Organisaties uit alle sectoren, van banken, gezondheidszorg tot overheden, staan aan de vooravond van een revolutie waarbij AI en specifiek generatieve AI een cruciale rol speelt. Zo wordt AI met behulp van SAS al in de farmaceutische industrie ingezet om klinische testen te verbeteren, gebruiken verzekeraars het om de schadeafhandeling te versnellen en zijn overheden aan de slag gegaan met AI om fraude te verminderen. Maar hoe passen organisaties in deze sectoren AI nu effectief toe? Productiviteit, prestaties en vertrouwen zijn hierbij de sleutelwoorden, die ook van toepassing zijn op generatieve AI.
Productiviteit
Een vraag die veel wordt gesteld, is welke AI-strategie bedrijven hebben. Maar alleen het implementeren van een AI-strategie zal niet succesvol zijn en zorgen voor productiviteit. AI moet juist onderdeel vormen van de algehele bedrijfsstrategie om zo de echte problemen op te lossen.
Bij die implementatie van AI zijn er vijf factoren of uitdagingen van belang:
- Datakwaliteit. De kwaliteit van data die bedrijven verzamelen is nog nooit zo belangrijk geweest, want zonder kwalitatieve data kan er geen goed AI-model ontwikkeld worden. Bedrijven moeten daarom beter naar hun data kijken om betrouwbare AI-resultaten te behalen en bijvoorbeeld bias te voorkomen. Ook voor GenAI is de data die je gebruikt bepalend voor de kwaliteit en betrouwbaarheid van het eindresultaat.
- Beveiliging van data is cruciaal. Met de toename van het aantal datalekken en aanvallen op bedrijven, is de kans groter geworden dat data in de verkeerde handen terecht komt. Juist GenAI geeft criminelen opties om dit slimmer en effectiever in handen te krijgen.
- Het kostenaspect. Generatieve AI is niet goedkoop, vandaar dat bedrijven moeten kijken hoe ze dit op een kostenefficiënte manier kunnen integreren in hun bedrijfsproces. Daarbij moet worden gekeken naar welke processen wel of niet kunnen profiteren van GenAI om de kosten ervan te rechtvaardigen. En ga je zelf een GenAI model trainen of maak je gebruik van externe leveranciers?
- Het aantrekken van talent is een uitdaging. Omdat talent schaars is, moeten bedrijven nadenken over hoe ze hun talentenbestand aan- en invullen. Gezien de toenemende druk op bedrijven om GenAI sneller te ontwikkelen en toe te passen, is het belangrijk je organisatie aantrekkelijk te maken voor AI-experts om voor te werken.
- Samenwerking tussen disciplines. Om betrouwbare GenAI te ontwikkelen, moeten data scientists, IT-, bedrijfs- en juridische experts samenwerken vanuit hun vakgebied en expertise. Hoe kun je dit effectief aanpakken?
Prestaties
Om ervoor te zorgen dat generatieve AI ook daadwerkelijk tot de verwachte prestaties leidt, moet er goed worden gekeken naar de gewenste snelheid, schaalbaarheid en kosten.
Snelheid verwijst naar de verwerkingssnelheid van een AI-systeem en de tijd die nodig is om tot een bepaald resultaat te komen, zoals bij het trainen van een AI-systeem. Een sneller trainingsproces helpt kostbare data science capaciteit efficiënter in te zetten. Hoe sneller het systeem data kan verwerken, hoe responsiever het is. Zo is hoge snelheid wenselijk bij realtime toepassingen, zoals spraakherkenning, maar is snelheid minder van belang wanneer de nadruk ligt op de nauwkeurigheid van bijvoorbeeld medische diagnoses. De verwerkingssnelheid van (Gen)AI moet passend zijn bij de aard van de taken die worden uitgevoerd.
Schaalbaarheid gaat over het vermogen van een AI-systeem om zich aan te passen op het moment dat taken toenemen. Verzekeraars kunnen bijvoorbeeld een toename in het aantal claims verwachten in de zomerperiode. Wanneer een AI-systeem deze claims beoordeelt, moet het systeem ook op tijd kunnen opschalen.
Zoals eerder aangegeven, heeft generatieve AI een prijskaartje en moeten bedrijven dus goed nadenken over welke processen ze wel of niet automatiseren. Aan de andere kant kan het gebruik van GenAI juist bijdragen aan kostenbesparing. Bedrijven doen er daarom goed aan om te kijken welke bedrijfsprocessen het meeste kunnen profiteren van de mogelijkheden van GenAI.
Vertrouwen
Tot slot speelt vertrouwen een cruciale rol. Bij nieuwe innovaties moet er niet alleen gedacht worden aan de oplossing zelf, maar ook de mogelijke negatieve aspecten ervan. Denk bijvoorbeeld aan het ontwerp van een vliegtuig, dan moet er ook nagedacht worden over hoe om te gaan met een vliegtuigramp. Met AI is dat precies hetzelfde. Bij de implementatie van AI moet een proces ingebouwd worden om fouten of ongewenste uitkomsten te kunnen ontdekken en zoveel mogelijk te voorkomen. Welk plan heb je klaarliggen als het op grotere schaal misgaat. En hoe bouw je menselijke controle in? Denk hierbij aan het voorkomen van discriminatie of foutieve uitkomsten. Alleen wanneer AI op een ethische en eerlijke manier wordt toegepast, kan het vertrouwen uitstralen en dat vertrouwen is noodzakelijk voor de adoptie van AI binnen organisaties.
Hoewel veel organisaties al experimenteren met AI, is succesvolle implementatie een volgende stap. Door na te denken over de productiviteit, prestaties en het vertrouwen van generatieve AI zetten deze organisaties een stap in de goede richting. Daarbij is het belangrijk om niet direct groots uit te pakken, maar om simpelweg te beginnen en het stap voor stap aan te pakken.
Edwin van Unen, Principal Customer Advisor bij SAS Nederland
