Uit een onderzoek van Gartner blijkt dat het aantal bedrijven dat een vorm van artificial intelligence (ai) heeft geïmplementeerd in de afgelopen vier jaar met 270 procent is gestegen en in het afgelopen jaar verdrievoudigd is. En in 2015 zei tien procent van de respondenten dat hun organisatie met ai werkte of daar op korte termijn mee zou starten. Dit jaar is dat aandeel naar 37 procent gegroeid.
Voor bedrijven die op dit moment nog op geen enkele manier vertrouwen op ai is de kans groot dat hun concurrenten dat al wel doen. Dat moet voor cio’s bij eerstgenoemde groep reden genoeg zijn om zich grote zorgen te maken.
De early adopters van ai hebben een technologische voorsprong op hun concurrenten. Daarnaast kan de implementatie van ai-tools op korte termijn al interessante financiële voordelen opleveren. Gartner berekende dat ai in 2018 wereldwijd een bedrijfswaarde van 1,2 biljoen dollar vertegenwoordigde en dat dit in 2022 verder groeit naar 3,9 biljoen. Die waarde wordt in de vroege fase van deze technologie primair gerealiseerd op het gebied van de klantervaring. Dit zal leiden tot een toename van het aantal klanten en de klantretentie verbeteren. Verder helpt ai organisaties om nieuwe omzet te genereren en kosten te reduceren, zo betoogt Gartner.
Bedrijven doen er dus goed aan om ai maar ook machine learning (ml) te omarmen of er in elk geval niet voor terug te deinzen. Bovendien moeten ze niet over één nacht ijs gaan, maar een slimme, toekomstbestendige oplossing selecteren.
Meer data, meer intelligentie
Vooral veel early adopers van ai bieden oplossingen met slechts één ai-element, dat opgesloten zit in een silo en moeilijk uit te breiden of naar of te integreren is met andere bedrijfssystemen. En dat terwijl het grootste voordeel te behalen valt uit de onverwachte inzichten die een complete, overkoepelende oplossing biedt. Daarbij is de combinatie ai, big data en cloud computing belangrijk om een succesvol platform te creëren dat als een geïntegreerd geheel wordt aangeboden en bovendien schaalbaar is.
Een niet te onderschatten speler in deze driehoek is data. Dit moet een grote hoeveelheid onbewerkte, ongefilterde data zijn, voordat de gegevens door de analytics-filter zijn gehaald. Het meeste voordeel valt te behalen door met complete datasets te werken, waar het ai-platform vervolgens informatie uithaalt en daarvan leert. Deze gestructureerde en ongestructureerde gegevens moeten centraal in een datalake opgeslagen worden om ermee te kunnen werken. Om dit op een betaalbare en schaalbare manier te doen, vereist dit al snel om vanuit een public cloud te werken.
Innovatieve softwaresystemen die succesvol ai, data en cloud weten te combineren, stellen werknemers in staat onderbouwde keuzes te maken op basis van harde data en geautomatiseerde analyses. Deze keuzes gaan bijvoorbeeld over preventief onderhoud van machines, voorraadoptimalisatie en verkoopvoorspellingen. Daarnaast kan ml ook patronen herkennen en bedrijven bijvoorbeeld helpen met het automatiseren van hun inkoopprocessen.
Om een complete oplossing te kunnen bieden, vereist dat extreem veel kennis van de technologie. Voor aanbieders is het haast onmogelijk om alle kennis in huis te hebben. Al is het maar omdat alle gewenste functionaliteiten niet altijd tot de kerncompetenties van de aanbieder behoren. De beste oplossingen komen dan ook tot stand als aanbieders niet bang zijn om samenwerkingen aan te gaan met een derde, specialistische partij.