Sterke terugval ai-investeringen

Het Nederlands bedrijfsleven is behoorlijk terughoudend met concrete toepassingen van kunstmatige intelligentie (ai). De weinige implementaties zijn bovendien op de korte termijn gericht. Meestal gaat het dan om digitalisering van bestaande processen of verhoging van de efficiency. Langetermijnprojecten waarbij ai disruptief kan werken, worden thans nauwelijks opgestart.

Volgens Heere Blokhuis, managing director SAS Benelux, en tech-ondernemer Jim Stolze (Aigency), staan de investeringen in ai op een laag pitje. ‘Amper een jaar geleden piekte de belangstelling. Ai stond hoog op elke agenda,’ constateert Stolze. ‘Het ene strategische document na het andere kwam uit. Zakelijk Nederland leek er volop op in te zetten. Helaas bleven nogal wat initiatieven steken in goede bedoelingen,’ zegt de vicepresident artificial intelligence van Aigency.

Ook Blokhuis ziet ai niet snel gemeengoed worden. Volgens hem creëren de innovatie-labs die in de voorbijgaande jaren zijn opgezet, nog maar weinig waarde. De verwachtingen die halverwege 2019 werden gewekt, zijn allerminst waargemaakt. In dit verband spreekt hij van ‘innovatietheater’. ‘Veelal was sprake van innovatie omwille van innovatie zonder dat er een businesscase achterstond. Concrete bedrijfsproblemen werden er niet mee opgelost’, constateert hij.

Investeringen stopgezet

Blokhuis wijt de stagnatie aan de hoge kapitaalsinvesteringen, die historisch gezien, vereist waren voor een ai-platform in combinatie met de beperkte investeringsruimte ontstaan door Covid-19. ‘Veel bedrijven verlaagden hun budgetten. Uit onderzoek van Cap Gemini blijkt dat ruim veertig procent van de bedrijven de investeringen in ai hebben stopgezet. Nederland wijkt daarmee negatief af van de rest van de wereld. Ook een studie van Deloitte bevestigt dit beeld.’

Projecten zijn massaal heroverwogen. Vooral experimenten waarbij geen directe businessvraag centraal stond, sneuvelden. De focus verschoof naar de korte termijn, aldus de SAS-directeur. Voorrang werd gegeven aan projecten die bedrijven door de coronacrisis heen kunnen helpen zoals digitalisering die het werken op afstand makkelijker maakt. Ai die werkelijk tot heel nieuwe producten of diensten leidt, raakte op de achtergrond. Volgens Blokhuis leidt die eenzijdige blik op de korte termijn tot het gevaar dat organisaties straks het slachtoffer worden van jonge bedrijven die wél disruptieve bedrijfsmodellen hebben ontwikkeld. Het is onverstandig de lange termijn uit het oog te verliezen. Daarnaast zijn er tegenwoordig ai-oplossingen, vanuit de cloud, die veel minder hoge kapitaalsinvesteringen vragen en daarmee ook binnen huidige, beperktere, budgetten bedrijven de mogelijkheden bieden om in ai te investeren.

Koudwatervrees

Stolze ziet eveneens veel projecten bevroren worden. Maar dit komt niet door de coronacrisis. ‘Bedrijven die al voor februari hun infrastructuur op een nieuwe manier hadden ingericht en hun data naar de cloud hadden gebracht, hoor je niet klagen. Zij die op tijd hebben geïnvesteerd, kunnen in principe vooruit. Bedrijven die nog op de ouderwetse wijze werken, staan daarentegen met 8-0 achter. Voor die groep wordt het heel moeilijk om op de ai-trein te stappen.’

Dat ai ook bij bedrijven met een moderne infrastructuur stagneert, komt volgens Stolze door koudwatervrees en gebrek aan ideeën. De vertraging wordt vooral veroorzaakt door onbekendheid met de materie. Bedrijven weten niet goed wat ze met ai aan moeten. Ze hebben vaak al wel het gereedschap. Ook ontbreekt het hen niet aan de nodige data. Maar ze worstelen met de vraag hoe ze die gegevens tot leven kunnen brengen. Velen missen de creativiteit om iets moois te bedenken dat straks waarde gaat toevoegen. Ook angst voor de privacywetgeving speelt volgens Stolze een rol. Ondernemers hebben soms het gevoel dat ze niets meer mogen. Maar dat is ten onrechte.

SAS Analytics Forum

Om de ai-ontwikkeling vlot te trekken en ondernemers nieuwe inspiratie te geven, vindt dinsdag 8 september het SAS Analytics Forum plaats, een virtuele bijeenkomst met ai-hoogtepunten. Stolze: ‘Het halen van waarde uit data is een hele ‘reis’. Het verzamelen van data is niet zo moeilijk.’ Veel bedrijven hebben al een ‘data lake’, ruwe data waar je analysemethoden op kunt loslaten. De vraag is echter wat je met al die big data gaat doen. Stolze: ‘Begin niet te snel met de businesscase erachter. Want dan wordt het al gauw een marketingexercitie en blijven grote stappen achterwege. Veel beter is het echt iets groots te bedenken. Eigenlijk draait alles om een goed idee. Vervolgens ga je na hoe je daar kunt komen en welke data daarbij ondersteunend kunnen zijn.’

Stolze onderscheidt twee manieren om ai in te zetten. Defensief is het halen van voordeel uit de beschikbare data. Ai is goed in optimalisatie, bijvoorbeeld het slimmer inkopen of het beter afstemmen van vraag en aanbod. Dat is kortetermijnwerk met een koppeling aan de fysieke wereld.

Interessanter is de ontwikkeling van nieuwe diensten die zonder ai niet mogelijk waren geweest. Dat zijn langetermijnprojecten met een offensief karakter die een bedrijf in een nieuwe wereld brengen. Blokhuis ziet dergelijke projecten na twee á vijf jaar effect hebben, terwijl incrementele innovaties een half tot anderhalf jaar tijd nodig hebben. Volgens de SAS-directeur dreigt met name uitstel of zelfs afstel voor disruptieve innovaties die door startups worden gedragen. Bij de projecten van grote ondernemingen hoopt hij dat het management de juiste balans weet te vinden tussen incrementele en disruptieve innovatie. ‘Nu kan je als bestuurder het verschil maken,’ zegt hij.

Volgens Stolze vormen de data-infrastructuur en de beschikbaarheid van talent de voornaamste belemmeringen. Bedrijven die al goed bezig zijn met business intelligence, hebben er de minste moeite mee. Die zien in ai nieuw gereedschap die het voorspellen efficiënter maakt. De bottleneck bij machine learning is dat je nooit precies weet wat eruit komt. Ai moet je toch als een experiment zien. Programmeurs zijn dat niet gewend. Om goed iets experimenteels te kunnen ontwerpen moeten teams divers worden samengesteld. Stolze raadt aan niet alleen programmeurs en data scientists maar ook statistici, design thinkers en bijvoorbeeld mensen uit het call center hierin op te nemen. Het meest valt te leren van een serie experimenten. Vroeger had je daar krachtige computers, veel data en een omvangrijk budget voor nodig. Maar tegenwoordig kan alles tijdelijk worden ingehuurd, tot de tools aan toe.