De hype rond kunstmatige intelligentie (AI) is enorm. Bij de meeste van de honderd Europese bedrijven die hebben deelgenomen aan een recent onderzoek van SAS, bevindt de invoering van AI zich echter nog maar in de beginfase of zelfs nog maar in de planningsfase. Het goede nieuws is dat de grote meerderheid van de organisaties het onderwerp kunstmatige intelligentie wel al op de agenda heeft staan en dat een aantal al is begonnen met de implementatie van concrete projecten.
Er bestaat onder de respondenten aan het onderzoek veel optimisme over het potentieel van kunstmatige intelligentie in algemene zin. Tegelijkertijd is maar een beperkt aantal respondenten ervan overtuigd dat hun organisatie al klaar is om dat potentieel te ontsluiten. Het is niet zozeer een gebrek aan beschikbare technologie dat de invoering van kunstmatige intelligentie in de weg staat; de meesten geven aan dat er diverse opties voorhanden zijn. De uitdagingen zijn eerder het gevolg van een tekort aan data science vaardigheden om opkomende AI-technologie optimaal te benutten, en het gevolg van dieperliggende organisatorische en maatschappelijke obstakels.
Dit zijn enkele van de bevindingen van de Enterprise AI Promise Study, een enquête onder leidinggevenden van honderd Europese organisaties in verschillende sectoren, zoals het bank- en verzekeringswezen, de productie- en retailsector en de overheid. Het SAS-onderzoek werd in augustus gehouden om te meten hoe zakelijke leiders aankijken tegen de mogelijkheden van AI, hoe ze het nu gebruiken, hoe ze het van plan zijn in de toekomst te gebruiken, en welke uitdagingen zij ondervinden.
Maatschappelijke uitdagingen
Volgens 25 procent van de respondenten is de grootste uitdaging met betrekking tot AI het effect van de automatisering en autonomie van AI op de werkgelegenheid. Bij dit potentiële effect gaat het niet alleen om verlies van arbeidsplaatsen, maar ook om de ontwikkeling van nieuwe banen waarvoor nieuwe, met AI verband houdende vaardigheden nodig zijn.
Ethische kwesties werden als de op één na grootste uitdaging genoemd: 41 procent van de respondenten vraagt zich af of robots en AI-systemen zouden moeten werken voor “ het welzijn van de mensheid” in plaats van voor afzonderlijke bedrijven, en hoe degenen die door AI-systemen hun baan verliezen, moeten worden opgevangen.
Data scientists en organisatorische bereidheid
Op de vraag of de data scientists van organisaties klaar zijn voor de uitdaging van de opkomende kunstmatige intelligentie, antwoordt slechts 20 procent dat hun data science teams klaar zijn. Terwijl 19 procent aangeeft helemaal geen data science teams in huis te hebben.
Volgens 28 procent van de respondenten is hun organisatie van plan om data scientists aan te trekken om de vaardigheden binnen de organisatie uit te breiden; 32 procent zegt dat ze binnen hun bestaande analistenteams AI-vaardigheden ontwikkelen door middel van training, symposia en workshops.
Daarnaast blijkt in veel organisaties vertrouwen een belangrijk knelpunt te zijn. Bijna de helft van de respondenten (49 procent) noemt in dit verband culturele uitdagingen als gevolg van een gebrek aan vertrouwen in de resultaten van AI en – meer in het algemeen – een gebrek aan vertrouwen in
de resultaten van zogeheten "black box" oplossingen.
Platform gereed voor AI
Een ander doel van het onderzoek was om na te gaan in hoeverre de infrastructuur binnen organisaties gereed is voor AI. Er blijkt een tegenstelling te zijn tussen de respondenten die van mening zijn dat ze over de juiste infrastructuur voor AI beschikken (24 procent), en de respondenten die vinden dat ze hun huidige platform voor AI moeten bijwerken en aanpassen (24 procent) of geen specifiek platform voor AI hebben (29 procent).
Download hier het volledige onderzoeksrapport voor nog meer bevindingen. De bekendmaking van dit onderzoek werd gedaan tijdens Analytics Experience in Amsterdam, een congres georganiseerd door SAS dat meer dan 1000 geïnteresseerden samenbrengt om ideeën uit te wisselen over innovatieve technologische ontwikkelingen en oplossingen.
7 november (online seminar op 1 middag)Praktische tutorial met Alec Sharp Alec Sharp illustreert de vele manieren waarop conceptmodellen (conceptuele datamodellen) procesverandering en business analyse ondersteunen. En hij behandelt wat elke data-pr...
11 t/m 13 november 2024Praktische driedaagse workshop met internationaal gerenommeerde trainer Lawrence Corr over het modelleren Datawarehouse / BI systemen op basis van dimensioneel modelleren. De workshop wordt ondersteund met vele oefeningen en pr...
18 t/m 20 november 2024Praktische workshop met internationaal gerenommeerde spreker Alec Sharp over het modelleren met Entity-Relationship vanuit business perspectief. De workshop wordt ondersteund met praktijkvoorbeelden en duidelijke, herbruikbare ...
26 en 27 november 2024 Organisaties hebben behoefte aan data science, selfservice BI, embedded BI, edge analytics en klantgedreven BI. Vaak is het dan ook tijd voor een nieuwe, toekomstbestendige data-architectuur. Dit tweedaagse seminar geeft antwoo...
De DAMA DMBoK2 beschrijft 11 disciplines van Data Management, waarbij Data Governance centraal staat. De Certified Data Management Professional (CDMP) certificatie biedt een traject voor het inleidende niveau (Associate) tot en met hogere niveaus van...
3 april 2025 (halve dag)Praktische workshop met Alec Sharp [Halve dag] Deze workshop door Alec Sharp introduceert conceptmodellering vanuit een non-technisch perspectief. Alec geeft tips en richtlijnen voor de analist, en verkent datamodellering op c...
10, 11 en 14 april 2025Praktische driedaagse workshop met internationaal gerenommeerde spreker Alec Sharp over herkennen, beschrijven en ontwerpen van business processen. De workshop wordt ondersteund met praktijkvoorbeelden en duidelijke, herbruikba...
15 april 2025 Praktische workshop Datavisualisatie - Dashboards en Data Storytelling. Hoe gaat u van data naar inzicht? En hoe gaat u om met grote hoeveelheden data, de noodzaak van storytelling en data science? Lex Pierik behandelt de stromingen in ...
Deel dit bericht