Voor veel bedrijven betekent economische onzekerheid een (begrijpelijke) herprioritering. Bedrijfsdoelstellingen verschuiven van (agressieve) groei naar aanpassing aan moeilijke marktomstandigheden – dit keer een recessie. Op papier lijkt het allemaal een beetje somber. Maar dat hoeft helemaal niet zo te zijn, want er liggen nog genoeg kansen voor het oprapen. Ik geloof dat met name exponentiële groei en ontwikkeling van AI de potentie heeft om bedrijven van iedere omvang en in iedere sector zelfs in uitdagende tijden te helpen gedijen.
Voordelen van AI
AI biedt voordelen zoals verhoogde efficiëntie en lagere kosten, die een enorme hulp zijn voor organisaties die een economische storm moeten doorstaan. Een recent rapport van MIT, “CIO Vision 2025: Bridging the gap between BI and AI” bevroeg CIO’s, CTO’s, Chief Data and Analytics Officers en andere leidinggevenden op het gebied van datatechnologie over AI. Wat bleek: 94% van de respondenten gaf aan al gebruik te maken van AI in hun branche en meer dan de helft van de ondervraagde executives verwacht dat AI tegen 2025 wijdverspreid of zelfs van cruciaal belang zal zijn binnen organisaties.
Dat klinkt goed, maar het feit dat AI al veel wordt gebruikt, betekent nog niet dat het optimaal wordt benut. Dus hoe kom je van een eerste investering in AI tot een eindresultaat? En over wat voor ‘eindresultaat’ hebben we het hier eigenlijk?
De toenemende waarde van AI
Het MIT-rapport toont de meest concrete gebieden waar AI voordeel kan bieden, zowel nu als in 2025. Hoewel omzetverhoging nu nog op de vierde plaats staat, is de verwachting dat AI hier binnen drie jaar de meeste voordelen zal opleveren. En terwijl kostenbesparing nu op plek nummer zes staan, zal dit in 2025 naar verwachting de derde plaats innemen. Dit toont aan dat ondanks het enorme potentieel van AI wat betreft omzet en kosten, er nog veel toegevoegde waarde kan worden gecreëerd. Juist daarom zullen organisaties die doorlopend investeren in AI een steeds positievere impact maken op bedrijfsresultaten – een erg aantrekkelijk vooruitzicht in economisch lastige tijden.
Praktijkvoorbeeld: Rolls-Royce
Verbeterde efficiëntie en snellere productontwikkeling en ’time to market’ behoren tot de andere voordelen die AI kan bieden. Neem de luchtvaartindustrie: Rolls-Royce gebruikt voor hun vliegtuigmotoren cloudmodellen om de kosten voor zijn klanten te verlagen en nieuwe omzetbronnen aan te boren. Het bedrijf verzamelt real-time data door digital twins van zijn motoren te maken. Deze data wordt vervolgens met AI en ML geanalyseerd en gebruikt om motorstoringen te voorspellen voordat ze zich voordoen. Hierdoor heeft Rolls-Royce de operationele efficiëntie verbeterd, ongepland onderhoud voorkomen en miljoenen bespaard door de voorraadkosten van onderdelen te verlagen.
Het bovenstaande laat duidelijk zien hoe AI toegevoegde waarde heeft in tijden van recessie, waarin organisaties proberen kosten te besparen en meer moeten doen met minder. Tijd is geld, dus als AI kan helpen om sneller producten te leveren of een organisatie in het algemeen sneller kan helpen werken, is dit van groot belang voor de concurrentiepositie.
Maar om échte waarde uit AI te halen, moeten organisaties dit wel kunnen faciliteren met een gedegen, moderne data-architectuur.
AI en de moderne data-architectuur
Een groot probleem met AI is dat veel organisaties nog werken met legacy data-architecturen zoals datawarehouses. Door de complexiteit van deze legacy-architecturen ontstaan informatiesilo’s die verhinderen dat data gemakkelijk kan worden gedistribueerd door de organisatie. Bovendien kunnen hierdoor onnauwkeurige datasets met dubbele of verouderde informatie worden gedeeld – wat later tot grotere dataproblemen kan leiden. Zonder data van goede kwaliteit kan AI simpelweg niet ten volle worden benut.
Het antwoord ligt dan ook in een sterk en modern datafundament, zoals een data lakehouse, dat een organisatie al aan het begin van hun AI-reis moet neerzetten. Organisaties moeten streven naar een architectuur die het aantal benodigde dataplatforms vermindert en de complexiteit van legacy-architecturen wegneemt. Dit helpt om een tijdige stroom van nauwkeurige data te garanderen die makkelijk kan worden opgeslagen voor analytics én AI- en ML-werk.
Waar op letten?
Bij het kiezen van een AI-klare data-architectuur, moeten organisaties op het volgende letten:
- Multi-cloud: Dit is essentieel voor het schalen van AI in een bedrijf, vanwege de complexiteit van het monitoren en optimaliseren van AI-projecten in verschillende leveranciersomgevingen. Bovendien kunnen organisaties met een multi-cloud-aanpak hun AI-kosten beter beheersen. Cloudleveranciers brengen doorgaans namelijk zogenaamde ‘egress fees’ in rekening om data in en uit hun clouds te verplaatsen. Toch zijn ze steeds vaker bereid om hierover te onderhandelen. Veel van de grootste bedrijven ter wereld betalen dan ook geen egress fees. Dit is een trend die zich waarschijnlijk zal voortzetten, waardoor multi-cloud steeds rendabeler zal worden.
- Openheid: Weinig technologieën hebben zoveel baat gehad bij open samenwerking als AI. Het toekomstige succes van AI-innovatie is in ieder geval deels afhankelijk van externe data, inzichten en hulpmiddelen. Datatechnologie op basis van open standaarden en open dataformats biedt een goede basis voor deze samenwerking.
- Democratisering van data: Hoe meer AI-innovaties er verschijnen, hoe meer werknemers er nodig zijn die AI-algoritmen kunnen configureren en verbeteren. Om aan deze vraag te voldoen, is democratisering van data essentieel – vooral omdat er een fors tekort is aan AI-specialisten en datawetenschappers. Door data toegankelijker te maken binnen de organisatie help je “citizen data scientists” te creëren – werknemers zonder specialistische datawetenschappelijke opleiding die toch goed met data overweg kunnen. Elke modernisering van de infrastructuur moet daarom gericht zijn op bredere toegang van werknemers tot de data die nodig is voor de verdere ontwikkeling van algoritmen.
Geen betere tijd dan nu
Het is een instinctieve reactie om in het vooruitzicht van een recessie te bezuinigen en nieuwe investeringen op de lange baan te schuiven. Maar organisaties moeten hun blik op de toekomst gericht houden en nooit bezuinigen op langetermijndenken. Het is niet de eerste en ook niet de laatste keer dat we met economische onzekerheid worden geconfronteerd. Daarom moeten organisaties een oplossing vinden die hen tijdens zowel economische pieken als dalen ondersteunt. Investeren in een moderne data-architectuur is zo’n langetermijninvestering, die organisaties toekomstbestendig maakt, beschermt tegen economische instabiliteit en helpt bestaande processen duurzaam te stroomlijnen.
Door: Michael Green, VP Head of Northern Europe bij Databricks
