Organisaties hebben blinde vlekken door AI-overmoed

Het rapport “Architect an AI Advantage” waarin meer dan 2000 IT-leiders uit 14 landen, inclusief Nederland, werden ondervraagd, stelde vast dat bedrijven ondanks hun investeringen belangrijke aspecten over het hoofd zien die invloed hebben op hun vermogen om succesvolle AI-resultaten te leveren. Bijvoorbeeld een onvoldoende data maturity, tekortkomingen in hun netwerk- en computervoorzieningen, en ethiek en compliance.

Data maturity en datavoorbereiding nog niet op peil voor AI-implementatie

Uit het onderzoek blijkt dat data maturityniveau’s laag blijven in organisaties, ondanks dat organisaties begrijpen dat datamanagement één van de meest cruciale elementen voor AI-succes is. Slechts een klein percentage (7%) van de organisaties kan real-time data pushes/pulls uitvoeren om innovatie en het monetariseren van externe data mogelijk te maken. Daarnaast zette slechts 26% datagovernancemodellen op en kan geavanceerde analyses uitvoeren.

Minder dan 60% van de deelnemers zegt dat hun organisatie volledig in staat is om de belangrijkste fasen van datavoorbereiding voor gebruik in AI-modellen uit te voeren - van toegang (59%) en opslag (57%) tot verwerking (55%) en herstel (51%). Dit dreigt niet alleen het AI-modelcreatieproces te vertragen, maar vergroot ook de kans op onnauwkeurige inzichten en een negatieve ROI.

Vertrouwen maar geen volledig inzicht in de volledige AI-levenscyclus

Een vergelijkbare paradox is te zien bij de computer- en netwerkvereisten voor de gehele AI-levenscyclus. Er is veel vertrouwen: 93% van de IT-leiders gelooft dat hun netwerkinfrastructuur klaar is om AI-verkeer te ondersteunen en 84% vindt dat hun systemen voldoende flexibiliteit in rekencapaciteit hebben om alle fasen van de AI-levenscyclus te ondersteunen. Aan de andere kant zegt minder dan de helft van de IT-managers een volledig inzicht te hebben in de eisen van de verschillende AI-workloads op het gebied van training, tuning en inferencing.

Het gebrek aan verbinding, compliance en ethiek

Organisaties slagen er niet in om de belangrijkste bedrijfsonderdelen met elkaar te verbinden. Meer dan een kwart (28%) van de IT-leiders omschrijft de algemene AI-aanpak van hun organisatie als "gefragmenteerd". Zo kiest een derde van de organisaties ervoor om aparte AI-strategieën te creëren voor afzonderlijke functies, terwijl 32% allerlei verschillende doelen creëert.

Verder blijkt dat ethiek en compliance volledig over het hoofd worden gezien bij het creëren van een AI-strategie, ondanks de toenemende aandacht voor ethiek en compliance van zowel consumenten als regelgevende instanties. Juridische zaken/compliance (13%) en ethiek (11%) worden door IT-leiders het minst belangrijk gevonden voor AI-succes. Bovendien bleek uit de resultaten dat bijna een kwart van de organisaties (22%) de juridische teams helemaal niet betrekt bij de gesprekken over de AI-strategie van hun bedrijf.

"Er bestaat geen twijfel over dat de adoptie van AI toeneemt, aangezien bijna alle IT-leiders van plan zijn hun AI-uitgaven in de komende 12 maanden te verhogen", zegt Sylvia Hooks, VP, HPE Aruba Networking. "De resultaten laten zien dat er veel belangstelling is voor AI, maar ze belichten ook zwakke plekken waardoor de vooruitgang kan stagneren als er geen holistische aanpak wordt gevolgd. Een verkeerde afstemming op het gebied van strategie en betrokkenheid van afdelingen belemmert organisaties bijvoorbeeld om cruciale expertisegebieden te benutten, effectieve en efficiënte beslissingen te nemen en ervoor te zorgen dat een holistische AI-roadmap alle bedrijfsonderdelen ten goede komt."

De vrees om AI niet te benutten en het bedrijfsrisico van overmatig vertrouwen

Zonder de juiste AI-ethiek en -naleving lopen bedrijven het risico dat ze hun bedrijfsdata blootgeven. Bedrijven die geen AI-ethiekbeleid hebben, lopen het risico modellen te ontwikkelen die niet voldoen aan de normen voor compliance en diversiteit. Dit kan leiden tot negatieve gevolgen voor de reputatie, omzetverlies, dure boetes of juridische problemen.

Verder zijn er ook extra risico’s aan blind vertrouwen. De kwaliteit van de uitkomsten van AI-modellen is beperkt tot de kwaliteit van de data die ze binnenkrijgen. Wanneer de data maturity laag blijft en IT-leiders geen volledig inzicht hebben in de IT-infrastructuurvereisten voor de gehele AI-levenscyclus (zoals de helft van de IT-leiders toegeeft), neemt het algehele risico op ineffectieve modellen en AI-hallucinaties toe.

Onderzoeksmethodiek

In januari 2024 gaf HPE Sapio Research de opdracht om te onderzoeken waar bedrijven zich bevinden in hun AI-implementatie en of ze een holistische AI-aanpak hanteren die zorgt voor een succesvolle implementatie. 2400 IT-beslissers (IT-leiders) uit 14 landen (Australië, Nieuw-Zeeland, Brazilië, Frankrijk, Duitsland, India, Italië, Japan, Mexico, Nederland, Singapore, Zuid-Korea, Spanje, Verenigd Koninkrijk, Ierland en de Verenigde Staten) deden mee. Deze IT-leiders werken bij bedrijven met meer dan 500 werknemers en zijn werkzaam in sectoren variërend van financiële dienstverlening tot productie, detailhandel en gezondheidszorg.