Waarom Data de Ongekroonde Held van AI-Strategie is

De AI-Goudkoorts – Van Pilots en Experimenten naar Bedrijfsbrede Schaal en Strategie

Moore’s Law is volledig van toepassing op AI. AI is zeer gevraagd en elk bedrijf neemt AI over. Innovatie helpt ook om deze vraag te stimuleren met nieuwe AI-modellen, AI-agents en nieuwe technologieën die op dit gebied binnenkomen. Dit zorgt voor een fundamentele verschuiving voor bedrijven – het podium voor pilots en interessante experimenten en showcases voor AI, met name Generatieve AI, is grotendeels aan het verdwijnen. Bedrijven realiseren zich dat AI moet worden geïntegreerd als onderdeel van de bedrijfsstrategie voor schaalvergroting en het creëren van echte bedrijfsdifferentiatie. AI is een onderwerp in de meeste bestuurskamers, wat resulteert in strategische innovatie en budgetten.

Data: De Eerste Domino in AI-Strategie

Een belangrijke overweging in elke AI-strategie moet Data zijn. Data is cruciaal voor AI-modellen om contextueel, intelligent en domein- en bedrijfsspecifiek te zijn. AI-modellen voorspellen resultaten op basis van zowel de manier waarop het model is afgestemd als de invoer die aan het model wordt gepresenteerd. Beide zijn afhankelijk van de kwaliteit, variëteit, actualiteit en structuur van de data.

Volgens een recente IDC-voorspelling zal AI naar verwachting de wereldwijde economie tegen 2030 met bijna 20 biljoen dollar verhogen, aangedreven door niet alleen modellen maar ook door enorme investeringen in de onderliggende data en infrastructuur die deze aandrijven.

Trainingsdata met smalle subsets leiden tot bevooroordeelde modellen, verouderde data leidt tot irrelevante resultaten en slechte data leidt tot slechte AI-resultaten. Daarom is Data de eerste domino in de datastrategie van een bedrijf. Zelfs met de beste mensen en cutting-edge technologieën, als de data-domino valt, stort de hele AI-strategie snel in.

Zoals Gartner’s 2024 rapport over de belangrijkste trends in data en analytics opmerkt, zijn bedrijven die schaalvergroting realiseren met AI afhankelijk van data, en de leiders die slagen zullen zijn die vertrouwen in hun data vestigen en deze strategisch leiden.

Sleutelstrategische Data-beslissingen voor uw AI-Strategie

Hier zijn 5 belangrijke overwegingen die u en uw bedrijf moeten maken om uw Data voor te bereiden op uw AI-strategie:

1. Hergebruik uw Data-landschap – Verschillende bedrijven hergebruiken het databeheer, datagovernance en dataopslag en -analyse voor AI niet. Veel data die kritieke rapporten en analyses ondersteunt, kan ook kritiek zijn voor AI. Het is daarom belangrijk om te beginnen met de data-assets die al in het bedrijf aanwezig zijn. Natuurlijk moet dit worden aangevuld met de juiste datakwaliteitsmaatregelen.

Sleutelvraag om te stellen – Welke data hebben we in ons bedrijf en in welke staat verkeert deze?

2. Metagegevens en Data-afkomst – Voor de aanwezige data is metagegevens, d.w.z. data over de data, mogelijk net zo kritiek, zo niet nog kritieker, voor AI. Bijvoorbeeld kunnen de aan de data toegekende bedrijfsbegrippen helpen om de relevante context voor een RAG-model te identificeren. Wanneer een gebruiker de status van een claim in een verzekeringsbedrijf vraagt, kunnen alle data-attributen die zijn getagd met Claimstatus worden gebruikt als context voor het AI-model om te reageren. Data-afkomst helpt ook om de stroom van de data te begrijpen, waardoor de AI-modellen vertrouwde datasources kunnen identificeren.

Op basis van een recente ISASA-blog is AI-governance kritiek en vereist de juiste metagegevens en data-afkomst om te schaalvergroten.

Sleutelvraag om te stellen – Is onze data goed getagd met bedrijfs- en technische metagegevens? Verzamelen we data-afkomst om de gehele datastroom te begrijpen?

3. Data-governance en -compliance – Zorg ervoor dat uw data goed wordt beheerd en dat alle compliance- en privacyreglementen op de data worden toegepast. De AI-strategie moet deze governance en reglementen erven en uitbreiden in plaats van van scratch te beginnen. Bijvoorbeeld, als een klant wil dat zijn data wordt geanonimiseerd volgens de GDPR-reglementen, moet een AI-model zowel getraind als operationeel zijn op de geanonimiseerde dataset.

Sleutelvraag om te stellen – Hebben we een Data-governance- en -complianceprogramma opgezet? Zo niet, welke zijn de belangrijkste aspecten die ik moet hebben voor mijn AI-strategie?

4. Behandel Master Data als uw AI-Quarterback – Kritieke Master Data, die gegevens over de belangrijkste entiteiten in uw bedrijf bevat, moet worden gebruikt als basis voor uw AI-strategie. Bijvoorbeeld, als er een 360-gradenbeeld van een klant bestaat, moet een AI-strategie op elk klantdomein, zoals klantchurnvoorspelling, deze Master Data gebruiken om te voorkomen dat data wordt gemist of onvolledig is. Natuurlijk kan dit worden gecombineerd met meer informatie uit specifieke datasources.

Sleutelvraag om te stellen – Heb ik mijn kritieke Master Data-domeinen beschikbaar in een complete en verbonden vorm met de rest van mijn data-landschap?

5. Data en zijn waarde – Data moet niet worden behandeld als een kostenpost, maar moet worden gemeten in termen van zijn waarde, zowel voor AI als voor het bedrijf. Dit vereist dat data op het bord en CXO-onderwerpen staat, naast AI.

Sleutelvraag om te stellen – Begrijpt mijn bestuur en CXO’s de waarde van Data voor de organisatie? Zo niet, hoe kunnen we ervoor zorgen dat dit wordt begrepen, met name in de context van de AI-strategie in het bedrijf?

Modellen komen en gaan, maar Data blijft.

Naarmate uw AI-strategie evolueert, zullen nieuwe modellen en AI-innovaties verschijnen. De snelheid van innovatie in dit gebied is verbazingwekkend. Maar over tijd zullen AI-modellen worden geïndiceerd; de echte differentiator in uw bedrijf is niet welk model u gebruikt, maar hoe het wordt gecontextualiseerd met welke data wordt getraind, fijngestemd en eraan gewerkt. Als u een AI-strategie ontwikkelt, begin dan niet met het model. Begin met de vraag: Hebben we de data om het te ondersteunen?