Waarom de kwaliteit van de data bepaalt of enterprise AI slaagt of faalt

Sinds de lancering van ChatGPT door OpenAI eind 2022, heeft elk bedrijf gehaast om sneller te gaan met AI. Grote hardwarebedrijven zoals Nvidia verkopen meer GPUs dan ooit, terwijl grote modelbouwers zoals OpenAI en Anthropic steeds grotere modellen blijven bouwen.

Toch falen veel AI-projecten nog steeds, zelfs met de meest geavanceerde modellen en de grootste budgetten. We hebben dit gezien in verschillende branches, van de gezondheidszorg tot het transport en de financiën. De reden is niet moeilijk te begrijpen: AI is alleen zo goed als de data waarop het getraind is en de data die het in real-time ontvangt. Wanneer die data slecht gelabeld, verouderd of onvolledig is, kan geen enkel model consistent of betrouwbaar resultaat leveren.

En dat is het grote probleem dat veel bedrijven vandaag de dag tegenkomen. Ze investeren zwaar in AI-hulpmiddelen, terwijl hun datasystemen verspreid en onbetrouwbaar blijven. Het resultaat is een illusie van vooruitgang. Terwijl modellen indrukwekkende antwoorden geven, zijn de inzichten vaak gebaseerd op zwakke fundamenten. De echte barrière voor AI-succes is niet de prestatie van het model. Het is de kwaliteit van de data.

Wat goede data echt betekent

Hoge kwaliteit data is niet alleen een kwestie van nauwkeurigheid. Het gaat om informatie die actueel, volledig en relevant is voor het probleem waarvoor het wordt gebruikt. Stel je voor dat een klant probeert een bestelling te annuleren op een e-commerce-site. Het systeem moet de bestelgegevens, de verzendstatus en de betalingsgegevens controleren. Als die gegevens in verschillende systemen zitten die niet met elkaar communiceren, zal de AI-assistent geen nuttig antwoord kunnen geven.

Goede data verbindt deze punten onmiddellijk. Het laat de AI zien dat het een volledig beeld heeft in plaats van alleen fragmenten. Slechte data daarentegen dwingt het model om te gokken. En wanneer AI gaat gokken, maakt het fouten die geld kosten en vertrouwen schaden. Recent onderzoek toont aan hoe gevaarlijk dergelijke aannamen kunnen zijn.

De AI-chatbot van New York City gaf illegale adviezen omdat hij oude of onvolledige juridische informatie gebruikte. De klantenservicebot van Air Canada deed valse vergoedingsclaims omdat hij geen context had van het bedrijfsbeleid. Zelfs grote wervingsystemen hebben kandidaten ten onrechte gefilterd vanwege bevooroordeelde of verkeerd gelabelde data, zoals te zien is in de eerste AI-gerelateerde schikking van de EEOC. Deze fouten zijn niet alleen technisch. Ze zijn reputatie- en financieel schadelijk en komen voort uit AI-systemen die zijn getraind op onbetrouwbare data.

Branchestudies bevestigen de omvang van dit probleem. Gartner rapporteert dat 80 procent van de AI-projecten faalt om te schalen vanwege slechte datakwaliteit en -governance. Een onderzoek van de MIT Sloan Management Review vond dat data-problemen, en niet algoritmes, de belangrijkste reden zijn waarom enterprise AI-projecten falen.

Cultuur is even belangrijk als code

Het verbeteren van de datakwaliteit is niet iets dat je kunt oplossen met een enkel hulpmiddel of commando. Het vereist een culturele verschuiving. Daarom moeten bedrijfsleiders data behandelen als een levend systeem dat zorg en verantwoordelijkheid nodig heeft. Dit gaat niet alleen over het verklaren dat je “de data beter wilt maken” – dat is niet genoeg. Elk onderdeel van de organisatie moet begrijpen hoe informatie beweegt, wie het bezit en wat er gebeurt wanneer het verandert.

We hebben gezien hoe dit werkt in echte systemen. Veel AI-toepassingen zijn afhankelijk van nachtelijke data-updates. Als je database één keer per dag wordt bijgewerkt, zal de kennis van je model altijd achterblijven bij de realiteit. In snel veranderende omgevingen kan die vertraging betekenen dat de inzichten verouderd zijn en de beslissingen slecht zijn. Bedrijven moeten hun hele datastroom opnieuw overwegen, van hoe informatie wordt verzameld tot hoe het aan het model wordt geleverd.

Als dit goed wordt gedaan, kan het enorm veel tijd en geld besparen. Wanneer data-pijpleidingen zijn ontworpen met duidelijkheid en doel, kunnen AI-systemen leren en handelen op basis van de meest recente en relevante informatie. Wanneer ze dat niet zijn, besteden teams meer tijd aan het schoonmaken van data dan aan het gebruiken ervan.

Experts in databeheer wijzen er vaak op dat de sleutel tot sterke datakwaliteit een feedbacklus is tussen mensen, processen en platforms. Zonder die lus wordt informatie stagnerend en verliezen modellen contact met de echte wereld – een probleem dat soms data-drift wordt genoemd.

Evenwicht tussen snelheid en integriteit

Er is vaak een spanning tussen snelheid en nauwkeurigheid. Veel organisaties willen onmiddellijke resultaten van hun AI-investeringen, maar haasten kan leiden tot grotere problemen later. Het doel moet zijn om data-agile te zijn met integriteit. Met andere woorden, systemen bouwen die snel kunnen bewegen zonder precisie te verliezen.

Daarvoor moet elk bedrijf duidelijke paden definiëren voor data om van de bron naar het model te stromen in real-time. Het helpt ook om te definiëren welke soort informatie is toegestaan en wat buiten het model moet blijven. Gevoelige of privé-data mag nooit het model bereiken, zelfs niet als de gebruiker technisch gezien toegang heeft tot die informatie. Het beschermen van die grens bouwt vertrouwen op en houdt AI-systemen tegen om informatie te lekken of misbruiken.

Naarmate AI meer autonoom wordt, zal menselijke toezicht blijven cruciaal zijn. Het model mag geen volledige controle hebben over bedrijfsacties. Het mag zeker geen beslissingen nemen. In plaats daarvan moet het verzoeken doen. Nog belangrijker is dat mensen altijd de acties van het model moeten controleren en goedkeuren om ervoor te zorgen dat ze in overeenstemming zijn met het bedrijfsbeleid en de regelgeving.

Opbouwen van kwaliteit vanaf de basis

Het onderhouden van datakwaliteit op grote schaal is niet alleen een kwestie van het opschonen van fouten. Het begint met architectuur. Je moet identificeren waar je meest betrouwbare data leeft, en dan een systeem ontwerpen dat het samenbrengt in één vertrouwde locatie. Van daaruit kun je bijhouden welke data het model gebruikt en waar het vandaan komt.

Deze aanpak voorkomt verwarring en houdt het systeem transparant. Het helpt ook teams om sneller problemen op te lossen wanneer er iets misgaat. Wanneer je exact weet welke data de reactie van het model heeft gevoed, kun je problemen verifiëren en corrigeren voordat ze zich verspreiden.

De toekomst van enterprise AI zal behoren tot bedrijven die kwaliteit in hun infrastructuur inbouwen vanaf het begin. We verwachten meer plug-and-play AI-systemen te zien die zowel redenering als data-integratie in één pakket aanbieden. Deze “AI-apparaten” kunnen het voor organisaties gemakkelijker maken om slimme systemen te implementeren zonder de controle over hun data te verliezen.

Analisten voorspellen dat organisaties die hun data effectief kunnen unificeren en beheren, snellere adoptie en hogere ROI van AI-projecten zullen zien. Een recent rapport over data-readyheid legt uit dat deze capaciteit het verschil maakt tussen bedrijven die continu innoveren en diegene die na de eerste pilots stilvallen. Het verschil komt vaak neer op of hun AI-systemen zijn gebouwd op consistente, goed gestructureerde informatie.

De bodemlijn

Datakwaliteit mag dan niet zo spannend klinken als doorbraken in modelontwerp, maar het is de stille kracht die bepaalt of AI slaagt of faalt. Zonder schone, actuele en consistente data zullen de slimste systemen struikelen. Met die data kunnen zelfs bescheiden AI-projecten duurzame waarde creëren.

Elke leider die in AI investeert, moet een eenvoudige vraag stellen: Vertrouwen we de data die onze beslissingen drijft? Uit wat we hebben gezien, zijn de bedrijven die met vertrouwen “ja” kunnen antwoorden, degenen die al leiden in de AI-race.