The Path to AI Maturity – 2023 LXT-rapport

I dag investerer innovasjonsdrevne virksomheter betydelige ressurser i systemer med kunstig intelligens (AI) for å fremme deres AI-modenhetsreise. I følge IDC, forventes verdensomspennende utgifter til AI-sentriske systemer å overstige 300 milliarder dollar innen 2026, sammenlignet med 118 milliarder dollar i 2022.

Tidligere har AI-systemer sviktet oftere på grunn av manglende prosessmodenhet. Om 60–80 % av AI-prosjektene mislyktes tidligere på grunn av dårlig planlegging, mangel på ekspertise, utilstrekkelig databehandling eller etikk- og rettferdighetsspørsmål. Men for hvert år som går, blir dette tallet bedre.

I dag har feilraten for AI-prosjekter i gjennomsnitt kommet ned til 46%, ifølge den siste LXT-rapporten. Sannsynligheten for AI-svikt reduseres ytterligere til 36 % ettersom et selskap går videre i sin AI-modenhetsreise.

La oss utforske en organisasjons vei til AI-modenhet, de forskjellige modellene og rammeverket den kan bruke, og de viktigste forretningsdriverne for å bygge en effektiv AI strategi.

Hva er AI-modenhet?

AI-modenhet refererer til nivået av fremskritt og sofistikering et selskap har oppnådd i å ta i bruk, implementere og skalere AI-aktiverte teknologier for å forbedre sine forretningsprosesser, produkter eller tjenester.

Ifølge LXT AI-forfallsrapport 2023, 48 % av mellomstore til store amerikanske organisasjoner har nådd høyere nivåer av AI-modenhet (diskutert nedenfor), noe som representerer en økning på 8 % fra forrige års undersøkelsesresultater, mens 52 % av organisasjonene aktivt eksperimenterer med AI.

Rapporten antyder at det mest lovende arbeidet har blitt gjort i Natural Language Processing (NLP) og talegjenkjenning domener – underkategorier av AI – siden de hadde flest utplasserte løsninger på tvers av bransjer.

Dessuten har produksjons- og forsyningskjedeindustrien den laveste feilraten for AI-prosjekter (29 %), mens detaljhandel og e-handel har høyest (52 %).

Utforsking av forskjellige AI-modenhetsmodeller

Vanligvis utvikler AI-drevne organisasjoner AI-modenhetsmodeller skreddersydd for deres forretningsbehov. Imidlertid forblir den underliggende ideen om modenhet konsistent på tvers av modeller, fokusert på å utvikle AI-relaterte evner for å oppnå optimal forretningsytelse.

Noen fremtredende modenhetsmodeller er utviklet av Gartner, IBMog Microsoft. De kan tjene som veiledning for organisasjoner på deres AI-adopsjonsreise.

La oss kort utforske AI-modenhetsmodellene fra Gartner og IBM nedenfor.

Gartner AI-modenhetsmodell

Gartner har en AI-modenhetsmodell på 5 nivåer som selskaper kan bruke til å vurdere modenhetsnivåene deres. La oss diskutere dem nedenfor.

Gartner AI modenhet modell illustrasjon. Kilde: LXT-rapport 2023

• Nivå 1 – Bevissthet: Organisasjoner på dette nivået begynner å diskutere mulige AI-løsninger. Men ingen pilotprosjekter eller eksperimenter er i gang for å teste levedyktigheten til disse løsningene på dette nivået.
• Nivå 2 – Aktiv: Organisasjoner er i startfasen av AI-eksperimentering og pilotprosjekter.
• Nivå 3 – Operativt: Organisasjoner på dette nivået har tatt konkrete skritt mot AI-adopsjon, inkludert å flytte minst ett AI-prosjekt til produksjon.
• Nivå 4 – Systematisk: Organisasjoner på dette nivået bruker AI for de fleste av sine digitale prosesser. Dessuten legger AI-drevne applikasjoner til rette for produktiv interaksjon i og utenfor organisasjonen.
• Nivå 5 – Transformasjon: Organisasjoner har tatt i bruk AI som en iboende del av arbeidsflytene deres.

I henhold til denne modellen begynner selskaper å oppnå AI-modenhet fra nivå 3 og utover.

IBM AI Maturity Framework

IBM har utviklet sin egen unike terminologi og kriterier for å vurdere modenheten til AI-løsninger. De tre fasene av IBMs rammeverk for AI-modenhet inkluderer:

IBM AI Maturity Framework Phaser

• Sølv: På dette nivået av AI-evne utforsker bedrifter relevante verktøy og teknologier for å forberede seg på AI-adopsjon. Det inkluderer også forståelse av virkningen av AI på virksomheten, dataforberedelse og andre forretningsfaktorer relatert til AI.
• Gull: På dette nivået oppnår organisasjoner et konkurransefortrinn ved å levere et meningsfullt forretningsresultat gjennom AI. Denne AI-funksjonen gir anbefalinger og forklaringer støttet av data, kan brukes av bransjebrukere og demonstrerer god datahygiene og automatisering.
• Platinum: Denne sofistikerte AI-evnen er bærekraftig for oppdragskritiske arbeidsflyter. Den tilpasser seg innkommende brukerdata og gir klare forklaringer på AI-utfall. Sterke datastyrings- og styringstiltak er også på plass som støtter automatisert beslutningstaking.

Store barrierer i veien for å oppnå AI-modenhet

Organisasjoner står overfor flere utfordringer med å nå modenhet. De LXT 2023-rapport identifiserer 11 barrierer, som vist i grafen nedenfor. La oss diskutere noen av dem her.

Graf for AI-modenhetsutfordringer. Kilde: LXT-rapport 2023

1. Integrering av AI med eksisterende teknologi

Rundt 54 % av organisasjonene står overfor utfordringen med å integrere eldre eller eksisterende teknologi i AI-systemer, noe som gjør det til den største barrieren for å nå modenhet.

2. Datakvalitet

Treningsdata av høy kvalitet er avgjørende for å bygge nøyaktige AI-systemer. Imidlertid er det fortsatt en stor utfordring å samle inn data av høy kvalitet for å nå modenhet. Rapporten finner at 87 % av bedriftene er villige til å betale mer for å anskaffe opplæringsdata av høy kvalitet.

3. Ferdighetsgap

Uten de riktige ferdighetene og ressursene sliter organisasjoner med å bygge vellykkede AI-brukssaker. Faktisk står 31 % av organisasjonene overfor mangel på dyktige talenter for å støtte deres AI-initiativer og nå modenhet.

4. Svak AI-strategi

Det meste av AI vi observerer i virkelige systemer kan kategoriseres som svak eller smal. Det er en AI som kan utføre et begrenset sett med oppgaver som den er trent for. Rundt 20 % av organisasjonene har ikke en omfattende AI-strategi.

For å overvinne denne utfordringen, bør selskaper klart definere og dokumentere sine AI-mål, investere i kvalitetsdata og velge de riktige modellene for hver oppgave.

Viktige forretningsdrivere for å fremme AI-strategiene dine

De LXT-modenhet rapporten identifiserer ti viktige forretningsdrivere for AI, som vist i grafen nedenfor. La oss diskutere noen av dem her.

En illustrasjon av viktige forretningsdrivere for AI. Kilde: LXT-rapport 2023

1. Business Agility

Business agility refererer til hvor raskt en organisasjon kan tilpasse seg skiftende digitale trender og muligheter ved å bruke innovative forretningsløsninger. Det er fortsatt den beste driveren for AI-strategier for rundt 49 % av organisasjonene.

AI kan hjelpe bedrifter med å oppnå forretningsmessig smidighet ved å muliggjøre raskere og mer nøyaktig beslutningstaking, automatisere repeterende oppgaver og forbedre driftseffektiviteten.

2. Forutse kundebehov

Rundt 46 % av organisasjonene anser å forutse kundebehov som en av de viktigste forretningsdriverne for AI-strategier. Ved å bruke AI til å analysere kundedata, kan bedrifter få innsikt i kundeatferd, preferanser og behov, slik at de kan skreddersy produktene og tjenestene sine for å bedre møte kundenes forventninger.

3. Konkurransefordel

Konkurransefortrinn gjør det mulig for bedrifter å differensiere seg fra sine konkurrenter og få et forsprang på markedet. Det er en nøkkeldriver for AI-strategier, ifølge 41 % av organisasjonene.

4. Strømlinjeforme beslutningstaking

AI-basert automatisert beslutningstaking kan redusere tiden det tar å ta kritiske datainformerte beslutninger betydelig. Dette er grunnen til at rundt 42 % av organisasjonene anser strømlinjeforming av beslutningstaking som en viktig forretningsdriver for AI-strategier.

5. Produktutvikling

Fra å ha blitt anerkjent som den beste forretningsdriveren for AI-strategier i 2021, har innovativ produktutvikling falt til syvende plass, med 39 % av organisasjonene som anser det som en forretningsdriver i 2023.

Dette viser at anvendeligheten av AI i forretningsprosesser ikke er helt avhengig av kvaliteten på produktet. Andre forretningsaspekter som høy motstandskraft, bærekraft og en rask time to market er avgjørende for forretningssuksess.

For mer informasjon om de nyeste trendene og teknologiene innen kunstig intelligens, besøk unite.ai.