De Weg naar AI-Maturiteit – 2023 LXT-rapport

Vandaag investeren innovatiegedreven bedrijven aanzienlijke middelen in kunstmatige intelligentie (AI)-systemen om hun AI-maturiteitsreis te bevorderen. Volgens IDC zal de wereldwijde uitgaven aan AI-georiënteerde systemen naar verwachting meer dan 300 miljard dollar bedragen in 2026, vergeleken met 118 miljard dollar in 2022.

In het verleden zijn AI-systemen vaker mislukt vanwege een gebrek aan procesmaturiteit. Ongeveer 60-80% van de AI-projecten faalden vanwege slechte planning, gebrek aan expertise, onvoldoende gegevensbeheer of ethiek- en rechtvaardigheidskwesties. Maar met het verstrijken van de jaren verbetert dit cijfer.

Vandaag is het gemiddelde AI-projectmisluktingspercentage gedaald tot 46%, volgens het laatste LXT-rapport. De kans op AI-mislukking neemt verder af tot 36% naarmate een bedrijf vordert in zijn AI-maturiteitsreis.

Laten we de weg van een organisatie naar AI-maturiteit, de verschillende modellen en kaders die het kan gebruiken, en de belangrijkste zakelijke drijfveren voor het opbouwen van een effectieve AI-strategie verder onderzoeken.

Wat is AI-Maturiteit?

AI-maturiteit verwijst naar het niveau van vooruitgang en sofisticatie dat een bedrijf heeft bereikt bij het adopteren, implementeren en schalen van AI-georiënteerde technologieën om zijn bedrijfsprocessen, producten of diensten te verbeteren.

Volgens de LXT AI-maturiteitsrapport 2023 hebben 48% van de middelgrote tot grote Amerikaanse organisaties een hoger niveau van AI-maturiteit bereikt (hieronder besproken), wat een stijging van 8% is ten opzichte van de resultaten van de vorige jaarlijkse enquête, terwijl 52% van de organisaties actief experimenteren met AI.

Het rapport suggereert dat de meest veelbelovende werkzaamheden zijn uitgevoerd in de Natural Language Processing (NLP) en spraakherkenning domeinen – subcategorieën van AI – aangezien deze de meeste geïmplementeerde oplossingen hadden in verschillende industrieën.

Bovendien heeft de productie- en toeleveringsketenindustrie het laagste AI-projectmislukningspercentage (29%), terwijl detailhandel en e-commerce het hoogste percentage hebben (52%).

Verkennen van Verschillende AI-Maturiteitsmodellen

Meestal ontwikkelen AI-gedreven organisaties AI-maturiteitsmodellen die zijn afgestemd op hun zakelijke behoeften. Echter, het onderliggende idee van maturiteit blijft consistent over modellen, gericht op het ontwikkelen van AI-gerelateerde capaciteiten om optimale bedrijfsprestaties te bereiken.

Sommige prominente maturiteitsmodellen zijn ontwikkeld door Gartner, IBM en Microsoft. Ze kunnen als leidraad dienen voor organisaties op hun AI-adoptiejourney.

Laten we de AI-maturiteitsmodellen van Gartner en IBM hieronder kort onderzoeken.

Gartner AI-Maturiteitsmodel

Gartner heeft een 5-niveaus AI-maturiteitsmodel dat bedrijven kunnen gebruiken om hun maturiteitsniveaus te beoordelen. Laten we deze hieronder bespreken.

Gartner AI-maturiteitsmodel illustratie. Bron: LXT-rapport 2023

• Niveau 1 – Bewustzijn: Organisaties op dit niveau beginnen met het bespreken van mogelijke AI-oplossingen. Maar, er zijn geen proefprojecten of experimenten gaande om de haalbaarheid van deze oplossingen te testen op dit niveau.
• Niveau 2 – Actief: Organisaties zijn in de beginfase van AI-experimenten en proefprojecten.
• Niveau 3 – Operationeel: Organisaties op dit niveau hebben concrete stappen gezet naar AI-adoptie, waaronder het overbrengen van tenminste één AI-project naar productie.
• Niveau 4 – Systematisch: Organisaties op dit niveau gebruiken AI voor de meeste van hun digitale processen. Bovendien faciliteren AI-gebaseerde toepassingen productieve interactie binnen en buiten de organisatie.
• Niveau 5 – Transformatief: Organisaties hebben AI geadopteerd als een inherente onderdeel van hun bedrijfsprocessen.

Volgens dit model bereiken bedrijven AI-maturiteit vanaf niveau 3.

IBM AI-Maturiteitskader

IBM heeft zijn eigen unieke terminologie en criteria ontwikkeld om de maturiteit van AI-oplossingen te beoordelen. De drie fasen van IBM’s AI-maturiteitskader zijn:

IBM AI-Maturiteitskader Fasen

• Zilver: Op dit niveau van AI-capaciteit onderzoeken bedrijven relevante tools en technologieën om zich voor te bereiden op AI-adoptie. Het omvat ook het begrijpen van de impact van AI op het bedrijf, gegevensvoorbereiding en andere bedrijfsfactoren gerelateerd aan AI.
• Goud: Op dit niveau bereiken organisaties een concurrerend voordeel door een betekenisvol bedrijfsresultaat te leveren via AI. Deze AI-capaciteit biedt aanbevelingen en verklaringen gesteund door gegevens, is bruikbaar door lijnbedrijfsgebruikers en toont goede gegevenshygiëne en automatisering.
• Platina: Deze geavanceerde AI-capaciteit is duurzaam voor missie-kritieke workflows. Het past zich aan aan inkomende gebruikersgegevens en biedt duidelijke verklaringen voor AI-resultaten. Bovendien zijn er sterke gegevensbeheer- en governance-maatregelen in plaats die ondersteuning bieden voor geautomatiseerd besluitvormen.

Belangrijkste Belemmeringen op de Weg naar het Bereiken van AI-Maturiteit

Organisaties worden geconfronteerd met verschillende uitdagingen bij het bereiken van maturiteit. Het LXT-rapport 2023 identificeert 11 belemmeringen, zoals weergegeven in de grafiek hieronder. Laten we er een paar bespreken.

Grafiek van AI-maturiteitsuitdagingen. Bron: LXT-rapport 2023

1. Integratie van AI met Bestaande Technologie

Ongeveer 54% van de organisaties wordt geconfronteerd met de uitdaging van het integreren van legacy- of bestaande technologie in AI-systemen, waardoor dit de grootste belemmering is om maturiteit te bereiken.

2. Gegevenskwaliteit

Hoge kwaliteit trainingsgegevens zijn essentieel voor het opbouwen van nauwkeurige AI-systemen. Echter, het verzamelen van hoge kwaliteit gegevens blijft een grote uitdaging bij het bereiken van maturiteit. Het rapport vindt dat 87% van de bedrijven bereid zijn meer te betalen voor het verkrijgen van hoge kwaliteit trainingsgegevens.

3. Vaardigheidsgat

Zonder de juiste vaardigheden en middelen worstelen organisaties om succesvolle AI-gebruiksgevallen op te bouwen. In feite worden 31% van de organisaties geconfronteerd met een gebrek aan geschoolde talenten voor het ondersteunen van hun AI-initiatieven en het bereiken van maturiteit.

4. Zwakke AI-Strategie

De meeste AI die we in echte systemen zien, kan worden gecategoriseerd als zwak of smal. Het is een AI die een eindige set taken kan uitvoeren waarvoor het is getraind. Ongeveer 20% van de organisaties hebben geen alomvattende AI-strategie.

Om deze uitdaging te overwinnen, moeten bedrijven duidelijk hun AI-doelstellingen definiëren en documenteren, investeren in kwaliteitsgegevens en de juiste modellen kiezen voor elke taak.

Belangrijkste Zakelijke Drijfveren voor het Verder Ontwikkelen van uw AI-Strategieën

Het LXT-maturiteitsrapport identificeert tien belangrijke zakelijke drijfveren voor AI, zoals weergegeven in de grafiek hieronder. Laten we er een paar bespreken.

Een illustratie van belangrijke zakelijke drijfveren voor AI. Bron: LXT-rapport 2023

1. Bedrijfsagiliteit

Bedrijfsagiliteit verwijst naar hoe snel een organisatie kan aanpassen aan veranderende digitale trends en kansen met behulp van innovatieve bedrijfsoplossingen. Het blijft de belangrijkste drijfveer voor AI-strategieën voor ongeveer 49% van de organisaties.

AI kan bedrijven helpen om bedrijfsagiliteit te bereiken door snellere en nauwkeurigere besluitvorming mogelijk te maken, repetitieve taken te automatiseren en operationele efficiëntie te verbeteren.

2. Voorspellen van Klantbehoeften

Ongeveer 46% van de organisaties beschouwt het voorspellen van klantbehoeften als een van de belangrijkste zakelijke drijfveren voor AI-strategieën. Door AI te gebruiken om klantgegevens te analyseren, kunnen bedrijven inzicht krijgen in klantgedrag, voorkeuren en behoeften, waardoor ze hun producten en diensten kunnen aanpassen om beter aan klantverwachtingen te voldoen.

3. Concurrerend Voordeel

Concurrerend voordeel stelt bedrijven in staat om zich te onderscheiden van hun concurrenten en een voorsprong te behalen in de markt. Het is een belangrijke drijfveer voor AI-strategieën, volgens 41% van de organisaties.

4. Stroomlijnen van Besluitvorming

AI-gebaseerde geautomatiseerde besluitvorming kan de tijd die nodig is om kritische, op gegevens gebaseerde beslissingen te nemen, aanzienlijk verminderen. Dit is waarom ongeveer 42% van de organisaties het stroomlijnen van besluitvorming beschouwt als een belangrijke zakelijke drijfveer voor AI-strategieën.

5. Productontwikkeling

Van het worden erkend als de belangrijkste zakelijke drijfveer voor AI-strategieën in 2021, is innovatieve productontwikkeling gedaald naar de zevende plaats, met 39% van de organisaties die het beschouwen als een zakelijke drijfveer in 2023.

Dit toont aan dat de toepasbaarheid van AI in bedrijfsprocessen niet alleen afhankelijk is van de kwaliteit van het product. Andere zakelijke aspecten, zoals hoge veerkracht, duurzaamheid en een snelle time-to-market, zijn cruciaal voor zakelijk succes.

Voor meer informatie over de laatste trends en technologieën in kunstmatige intelligentie, bezoek unite.ai.