Unlock de waarde van enterprise AI: begin met de data die je hebt genegeerd

Bij het bouwen van enterprise AI ontdekken sommige bedrijven dat het soms het moeilijkste deel is om te beslissen wat ze moeten bouwen en hoe ze de verschillende processen kunnen aanpakken. Tijdens het evenement VB Transform, waar data kwaliteit en governance centraal stonden, keken bedrijven verder dan de experimentele fase van AI en verkenden ze manieren om agenten en andere toepassingen te productiseren en op te schalen.

De uitdagingen van technologie en processen

Organisaties worstelen met de uitdagingen van hoe technologie samenkomt met mensen, processen en ontwerp, aldus Braden Holstege, managing director en partner bij Boston Consulting Group. Hij voegde eraan toe dat bedrijven moeten nadenken over een reeks complexiteiten met betrekking tot data-exposure, AI-budgetten per persoon, toegangsrechten en hoe ze externe en interne risico's kunnen beheersen.

Soms omvatten nieuwe oplossingen manieren om eerder onbruikbare data te gebruiken. Holstege gaf een voorbeeld van een klant die grote taalmodellen (LLMs) gebruikte om miljoenen inzichten over klantenverloop, productklachten en positieve feedback te analyseren, en ontdekte inzichten die een paar jaar geleden niet mogelijk waren met natuurlijke taalverwerking (NLP).

De les uit data-analyse

“De bredere les hier is dat data niet monolithisch zijn,” zei Holstege. “Je hebt alles, van transactiegegevens tot documenten, van klantfeedback tot trace data die wordt geproduceerd tijdens de ontwikkeling van toepassingen en nog een miljoen andere soorten data.”

Sommige van deze nieuwe mogelijkheden zijn te danken aan verbeteringen in AI-klaar data, volgens Susan Etlinger, senior director van strategie en thought leadership van Azure AI bij Microsoft. “Zodra je erin zit, krijg je een gevoel van de kunst van het mogelijke,” zei Etlinger. “Het is een balans tussen dat en binnenkomen met een duidelijk idee van wat je probeert op te lossen. Stel dat je probeert de klantbeleving te verbeteren. Dit is niet altijd een geschikte situatie, maar je weet het niet altijd zeker. Je kunt tijdens het proces iets anders ontdekken.”

Waarom AI-klaar data cruciaal is voor adoptie

AI-klaar data is een cruciale stap in de adoptie van AI-projecten. In een aparte enquête van Gartner zei meer dan de helft van de 500 CIO's en tech-leiders van middelgrote ondernemingen dat ze verwachten dat de adoptie van AI-klaar infrastructuren zal bijdragen aan snellere en flexibele dataprocessen.

Dat kan een traag proces zijn. Tot 2026 voorspelt Gartner dat organisaties 60% van de AI-projecten zullen opgeven die niet worden ondersteund door AI-klaar data. Toen het onderzoeksbureau afgelopen zomer data management leiders ondervroeg, zei 63% van de respondenten dat hun organisaties niet de juiste datamanagementpraktijken hadden of dat ze niet zeker waren van de praktijken.

De noodzaak van voortdurende evaluatie

Naarmate implementaties volwassener worden, is het belangrijk om manieren te overwegen om voortdurende uitdagingen aan te pakken, zoals AI-model drift in de loop van de tijd, aldus Awais Sher Bajwa, hoofd data en AI banking bij Bank of America. Hij voegde eraan toe dat bedrijven niet altijd iets snel naar eindgebruikers moeten rushen die al behoorlijk gevorderd zijn in hun denken over de mogelijkheden van chat-gebaseerde toepassingen.

“We zijn allemaal in ons dagelijks leven gebruikers van chatapplicaties,” zei Bajwa. “Het is essentieel om te begrijpen hoe deze technologieën ons leven kunnen verbeteren en hoe we ze effectief kunnen integreren in onze bedrijfsprocessen.”

De toekomst van enterprise AI

De weg naar succesvolle implementatie van enterprise AI vereist een zorgvuldige benadering van data, processen en de interactie met gebruikers. Door te investeren in AI-klaar data en een duidelijke strategie te ontwikkelen, kunnen bedrijven de waarde van AI volledig benutten en hun concurrentiepositie versterken.

De waarheid is dat het potentieel van AI enorm is, maar het vereist geduld, doorzettingsvermogen en een strategische aanpak om het volwaardig te integreren in de bedrijfsvoering.

Vertaald met ChatGPT gpt-4o-mini