Het navigeren van AI-implementatie: het vermijden van valkuilen en het garanderen van succes

Het pad naar AI is geen sprint – het is een marathon, en bedrijven moeten hun tempo dienovereenkomstig aanpassen. Degene die rennen voordat ze hebben geleerd te lopen, zullen struikelen en zich bij de begraafplaats van bedrijven voegen die te snel probeerden te rennen om een soort van AI-eindpunt te bereiken. De waarheid is dat er geen eindpunt is. Er is geen bestemming waar een bedrijf kan aankomen en zeggen dat AI voldoende is veroverd. Volgens McKinsey was 2023 het doorbraakjaar voor AI, met ongeveer 79% van de medewerkers die zeiden dat ze enige vorm van blootstelling aan AI hadden gehad. Echter, doorbraaktechnologieën volgen geen lineaire ontwikkelingspaden; ze gaan op en neer, stijgen en dalen, totdat ze deel uitmaken van de bedrijfsstructuur. De meeste bedrijven begrijpen dat AI een marathon is en geen sprint, en dat is het waard om in gedachten te houden.

Neem bijvoorbeeld de Hype Cycle van Gartner. Elke nieuwe technologie die verschijnt, gaat door dezelfde reeks stadia op de hype-cyclus, met heel weinig uitzonderingen. Die stadia zijn als volgt: Innovatie Trigger; Peak of Inflated Expectations; Trough of Disillusionment; Slope of Enlightenment, en Plateau of Productivity. In 2023 plaatste Gartner Generative AI stevig in het tweede stadium: de Peak of Inflated Expectations. Dit is wanneer de hype rond de technologie op zijn hoogtepunt is, en terwijl sommige bedrijven erin slagen om er vroeg van te profiteren en vooruit te komen, zullen de meeste bedrijven worstelen met de Trough of Disillusionment en mogelijk niet eens de Plateau of Productivity bereiken.

Alles bij elkaar genomen betekent dit dat bedrijven voorzichtig moeten zijn bij de implementatie van AI. Terwijl de eerste aantrekkingskracht van de technologie en haar mogelijkheden verleidelijk kan zijn, is het nog steeds volop in ontwikkeling en worden haar grenzen nog steeds getest. Dat betekent niet dat bedrijven AI moeten vermijden, maar ze moeten de belangrijkheid van een duurzaam tempo, duidelijke doelen en zorgvuldige planning van hun reis erkennen. Leidinggevende teams en medewerkers moeten volledig worden meegenomen in het idee, datakwaliteit en -integriteit moeten worden gegarandeerd, en compliance-doelen moeten worden behaald – en dat is nog maar het begin.

Door te beginnen met kleine stappen en haalbare mijlpalen te definiëren, kunnen bedrijven AI op een gemeten en duurzame manier inzetten, waardoor ze met de technologie meebewegen in plaats van ervoor uit te lopen. Hier zijn enkele van de meest voorkomende valkuilen die we in 2024 zien:

Valkuil 1: AI-leiderschap

Het is een feit: zonder instemming van de top, zullen AI-initiatieven falen. Terwijl medewerkers generatieve AI-hulpmiddelen voor zichzelf kunnen ontdekken en in hun dagelijkse routine opnemen, brengt dit bedrijven in problemen rond data-privacy, -beveiliging en -compliance. De implementatie van AI, in welke vorm dan ook, moet van bovenaf komen, en een gebrek aan interesse in AI van bovenaf kan net zo gevaarlijk zijn als te hard van stapel lopen.

Neem bijvoorbeeld de gezondheidsverzekeringssector in de VS. In een recente onderzoek van ActiveOps bleek dat 70% van de operationele leiders geloofde dat de topmanagers niet geïnteresseerd waren in AI-investeringen, waardoor een aanzienlijke barrière voor innovatie ontstond. Terwijl ze de voordelen kunnen zien, met bijna 8 van de 10 die het erover eens zijn dat AI de operationele prestaties aanzienlijk kan verbeteren, blijkt het gebrek aan steun van bovenaf een frustrerende barrière voor vooruitgang te zijn.

Waar AI wordt gebruikt, is organisatorische instemming en leiderschapssteun essentieel. Duidelijke communicatiekanalen tussen leiderschap en AI-projectteams moeten worden opgezet. Regelmatische updates, transparante voortgangsrapporten en discussies over uitdagingen en kansen zullen helpen om leiderschapssteun te behouden en op de hoogte te houden. Wanneer leiders goed op de hoogte zijn van de AI-reis en haar mijlpalen, zijn ze meer geneigd om de voortdurende steun te bieden die nodig is om door complexiteiten en onvoorziene problemen heen te komen.

Valkuil 2: Datakwaliteit en -integriteit

Het gebruik van slechte datakwaliteit met AI is als het stoppen van diesel in een benzinemotor. U krijgt slechte prestaties, gebroken onderdelen en een dure rekening om het te repareren. AI-systemen zijn afhankelijk van grote hoeveelheden data om te leren, aan te passen en nauwkeurige voorspellingen te doen. Als de data die in deze systemen wordt ingevoerd, gebrekkig, onvolledig, verkeerd geclassificeerd of bevooroordeeld is, zullen de resultaten onbetrouwbaar zijn. Dit ondermijnt niet alleen de effectiviteit van AI-oplossingen, maar kan ook leiden tot aanzienlijke tegenslagen en wantrouwen in AI-mogelijkheden.

Onze onderzoek toont aan dat 90% van de operationele leiders zegt dat te veel moeite nodig is om inzichten te verkrijgen uit hun operationele data – te veel ervan is gesiloëerd en gefragmenteerd over meerdere systemen, en vol met inconsistenties. Dit is nog een valkuil die bedrijven tegenkomen bij de overweging van AI – hun data is eenvoudigweg niet klaar.

Om dit aan te pakken en hun datahygiëne te verbeteren, moeten bedrijven investeren in robuuste data-governance-kaders. Dit omvat het opstellen van duidelijke data-standaarden, het garanderen dat data consequent wordt schoongemaakt en gevalideerd, en het implementeren van systemen voor continue datakwaliteitsmonitoring. Door een enkele bron van waarheid te creëren, kunnen organisaties de betrouwbaarheid en toegankelijkheid van hun data verbeteren, wat ook het pad voor AI zal vergemakkelijken.

Valkuil 3: AI-geletterdheid

AI is een instrument, en instrumenten zijn alleen effectief als ze worden gebruikt door de juiste handen. Het succes van AI-initiatieven hangt niet alleen af van de technologie, maar ook van de mensen die het gebruiken, en die mensen zijn schaars. Volgens Salesforce identificeerden bijna twee derde (60%) van de IT-professionals een tekort aan AI-vaardigheden als hun nummer één barrière voor AI-implementatie. Dat klinkt als bedrijven die gewoon niet klaar zijn voor AI, en ze moeten beginnen met het aanpakken van die vaardigheidskloof voordat ze beginnen met investeren in AI-technologie.

Dat betekent niet noodzakelijk dat ze op een wervingsrage moeten gaan. Trainingsprogramma’s kunnen worden ingevoerd om de huidige werknemers op te leiden, zodat ze de capaciteiten hebben om AI effectief te gebruiken. Het opbouwen van deze soort AI-geletterdheid binnen de organisatie omvat het creëren van een omgeving waarin continue leren wordt aangemoedigd – workshops, online cursussen en praktische projecten kunnen helpen om AI te demystificeren en het toegankelijker te maken voor medewerkers op alle niveaus, waardoor een snellere implementatie en meer tastbare voordelen mogelijk worden.

Wat nu?

Het succesvol adopteren van AI vereist meer dan alleen investeren in technologie; het vereist een weloverwogen, strategische aanpak die de instemming van medewerkers en de steun van het leiderschap waarborgt. Het vereist ook dat bedrijven zelfbewust zijn en zich realiseren dat technologie beperkingen heeft – terwijl de interesse in AI aan het stijgen is en de adoptie op een hoogtepunt is, is er een goede kans dat de AI-bubbel zal barsten voordat hij zich corrigeert en een stabiel, betrouwbaar instrument wordt dat bedrijven nodig hebben. Onthoud, we zijn nu op de Peak of Inflated Expectations, en de Trough of Disillusionment moet nog worden overwonnen. Bedrijven die graag in AI willen investeren, kunnen zich voorbereiden op de aanstormende storm door hun medewerkers voor te bereiden, AI-gebruiksbeleid in te stellen en ervoor te zorgen dat hun data schoon, goed georganiseerd en correct geclassificeerd en geïntegreerd is over hun hele bedrijf.