Negen succesfactoren voor kunstmatige intelligentie
Artificial intelligence (AI), of kunstmatige intelligentie in het Nederlands, biedt grote kansen. Volgens de Nederlandse organisatie voor Wetenschappelijk Onderzoek is AI “een cruciale factor voor de toekomstige welvaart van Nederland”. Wat zijn succesfactoren voor de implementatie van kunstmatige intelligentie en hoe worden de voordelen duurzaam verankerd?
AI levert bedrijven en professionals tal van voordelen op. Internationaal gezien gelooft meer dan 90% van de bedrijven in de potentie van AI om businesswaarde te creëren, zo blijkt uit recent onderzoek. Deze bedrijven zoeken de businesswaarde van AI vooral in het verbeteren van bestaande producten, het optimaliseren van operationele processen, het overnemen van routinematige taken en betere besluitvorming.
Ondanks de duidelijke potentie die AI heeft als het gaat om het leveren van toegevoegde waarde voor organisaties, worstelen veel bedrijven met het toepassen van AI binnen hun bedrijfsvoering. De technologie is nog altijd relatief nieuw en kennis ervan is nog niet wijdverbreid zoals bij meer volwassen technologieën. Daarnaast kleven er diverse zorgen als het gaat om AI. Zo weet momenteel 40% van de organisaties die significante investeringen doen in AI daar nog niet de vruchten van de plukken, zo stellen onderzoekers van MIT en Boston Consulting Group.
Hoe implementeer je een goede AI-strategie, veranker je deze binnen de organisatie en zorg je dat deze een duurzaam onderdeel vormt van de business? In een whitepaper van Mobilee, bieden auteurs Jeroen Stoop en Dick Beekhuizen diverse handvatten voor succesvolle AI-implementaties. Een samenvatting van hun belangrijke adviezen.
1: Zorg voor een AI-visie
Net zoals bij iedere grote implementatie en ieder businessplan, moet ook bij het omarmen van AI een visie worden geformuleerd. AI is echter een deelgebied binnen de bredere digitale strategie van een organisatie, dus het is zaak om te zorgen dat de AI-visie die wordt ontwikkeld voor de komende jaren in lijn ligt met de bredere routekaart voor digitalisering.
“De AI-experimenten concurreren met andere experimenten of reguliere werkzaamheden om de inzet van schaarse middelen, capaciteit en expertises. Gezamenlijk vormen ze echter een onderdeel van een bredere roadmap voor digitale transformatie. Een duidelijke visie op hoe digitale transformatie bijdraagt aan de organisatiestrategie is daardoor onmisbaar”, leggen de auteurs uit.
2: Zorg dat businesswaarde centraal staat
AI moet worden afgestemd met de bredere businessdoelstellingen. Naarmate AI meer en langer wordt toegepast zal ook de businesswaarde van de technologie toenemen. Dit maakt dat vooral op projectlevel goed naar de businesscase van AI gekeken moet worden.
Stoop legt uit: “De toepassing van AI vereist investeringen in technologie en kennis, terwijl de baten nog niet duidelijk zijn. Hierdoor is het lastig om een goede businesscase te maken, waardoor het moeilijker is om de benodigde financiering los te krijgen voor AI-experimenten of pilots. Zeker als effecten pas op langere termijn zichtbaar worden.”
Beekhuizen benadrukt in dat kader het belang van het intern goed communiceren van de voordelen die AI kan bieden: “Maak nut en noodzaak van AI duidelijk. De onbekendheid met AI leidt bij management makkelijk tot verkeerde inschattingen of terughoudendheid om AI in te zetten.” Stoop voegt toe dat dit natuurlijk ook geldt voor de medewerkers: “Onvoldoende kennis van AI kan leiden tot angst voor banenverlies en daarmee tot weerstand. Voor medewerkers is het daarom ook belangrijk om meer kennis te hebben van wat AI is en hoe het kan worden toegepast.”
3: Zorg dat het management betrokken is
Zoals bij ieder verandertraject is het essentieel dat ook een AI-strategie door het management gedragen wordt. Stoop: “Onvoldoende begrip van AI bij het management kan leiden tot gebrek aan visie en strategie, maar ook tot onrealistische verwachtingen, een mismatch tussen technologie en toepassing en onvoldoende vertrouwen in de uitkomsten.”
AI betreft moderne technologie waarvan de meeste mensen niet goed weten hoe deze werkt. Vooral het management zal zich daarom in de materie moeten verdiepen om tot goede besluiten te komen. Beekhuizen: “Door het management meer vertrouwd te maken met AI, het jargon dat wordt gebruikt en de toepassingsmogelijkheden, zijn zij in staat om deze kennis te gebruiken bij het maken van keuzes.”
De experts benadrukken hoe belangrijk het is dat het management vervolgens ook vertrouwen heeft in de uitkomsten die AI-algoritmen zullen tonen. Dat vertrouwen is niet vanzelfsprekend, aangezien het voor mensen veelal niet duidelijk is wat de causaliteit van de uitkomsten is. Stoop: “Met andere woorden: we zijn niet in staat om de uitkomsten rationeel te verklaren.”
Beekhuizen vult aan: “Daar waar organisaties sterk vertrouwen in ‘wie’ iets zegt in plaats van ‘wat’ iemand zegt en besluitvorming vooral gebaseerd is op de Highest Paid Person’s Opinion (‘HiPPO-syndroom’), betekent dit een forse omslag in de management- en besluitvormingscultuur.”
4: Zorg voor de juiste kennis
Voor het omarmen van artificial intelligence in de bedrijfsvoering is veel kennis nodig. Een belangrijke reden dat een AI-strategie niet slaagt is dat deze kennis doorgaans onvoldoende aanwezig is, leggen de experts uit. Stoop: “Gebrek aan kennis van en ervaring met AI belemmert organisaties in het opschalen van de toepassing van AI. Deze kennis moet structureel worden opgebouwd, geborgd en ontwikkeld binnen de organisatie, om vervolgens hergebruikt te kunnen worden.
5: Zorg dat de data op orde is
Voor een succesvolle AI-implementatie zijn een goede datamanagementstrategie, een data-architectuur en kwalitatief goede data onontbeerlijk. Om te beginnen maakt AI gebruik van grote hoeveelheden data. Veel organisaties lopen op dit vlak tegen issues aan. Voorbeelden van zulke datamanagementkwesties kunnen zijn: onvoldoende beschikbaarheid van data, onvoldoende datakwaliteit, problemen met het integreren van data, dataprivacy- en security-issues of onvoldoende duidelijke data, governance, et cetera.
Stoop licht toe: “Over het algemeen worden grote datasets gebruikt om AI-modellen te laten leren en goed te laten functioneren. Hoe beter de data, des te beter de functionaliteit van AI. Daarnaast genereert AI ook data, die vervolgens ook weer gebruikt worden.” Om dit te bereiken, zo voegt Beekhuizen toe, “is het noodzakelijk om het data ownership goed te beleggen. Er moet duidelijk zijn wie verantwoordelijk is voor de data en het gebruik.”
“Het effectief inzetten van AI voor businessvraagstukken vereist inbreng van verschillende expertises, zoals kennis van businessprocessen, IT, data, analytics en AI.”
6: Focus voldoende op de implementatie
Veel managers die verantwoordelijk zijn voor de AI-strategie worstelen nogal eens met de daadwerkelijke implementatie van AI. Zo moeten ze intern dealen met onbekendheid over of weerstand tegen de technologie, is er intern vaak onvoldoende ervaring met de toepassing of worstelen ze met het integreren van de resultaten van AI in hun bestaande dienstverlening.
Het is bij een AI-strategie van belang dat voldoende aandacht uitgaat naar de genoemde uitdagingen die bij de implementatie komen kijken. Wel moeten managers er een gestructureerde stap-voor-stap benadering op nahouden, waarbij eerst voldoende geëxperimenteerd wordt met AI en diverse pilots gedraaid worden.
Door vervolgens continu te leren van de successen uit deze pilots, te behouden wat werkt en te schrappen wat niet werkt, kan AI worden opgeschaald en kan AI op basis van de positieve resultaten op de juiste manier worden ingebed in de bestaande processen, structuren en systemen.
7: Omarm nieuwe manieren van werken
Voor het slagen van AI is het belangrijk dat de gehele organisatie in staat is om nieuwe manieren van werken te omarmen. Er moet in het bijzonder een verschuiving plaatsvinden van ‘werken in silo’s’ naar ‘interdisciplinaire samenwerking’, leggen de auteurs uit.
Stoop licht toe: “Het effectief inzetten van AI voor businessvraagstukken vereist inbreng van verschillende expertises, zoals kennis van businessprocessen, IT, data, analytics en AI. In organisaties waarbij ‘business’ en ‘IT’ apart van elkaar zijn georganiseerd en werken, moeten deze experts met elkaar gaan samenwerken.”
8: Mensen en competenties
De harde factoren van verandering – processen, IT-architectuur, et cetera – zijn belangrijk bij een AI-implementatie, maar (tech)veranderingen draaien uiteindelijk altijd om mensen, erkennen Beekhuizen en Stoop. Gedurende een AI-transitie moeten medewerkers voldoende aandacht krijgen.
Naast het communiceren van de voordelen van AI – bijvoorbeeld hoe AI het werk van medewerkers kan verrijken en eenvoudiger kan maken – moeten managers bijvoorbeeld medewerkers geruststellen over de impact die AI op hun werk heeft. Met andere woorden: verandermanagement is cruciaal bij de projecten binnen een AI-implementatie.
Om te zorgen dat de medewerkers meebewegen naar het nieuwe normaal is het belangrijk dat ze gedurende het gehele proces betrokken worden, ook al in de experimenteerfase, geeft Beekhuizen aan: “Ook medewerkers moeten meer inzicht krijgen in wat AI betekent voor hen. Hoe veranderen processen en werkwijzen? Hoe ondersteunt AI hen bij hun werk? Welke kennis en competenties moeten zij verder ontwikkelen?”
Stoop voegt toe: “Om de slag te maken naar ‘digitale AI leider’ dienen deze organisaties competenties te ontwikkelen om AI op te schalen. Ze moeten de kennis en expertise borgen en de pilots en experimenten met AI laten ‘landen’ in de dienstverlening, processen, systemen en cultuur van de organisatie.”
9: Best practices en continu verbeteren
Stoop benadrukt tot slot het belang van continu verbeteren: “AI-applicaties voldoen vaak niet vanaf het begin voor 100% aan de verwachtingen. Bijvoorbeeld omdat de datakwaliteit tekortschiet, het businessvraagstuk niet goed genoeg is gedefinieerd en/of omdat niet de juiste data zijn gebruikt. AI-applicaties worden steeds verder ontwikkeld op basis van recente inzichten. Dit vereist een cultuur waarin ruimte is voor experimenteren en uitproberen, waarbij niet alles van tevoren vast hoeft te staan voordat men ergens aan begint.”
Het is essentieel dat alle kennis en expertise die gedurende het traject worden opgedaan op de juiste manier geborgd worden in de organisatie. Alleen dan kunnen best practices ontwikkeld worden, op basis waarvan AI ook in latere projecten verder opgeschaald kan worden in de organisatie.
