Bij kunstmatige intelligentie (AI) denken we vaak aan een futuristisch concept. De oorsprong van AI als oplossing voor computertoepassingen gaat zover terug als een project aan het Dartmouth College in 1956. Jaren later versloegen AI-gestuurde computers mensen bij het schaken en losten ze woordproblemen op in algebra. Met andere woorden, AI bestaat al een tijdje.
De adoptie door bedrijven kwam echter traag op gang. AI was het grootste deel van het afgelopen decennium een modewoord in gesprekken over strategieën, voordat bedrijven de mogelijkheden ervan echt begonnen te zien als een voordeel voor klanten en werknemers. Plotseling maakte AI op veel gebieden van het moderne bedrijfsleven een grote impact.
AI is tegenwoordig onmisbaar voor bedrijven
Uit nieuw onderzoek dat IDG namens Freshworks heeft uitgevoerd, blijkt dat bijna alle IT-managers (93%) AI onderzoeken of inzetten, specifiek voor de modernisering van IT service management (ITSM) en IT operations management (ITOM), zoals chatbots of incidentrapportages. Daarnaast geeft bijna 70% van de respondenten aan dat AI een integraal onderdeel is van de modernisering van hun servicedesk.
Onderzoek van McKinsey’s Global AI Survey liet zien dat bij 74% van de respondenten van wie de bedrijven AI al hebben geïntegreerd in hun technologiestack, hun organisatie van plan is de investeringen in AI te verhogen. 44% van de ondervraagden rapporteerde daarnaast kostenbesparingen binnen de bedrijfsonderdelen die AI al hadden geïmplementeerd. Dit betekent dat we kunnen verwachten dat de AI ROI waarschijnlijk zal toenemen naarmate bedrijven hun AI-strategieën aanscherpen.
Het feit blijft: veel bedrijven staan nog altijd voor uitdagingen bij de inzet van AI. Veel van deze uitdagingen zijn te wijten aan verouderde percepties van de techniek. Inzicht in de feiten achter deze mythes kan IT-leiders en leveranciers van AI-diensten helpen om obstakels te overkomen en AI-strategieën te introduceren waar bedrijven het meeste baat bij zullen hebben.
Mythe 1: AI implementeren is moeilijk
Veel IT-managers zien de snelheid van implementatie als hun grootste uitdaging, maar ook hun grootste prioriteit voor een succesvolle implementatie. De technische obstakels bij het invoeren van AI zijn onder andere het gebrek aan experts om begeleiding te bieden, tekortkomingen in rekenkracht en onzekerheden over het verzamelen van de juiste gegevens.
Veel IT-leiders denken dat ze een groot aantal datawetenschappers en mensen met geavanceerde diploma’s in machine learning nodig hebben om AI-projecten met succes uit te voeren voor snelle resultaten.
Maar dat is niet helemaal juist. Vanuit mijn perspectief is het veel belangrijker om de juiste strategie uit te werken en de juiste tools te gebruiken waarmee je een grote gegevensbasis en een sterke gegevenscultuur kunt opbouwen. Ik heb veel AI-projecten zien mislukken door het ontbreken van standaard, hoogwaardige en relevante datasets. Een van de veelgemaakte fouten die we IT-leiders zien maken, is het intern ontwikkelen van AI-mogelijkheden, vooral voor niet-kernactiviteiten. Het is veel goedkoper en veel minder arbeidsintensief wanneer je bijvoorbeeld een vooraf getrainde virtuele agent implementeert dan wanneer je er zelf een bouwt.
Bovendien vereisen sommige platforms geavanceerde codeer- en scriptingvaardigheden om te integreren met bestaande systemen. Veel platforms bieden echter een low en soms zelfs een no code setup en kunnen daardoor snel integreren met de meest voorkomende bedrijfsapplicaties. Leveranciers bieden tegenwoordig out-of-the-box mogelijkheden en veelgebruikte IT plug-ins, en helpen AI-oplossingen snel te integreren met bestaande systemen om vanaf dag één de vruchten van AI te plukken. Dat AI moeilijk te implementeren is, is dus zeker niet waar.
Mythe 2: AI-modellen trainen is traag
Een veelgehoorde mythe is dat IT-leiders veel tijd en middelen nodig hebben om AI-modellen te trainen voor use-cases.
De realiteit is dat IT-leiders tegenwoordig voorgetrainde AI-modellen kunnen kopen en gebruiken. Zelfs als bedrijven besluiten om een nieuw model te bouwen met moderne machine learning, heb je de luxe van computersystemen die automatisch leren en verbeteren zonder dat er veel programeerwerk voor nodig is. Dat betekent dat bedrijven in wezen in drie eenvoudige stappen aan AI-projecten kunnen beginnen: trainen met bedrijfsspecifieke datasets, valideren en testen.
Mythe 3: AI bouwen is duur
De kosten van het bouwen, implementeren en beheren van IT-tools is een grote zorg voor veel tech-leiders.
Technologiekopers denken dat het bouwen van AI-systemen het grootste deel van hun IT-budget zal opslokken en veel zal eisen van de tijd en middelen van het team. Dat was vijf jaar geleden zeker het geval, maar vandaag de dag hebben steeds meer softwaretools ingebouwde AI-technologie die zakelijke gebruikers gemakkelijk kunnen overnemen en gebruiken. De softwaretools hebben complexe AI-technologieën teruggebracht tot goedkope software die eenvoudig te implementeren is en die bedrijven meteen kunnen gebruiken.
Belofte van AI wordt eindelijk realiteit
Van AI wordt al lang gezegd dat het een transformerende impact heeft op bedrijven – en de grote belofte van AI is eindelijk waargemaakt. Door de ervaringen van klanten en werknemers te verbeteren, kan AI teams helpen enorme datasets sneller te analyseren, vroegtijdige waarschuwingen te geven voor opkomende problemen en menselijke besluitvorming te verbeteren met relevante en zinvolle zakelijke inzichten.
Raymond Hüner, General Manager Benelux & Nordics & Emerging Markets Europe bij Freshworks
