AI vereist een holistisch raamwerk en schaalbare projecten

Sinds ik me kan herinneren is artificial intelligence de heilige graal. Films hebben het uitgebeeld, van BladeRunner naar de meer recente Haar. Ondertussen beloofden bedrijfsleiders dat het de werkplek zou revolutioneren. In beide gevallen hebben we scenario's voorgeschoteld gekregen waarin AI de dagelijkse sleur transformeert.

Er wordt al sinds 1956 over AI gesproken als wetenschappelijke discipline. En hoewel de op wiskunde gebaseerde fundamenten al meer dan 70 jaar bestaan, is de benodigde rekenkracht pas sinds kort realiteit, met de cloud als ultieme AI-katalysator.

Er is aanzienlijke vooruitgang geboekt - en de sector staat niet meer in de kinderschoenen. Volgens McKinsey's De staat van AI in 2020 enquête zei 50% van de respondenten dat hun bedrijf AI in ten minste één bedrijfsfunctie had toegepast.

AI heeft het potentieel om in bijna elke branche veranderingen teweeg te brengen. Met andere woorden, er zijn grote stimulansen voor organisaties om nu met hun AI-reis te beginnen; er is ook het risico dat als ze dat niet doen, het moeilijk, zo niet onmogelijk zal worden om de achterstand in te halen in een discipline die steeds kritischer wordt naarmate AI op grotere schaal wordt toegepast. Het is dus geen verrassing dat AI zoveel interesse en opwinding veroorzaakt.
Veel AI-projecten mislukken echter.

Veel proofs of concepts (POC's) zijn niet ontworpen om op te schalen. Ze doen niet meer dan bewijzen dat iets mogelijk is. Vervolgens blijven ze broeien omdat van tevoren niet is vastgesteld of het concept in kwestie relevant en nodig is voor de hele organisatie, of dat een bedrijfsbrede uitrol technisch haalbaar is.

Bovendien is de kostenstructuur van projecten van deze aard: Het bereiken van dit punt heeft waarschijnlijk 70% van het totale budget opgeslokt, zonder dat het resultaat ooit het daglicht heeft gezien. Dat is op elk niveau een slechte zaak. Wat is dan het alternatief?

Kortom, de schaal moet een integraal onderdeel zijn van de POC, en weerspiegeld worden in de statistieken die bepalen of de POC succesvol was.

Er zijn enkele eenvoudige tactieken om dit te bereiken. Een goede optie is om de POC in twee regio's uit te voeren en van beide stromen te eisen dat ze vooraf bepaalde doelen behalen voordat het als een succes kan worden afgetekend. Het is ook belangrijk om parallellen en variaties tussen de projecten te identificeren. Deze aanpak ontwikkelt het proces en de structuur als onderdeel van de initiële onderneming, en ondersteunt de adoptie in de bredere omgeving als het project doorgaat.

Organisatiesilo's, die geworteld zijn in de traditionele bedrijfsstructuur, zijn nog steeds aan de orde van de dag. Ze zijn een constante doorn in het oog voor soepel lopende operaties, en ze kunnen de doodsteek zijn voor schaalbare AI-implementaties. Om dit aan te pakken moeten de juiste vaardigheden in elk onderdeel van het project worden ingebouwd.

We hebben wiskundige expertise, IT-vaardigheden en een codeerspecialist nodig die (respectievelijk) geleverd worden door data wetenschappers, oplossingsarchitecten en machine learning (ML) ingenieurs. Het zakelijke perspectief, geleverd door productmanagers en -eigenaren, is ook een essentieel onderdeel van de mix. Dit multidisciplinaire team moet een open en coöperatieve manier van werken hebben, met goede communicatiekanalen en een grote mate van vertrouwen gedurende de gehele levenscyclus van het project, zodat ze gezamenlijk de basis kunnen leggen, de implementatie kunnen uitrollen en, tot slot, de mensen kunnen trainen die de applicatie dagelijks zullen gebruiken zodra de POC is voltooid.

Dankzij cloud computing zijn AI-projecten voor veel bedrijven werkelijkheid geworden. Grote, dure IT-implementaties zijn niet meer nodig en in plaats daarvan wordt er vertrouwd op flexibele tools en technologieën die aanpasbaar en op aanvraag beschikbaar zijn.

Net als bij de hybride teambenadering moet de technische gereedschapskist de applicaties en software bevatten die specifiek zijn voor het project in kwestie. En het spreekt voor zich dat deze schaalbaar moet zijn.

AI stelt organisaties voor een dilemma: als het slecht wordt geïmplementeerd, is de kans groot dat het mislukt, wat bedrijfsrisico's met zich meebrengt. Als u AI echter helemaal niet implementeert, loopt u het risico achterop te raken bij meer toekomstgerichte concurrenten die de vruchten plukken van het verkennen van deze technologie van de volgende generatie.

De sleutel is om elk AI-project te bekijken in termen van zijn rol in de langetermijnrichting en het succes van de hele onderneming en haar activiteiten. Deze benadering vormt de basis voor het technische en op mensen gebaseerde kader dat essentieel is voor een succesvolle implementatie en een holistische AI-visie.