deze tools wettig, correct, efficiënt en effectief te gebruiken, eveneens toenemen.

De uitdaging voor de leverancier

Het gebrek aan vertrouwen in de kennis van technologieleveranciers gaat verder dan onderwerpgerelateerde expertise en weerspiegelt een dieper probleem: het onvermogen om duidelijk de specifieke risico’s te articuleren waarmee een organisatie te maken kan krijgen bij onjuiste implementaties en onrealistische verwachtingen.

De relatie tussen een organisatie en technologieleveranciers is vergelijkbaar met die tussen een patiënt en een zorgverlener. De patiënt raadpleegt een zorgverlener met symptomen en zoekt naar een diagnose en hoopt op een eenvoudige en kosteneffectieve remedie. In preventieve situaties zal de zorgverlener samenwerken met de patiënt aan dieetaanbevelingen, leefstijlkeuzes en gespecialiseerde behandeling om specifieke gezondheidsdoelen te bereiken. Op soortgelijke wijze is er een verwachting dat organisaties prescriptieve oplossingen zullen ontvangen van technologieleveranciers om technologie-implementaties op te lossen of te plannen. Echter, wanneer organisaties niet in staat zijn om prescriptieve risico’s te bieden die specifiek zijn voor bepaalde IT-omgevingen, verergert dit de onzekerheid van AI-implementatie.

Zelfs wanneer IT-leveranciers de risico’s en potentiële gevolgen van AI effectief communiceren, worden veel organisaties afgeschrikt door de werkelijke totale kosten van eigendom (TCO) die betrokken zijn bij het leggen van de noodzakelijke basis. Er is een groeiend besef dat een succesvolle AI-implementatie moet beginnen binnen de bestaande omgeving – en alleen wanneer die omgeving is gemoderniseerd, kunnen organisaties de waarde van AI-integratie echt ontsluiten. Het is vergelijkbaar met de veronderstelling dat iedereen in de cockpit van een F1-supersportwagen kan springen en meteen races kan winnen. Elke redelijke persoon weet dat succes in racen het resultaat is van zowel een vaardige bestuurder als een hoge prestatie-machine. Op soortgelijke wijze kunnen de voordelen van AI alleen worden gerealiseerd wanneer een organisatie goed is voorbereid, getraind en uitgerust om AI te adopteren en te implementeren.

Case in Point: Microsoft 365 Copilot

Microsoft 365 Copilot is een goed voorbeeld van een bestaande AI-oplossing waarvan het potentieel en de waarde vaak zijn miskend of verwaterd vanwege de misgekalibreerde verwachtingen van klanten – over hoe AI moet worden geïmplementeerd en wat men denkt dat het moet doen, in plaats van te begrijpen wat het kan doen. Vandaag gebruiken meer dan 70% van de Fortune 500-bedrijven al Microsoft 365 Copilot. Echter, de wijdverbreide angst dat AI banen zal vervangen, is grotendeels een misverstand wanneer het gaat om de meeste echte AI-toepassingen. Terwijl banenvervanging heeft plaatsgevonden in sommige gebieden – zoals volledig geautomatiseerde “donkere magazijnen” – is het belangrijk om onderscheid te maken tussen AI als geheel en het gebruik ervan in robotica. Het laatste heeft een directere invloed op banenvervanging.

In de context van Modern Work, ligt de primaire waarde van AI in het verbeteren van de prestaties en het verhogen van de expertise – niet in het vervangen ervan. Door tijd te besparen en de functionele output te verhogen, maakt AI het mogelijk om meer agile go-to-market-strategieën en snellere waardelevering te realiseren. Echter, deze voordelen zijn afhankelijk van kritieke faciliteiten:

• Een volwassen datapraktijk
• Stevig toegangsbeheer en -bestuur
• Robuuste beveiligingsmaatregelen om risico’s te mitigeren
• Mensenfacilitering rondom verantwoordelijke AI-gebruik en beste praktijken

Hier zijn enkele voorbeelden van AI-gedreven functionele verbeteringen in verschillende bedrijfsgebieden:

• Verkoopleiders kunnen propensity-modellen genereren met behulp van klantlevenscyclusdata om cross-sell- en upsell-strategieën te stimuleren, waardoor klantbehoud en -waarde verbeteren.
• Corporate Strategy & FP&A-teams krijgen diepere inzichten dankzij de tijd die wordt bespaard bij het analyseren van bedrijfseenheden, waardoor betere afstemming met corporate doelen mogelijk wordt.
• Teams voor Accounts Receivable kunnen betalingscycli efficiënter beheren met snellere toegang tot actiegerichte data, waardoor outreach en klantbetrokkenheid verbeteren.
• Marketingleiders kunnen effectievere, verkoopgerichte go-to-market-strategieën opbouwen door AI-inzichten te gebruiken over verkoopprestaties en -kansen.
• Operationele teams kunnen de tijd die wordt besteed aan het herstellen van financiële en verkoopgegevens, minimaliseren tijdens het einde van het kwartaal of het einde van het jaar.
• Klantensucces- en ondersteuningsteams kunnen de reactie- en resolutietijden verkorten door workflows te automatiseren en cruciale stappen te vereenvoudigen.

Deze voorbeelden krabben slechts aan de oppervlakte van het potentieel van AI om functionele transformatie en productiviteitswinsten te stimuleren. Toch vereist het realiseren van deze voordelen de juiste basis – systemen die AI in staat stellen om te integreren, te synthetiseren, te analyseren en uiteindelijk waarde te leveren.

Laatste gedachte: Geen plug-and-play voor AI

Het implementeren van AI om het volledige potentieel te ontsluiten, is niet zo eenvoudig als het installeren van een programma of applicatie. Het is de integratie van een verbonden web van autonome functies die uw hele IT-stack doordringen – inzichten en operationele efficiënties leverend die anders aanzienlijke handmatige inspanning, tijd en middelen zouden vereisen.

Het realiseren van de waarde van een AI-oplossing is gebaseerd op het opbouwen van een datapraktijk, het onderhouden van een robuust toegangs- en bestuurskader, en het beveiligen van het ecosysteem – een onderwerp dat zijn eigen diepe duik vereist.

De mogelijkheid voor technologieleveranciers om een gewaardeerde partner te zijn, zal afhankelijk zijn van zowel marketing als facilitering, gericht op het ontkrachten van mythen en het kalibreren van verwachtingen over wat het benutten van het potentieel van AI echt betekent.