1. Sectorale context: het strategische kader
De sector waarin u actief bent, heeft een grote invloed op de verwachte omzet van de AI die u van plan bent te lanceren.
Deze eerste toetsing is gebaseerd op drie criteria: de regelgeving en nalevingskosten binnen de sector, de mate van volwassenheid van het specifieke technologische ecosysteem en de investeringscultuur binnen de sector, die zich richt op zowel de korte als de lange termijn.
1.1 Regelgeving en nalevingskosten
Elk AI valt onder sectorspecifieke regelgeving die rechtstreeks van invloed is op het rendementspotentieel.
Laten we eens kijken naar de toegang tot data over voorgeschreven medicijnen data zorgverleners
- In de VS beschermt de HIPAA gegevens waarmee patiënten kunnen worden geïdentificeerd, maar staat de wet het gebruik en de verkoop van geanonimiseerde data over doktersvoorschriften data commerciële en onderzoeksdoeleinden toe, onder minder strenge controles—dit heeft geleid tot een bloeiende markt voor de analyse van voorschriften
- In Brazilië is de regelgeving in ontwikkeling: ANVISA en de Lei Geral de Proteção de Dados (LGPD) houden toezicht op data, met regels die vergelijkbaar zijn met die van de AVG, maar de handhaving is nog niet zo ver gevorderd; data als gevoelig beschouwd en het gebruik ervan valt onder wetgeving inzake vertrouwelijkheid en bedrijfsgeheimen, waarbij de toegang vaak beperkt is, tenzij de gegevens geanonimiseerd of geaggregeerd zijn
- In Europa legt de AVG strenge regels op voor persoons- en data, waardoor het verzamelen, verwerken en commercieel gebruik van data over doktersvoorschriften aan data beperkingen onderhevig is en vaak uitdrukkelijke toestemming of een grondige anonimisering vereist
Bijgevolg is het rendement op investering (ROI) van het gebruik van data zorgprofessionals te benaderen hoog in de VS, gemiddeld in Brazilië en beperkt in Europa, waar de data meestal op regionaal niveau data samengevoegd.
Deze beperkingen vormen „ROI-richtlijnen“ die bepalen welke toepassingen haalbaar zijn.
1.2 Multiplicatoren voor de volwassenheid van ecosystemen
Het technologische landschap van een sector – met name de aanwezigheid van gespecialiseerde spelers en innovatieve start-ups – speelt een cruciale rol bij het versnellen van het rendement AI .
Wanneer een sector profiteert van een dynamisch ecosysteem van technologieleveranciers, integrators en niche-startups, kunnen organisaties sneller geavanceerde AI identificeren, testen en implementeren die zijn afgestemd op hun specifieke zakelijke uitdagingen. Dit ecosysteem bevordert samenwerking, kennisuitwisseling en toegang tot toonaangevende tools, waardoor de ontwikkelingstijd wordt verkort en integratieproblemen worden verminderd.
Bovendien stellen open-sourcegemeenschappen en gespecialiseerde leveranciers bedrijven in staat om te experimenteren met beproefde frameworks en te profiteren van collectieve innovatie, wat proefprojecten stroomlijnt en de tijd tot het realiseren van waarde verkort. Hierdoor kunnen sectoren met een uitgebreid netwerk van AI spelers succesvolle projecten sneller opschalen en eerder tastbare productiviteits- en efficiëntiewinst boeken, wat een directe invloed heeft op hun ROI-ontwikkeling.
1.3 Langetermijndenken als versneller van het rendement
Sectoren die werken met meerjarenplanning (bijvoorbeeld energie en lucht- en ruimtevaart) behalen over een periode van vijf jaar AI aanzienlijk hoger cumulatief AI dan sectoren met korte cycli. Dankzij langetermijncycli kunnen er investeringen worden gedaan in innovatievere en gedurfdere technologieën, terwijl de kosten van projectmanagement worden gespreid door middel van interne werving en langetermijnplanning van de bevoorrading.
Een bekend voorbeeld is AI tienjarige AI van BP voor preventief onderhoud bij offshoreboringen.
2. Implementatiekosten voor bedrijven: de uitvoeringslaag
De organisatie een AI wordt geïmplementeerd, heeft een aanzienlijke invloed op de implementatiekosten, afhankelijk van de mate van ontwikkeling van drie aspecten: de technologische basis, het data en de bereidheid van het bedrijf om AI in te zetten.
2.1 Kosten voor het gereedmaken van de tech stack
Organisaties met data moderne data (data , MLOps-pijplijnen) kunnen de implementatie van AI aanzienlijk versnellen in vergelijking met concurrenten die nog gebruikmaken van verouderde systemen.
Om u een indicatie te geven: het tot stand brengen van een nieuwe verbinding met een bronsysteem kan enkele dagen tot een maand in beslag nemen, afhankelijk van de beschikbare connectoren.
2.2 Achterstand Data
Het ontbreken van data degelijk data leidt op twee belangrijke manieren tot een aanzienlijke vermindering van het rendement op investeringen (ROI) van AI .
Ten eerste lopen projecten vaak vertraging op omdat er uitgebreide data nodig is en er een goed toegangsbeheer moet worden opgezet; teams moeten namelijk veel tijd besteden aan het opschonen, ordenen en beveiligen data er met het modelleren kan worden begonnen. Data kan tot wel 80% van de inspanningen in machine learning-projecten in beslag nemen.
Ten tweede leidt ontoereikend beheer tot slechte data en onjuiste labeling, wat directe gevolgen heeft voor AI : modellen die zijn getraind op basis van onvolledige, inconsistente of slecht gelabelde data minder nauwkeurige en minder betrouwbare resultaten data , waardoor de bedrijfswaarde wordt ondermijnd en er kostbare herstelwerkzaamheden of langere ontwikkelingscycli nodig zijn.
2.3 Index voor weerstand tegen acceptatie
De affiniteit van medewerkers met technologie en hun vaardigheden op het gebied van verandermanagement bepalen of AI daadwerkelijk waarde opleveren of als 'shelfware' eindigen.
Als eerdere AI de weg al hebben geëffend en medewerkers toegang hebben tot doorlopende AI die de technologie toegankelijker maken, resultaten laten zien en benadrukken hoe goed AI en mensen elkaar aanvullen, staan ze veel meer open voor toekomstige AI worden geïntroduceerd.
Zo bestaat een trainingsprogramma ter ondersteuning van de lancering van een AI doorgaans voor 20% uit inhoud gericht op AI , naast ten minste één onderdeel over de toegang tot de tool. Hoe meer deze producten worden gebundeld in één interface en gericht zijn op reeds getrainde teams, hoe meer de inspanningen om aan AI te wennen met 30 tot 40% afnemen.
3. Voordelen op meerdere fronten: de waardematrix
De voordelen van AI zijn gestructureerd rond twee tijdshorizonten om hun volledige waarde te benutten, waarbij de voordelen in mate van tastbaarheid variëren.
De eerste fase beslaat een jaar en is zeer concreet; de focus ligt hier op de voordelen die voortvloeien uit de lancering van nieuwe producten en diensten die dankzij AI mogelijk zijn geworden, evenals op de automatisering van taken die door AI wordt mogelijk gemaakt.
De tweede fase beslaat twee tot drie jaar en is minder concreet; deze omvat verbeteringen in de strategische besluitvorming en een grotere veerkracht van het bedrijf bij marktveranderingen door het gebruik van AI.
3.1 Korte termijn (0-12 maanden)
Motor voor omzetgroei
De belangrijkste methode voor omzetgroei is het verhogen van de inkomsten uit bestaande producten. Op het gebied van personalisatie zijn er twee sprekende voorbeelden: de aanbevelingsengine van Netflix, die de klantbetrokkenheid met 30% heeft verhoogd en daarmee het klantverloop heeft teruggedrongen. Een ander voorbeeld is Stitch Fix, een organisatie AI gebruikt om de voorkeuren en het gedrag van klanten te analyseren en zo kledingaanbevelingen op maat te doen. Een dergelijke grootschalige personalisatie zou onmogelijk zijn zonder AI, en het is precies deze technologie die het bedrijfsmodel van Stitch Fix levensvatbaar maakt.
De tweede aanpak houdt in dat er nieuwe producten op de markt worden gebracht die vóór de komst van AI niet rendabel waren. Zo werkte Nutella samen met Ogilvy Italia om met behulp van een neuraal netwerk zeven miljoen unieke potetiketten te ontwerpen, die allemaal binnen een week uitverkocht waren. Zonder AI zou het produceren van zo’n enorm aantal unieke etiketten onbetaalbaar of simpelweg onmogelijk zijn geweest, waardoor de campagne buitengewoon winstgevend was.
3.2 Lange termijn (12+ maanden)
Strategische beslissingskracht
Het is altijd een uitdaging om de impact van een strategische beslissing op de financiën organisatiein te schatten, en nog moeilijker om de invloed van artificial intelligence die beslissing te beoordelen. Men is het er echter over eens dat AI inmiddels een strategische partner AI geworden in de besluitvorming. Een voorbeeld dat Artefact aanhaalt, Artefact het gebruik van marketingmixmodellering, een tool die is ontworpen om de toewijzing van het marketingbudget over verschillende kanalen voor het volgende jaar te optimaliseren. In sommige gevallen kan de winststijging die door deze optimalisatie wordt gerealiseerd, oplopen tot wel 40%.
Organisatorische veerkracht
Het invoeren van een AI cultuur zorgt voor meer flexibiliteit binnen organisaties door continu leren, aanpassingsvermogen en snel experimenteren in de dagelijkse bedrijfsvoering te integreren. AI teams routinetaken automatiseren, afwijkingen snel opsporen en werkprocessen stroomlijnen, waardoor medewerkers meer tijd krijgen om zich te richten op innovatie en het creëren van waarde. Deze cultuur stimuleert gedecentraliseerde besluitvorming en stelt teams in staat om nieuwe ideeën te testen, resultaten te analyseren en processen in realtime te herzien, waardoor een mentaliteit wordt bevorderd waarin verandering wordt omarmd en mislukkingen worden gezien als een kans om te leren. Als gevolg hiervan worden organisaties flexibeler, beter voorbereid om in te spelen op marktverschuivingen en in staat om hun strategieën en rollen aan te passen aan nieuwe uitdagingen – waardoor flexibiliteit een essentieel onderdeel wordt van hun identiteit en operationele kracht.
Negentig procent van de bedrijven die in een onderzoek van Dataiku zijn ondervraagd, beschouwt AI een middel AI veerkracht AI bij het risico op een recessie en economische crises. Meer dan 80% van de managers geeft aan dat ze hun investeringen in AI de economische onzekerheid op peil houden of zelfs verhogen, wat wijst op een groot vertrouwen in het vermogen AIom bedrijven te beschermen tegen verstoringen.
Het Concentric ROI-raamwerk
Op basis van alle bovengenoemde factoren stellen wij de volgende formule voor om de ROI van een AI te berekenen. Deze formule is afhankelijk van drie niveaus: de sector, organisatie en de rationalisatie van de kosten voor IT, data en verandermanagement. Hoewel het beoordelen van elke factor complex is, helpt deze formule u om alle elementen waarmee rekening moet worden gehouden in het oog te houden.
Conclusie: De balans vinden in de ROI-vergelijking
Dit raamwerk gaat verder dan een statische kosten-batenanalyse en modelleert de domino-effecten AI:
- De krachten binnen de sector bepalen de spelregels voor het rendement op investeringen
- De mate waarin een onderneming er klaar voor is, bepaalt de instapkosten
- De voordelen nemen in de loop van de tijd toe
In ons laatste artikel zullen we bekijken hoe dit raamwerk in de praktijk kan worden gebracht aan de hand van twee voorbeelden uit de gezondheidszorg: één gericht op de ROI binnen 0–12 maanden en één gericht op de periode na 12 maanden.
