AI, de volgende zakelijke grens

door | mei 24, 2021

AI, de volgende zakelijke grens

door | mei 24, 2021 | Blog | 0 Reacties

Gedacht leiderschap van de PBT Group

Wereldwijde omzet in de markt voor kunstmatige intelligentie (AI) is verwacht vertienvoudigd tussen 2017 en 2022. Omdat machine-learning (ML) een van de aandachtspunten is, is het geen verrassing dat het begrijpen van gegevens belangrijker dan ooit is geworden. Simpel gezegd, bedrijven hebben AI (en data) nodig om relevant te blijven naarmate de druk toeneemt in het concurrentielandschap.

AI heeft de afgelopen maanden veel aandacht gekregen van reguliere media. En hoewel de klantgerichte componenten van de technologie (denk aan chatbots, autonome voertuigen en verbeterde leveringen van e-tailers) belangrijk zijn, zijn dit zeker niet de enige aspecten die het onderzoeken waard zijn.

In een McKinsey podcast Toen we het potentieel van AI in het bedrijfsleven bespraken, werd ML opgekocht omdat het een enorme toepasbaarheid had – meer nog dan enig ander gebied van kunstmatige intelligentie. De wildgroei van mobiele apparaten leidt er bijvoorbeeld toe dat er meer gegevens worden gecreëerd naarmate gebruikers zich op hun gemak voelen bij het delen van inzichten – hetzij via directe of indirecte feedback door gedrag te monitoren – met bedrijven.

Wetenschappelijke realiteit

Als je bedenkt hoeveel gestructureerde en ongestructureerde gegevens via meer kanalen naar de back-endsystemen van de organisatie worden geduwd, is het misschien niet verrassend dat besluitvormers zich geïntimideerd voelen door de haast naar Big Data. Als gevolg hiervan wordt datawetenschap, in het bijzonder de realtime analyse ervan, een bedrijfsprioriteit om al deze informatie zinvol te maken.

De datastrategieën kunnen verschillen van bedrijf tot bedrijf en sector, waar het erop aankomt te onderzoeken hoe je het beste kunt ondervragen[data] en beheer het om op maat gemaakte oplossingen te ontwikkelen die zijn toegesneden op de belanghebbenden van het bedrijf.

Betekent dit dus noodzakelijkerwijs dat alle bedrijven even bedreven zullen zijn in het implementeren van datarijke (en AI-gestuurde) strategieën?

Absoluut niet.

Volgens Harvard Business Review kunnen bedrijven met sterke basisanalyses – zoals verkoopgegevens en markttrends bijvoorbeeld – doorbraken maken op complexe en kritieke gebieden na gelaagdheid in AI.

Aan de andere kant kunnen de bedrijven die nog steeds moeite hebben om in het reine te komen met gegevens en de analyse ervan, nog geen gebruik maken van ML. Ze zullen waarschijnlijk ook (hoewel over het algemeen gesproken) nog steeds gespecialiseerd datawetenschappelijk personeel aanstellen dat in staat is om de informatie in de datawarehouses van een organisatie te controleren, analyseren en erop voort te bouwen.

CDO-gestuurd

Dit is waar een Chief Data Officer (CDO) een cruciale stap is naar het creëren van een AI-vriendelijke bedrijfsomgeving. Een CDO begrijpt dat, hoewel het bedrijf mogelijk over de gegevens beschikt die nodig zijn om concurrerend te zijn en te groeien, het zijn gegevensactiva (nog) niet ten volle benut. De realiteit is dat bedrijfsprocessen die worden geholpen door AI – en specifiek ML – slechts zo goed zijn als de gebruikte gegevens.

Bedrijven kunnen AI daarom niet blindelings omarmen als ’the next big thing’ en hopen het probleemloos te integreren in bestaande systemen. Een bedrijf heeft een expliciet begrip nodig van welke gegevens momenteel beschikbaar zijn, de middelen die de gegevensactiva gebruiken en de processen die nodig zijn om deze activa volledig te exploiteren. Een CDO kan hierbij een leidraad zijn als de rest van de C-suite zijn concurrentievoordeel wil inkopen.

AI is er om te blijven. Hoe effectief een bedrijf AI gebruikt voor groei, zal zijn succes op de markt bepalen.

Archives

Related Articles