Veel organisaties aan de slag met AI zonder onderbouwde business case

Generatieve AI belooft aanzienlijke efficiëntieverbeteringen, maar veel organisaties blijven desondanks hangen in de testfase. Hoe zetten zij de stap van verkenning naar werkelijke impact?

Sinds de lancering van ChatGPT eind 2022 heeft GenAI zich in hoog tempo verspreid. OpenAI krijgt inmiddels concurrentie van grote technologiebedrijven als Google, Meta, Amazon en Microsoft. Deze spelers investeren fors in infrastructuur, de ontwikkeling van nieuwe modellen en strategische samenwerkingen.

Sopra Steria, een belangrijke speler in de Europese technologiesector, voorspelt dat de markt tegen 2028 tien keer zo groot zal zijn, met een waarde van $100 miljard.

POC-mania

Hoewel 2024 een keerpunt was voor de technologie, hebben maar weinig organisaties er volop van kunnen profiteren. Uit het laatste rapport GenAI: Forging Ahead van Sopra Steria blijkt dat slechts 22% van de grote bedrijven een toepassing op grote schaal heeft uitgerold - voornamelijk in de IT en logistiek, en op het gebied van risicobeheer en klantenservice. Het merendeel blijft steken in wat Sopra Steria omschrijft als een ‘Proof of Concept (POC) Mania’.

"Veel bedrijven starten met POC’s zonder een onderbouwde businesscase", zegt Harold Selman, Solution Lead Data Science & AI bij Sopra Steria. "Ze negeren de noodzakelijke investeringen of de extra risico’s die bij een grootschalige uitrol horen en kunnen de potentiële voordelen moeilijk inschatten."

Obstakels

Een belangrijk obstakel is het gebrek aan ervaring met databeheer en -governance, stelt Sopra Steria. Dit belemmert de succesvolle implementatie van grootschalige AI-projecten. "De gebruikte platforms zijn vaak ineffectief vanwege de kwaliteit van de data, de manier waarop deze wordt gelabeld, georganiseerd of met elkaar verbonden", merkt Selman op. "Dit zijn de fundamenten van elk AI-project. In de meeste bedrijven moet 80 procent van het startbudget naar data gaan, niet naar het model, wil een project kans op slagen hebben."

Veel bedrijven kampen ook met een tekort aan vaardigheden, wat snelle implementatie van de beoogde oplossingen in de weg staat. Ondanks introductiesessies over AI en prompting hebben ze moeite om experts aan te trekken en is de algemene datageletterdheid laag.

"Om een project goed te starten, moeten data en metadata leesbaar zijn voor machines en begrijpelijk voor mensen", benadrukt Selman. Hij wijst ook op het belang van goede communicatie tussen afdelingen en gespecialiseerde ingenieurs.

Van verkenning naar impact

In het rapport geeft Sopra Steria verschillende aanbevelingen om de overstap van verkenning naar impact succesvol te maken. Dit vereist een verschuiving van een reeks tactische keuzes naar een duidelijk omschreven overkoepelende strategie.

Een van de adviezen is het opstellen van een routekaart voor het gebruik van kleine en grote taalmodellen, met specifieke domeinen waarin AI wordt geïmplementeerd. Daarnaast moet er ook een duidelijke strategie zijn voor de gebruikte technologieën - open source of proprietary - en de implementatie van een soevereine cloud.

Ook het correct categoriseren en bruikbaar maken van proprietary data voor AI-modellen is essentieel. Bedrijven moeten zich richten op de uitrol van beproefde use cases om vervolgens grotere projecten aan te pakken met een solide uitrolplan. Doel is dat de initiële investeringen zich vertalen naar aantoonbare financiële resultaten.

Ambassadeurs als schakel

Om draagvlak bij werknemers te creëren, is het essentieel om AI-oplossingen te integreren in hun dagelijkse werkpraktijk. Ambassadeurs kunnen hierbij de brug slaan tussen experts en gebruikers. "AI is niet alleen een technisch vraagstuk", stelt Selman. "Natuurlijk zijn er technologische uitdagingen, maar cultuur, adoptie, governance, rolverdeling en duurzaamheid zijn ook cruciaal."

Tot slot adviseert Sopra Steria leidinggevenden om prioriteit te geven aan het monitoren van hun GenAI-cloud op het gebied van kosten, ESG-impact en naleving van de AI Act, de Europese regelgeving voor kunstmatige intelligentie.

"Houd bij het budgetteren van een AI-oplossing ook rekening met onderhoud, zodat modellen blijvend functioneren en afwijkingen worden voorkomen", aldus Selman. "Betrek idealiter de oorspronkelijke ontwikkelaars ook bij dit proces; zij kunnen waardevolle lessen trekken voor toekomstige ontwikkelingen."

Volgens Selman is voor de implementatie van een AI-oplossing altijd een zekere mate van durf vereist en is het goed om een noodplan te hebben voor het geval resultaten afwijken van de verwachtingen. "En wanneer er echt veel op het spel staat, kun je altijd kiezen voor toepassingen waarbij de mens vanaf de ontwerpfase een centrale rol speelt."