Info Support: Negen stappen richting succesvolle implementatie AI

Bijna de helft van de Chief Information Officers zegt Artificial Intelligence te gebruiken of is van plan dit binnen een jaar te gaan doen. "Een teken dat 2021 het jaar is dat AI volwassen wordt", verduidelijkt Joop Snijder, hoofd Research Center AI bij Info Support. Toch blijkt de implementatie van AI in de praktijk een zware kluif: 85 procent van de AI-projecten in het bedrijfsleven maakt de beoogde beloften niet waar.

Om de slagingskans drastisch te verhogen, stelde Snijder een stappenplan op waarmee bedrijven hun kans op succes vergroten.

Stap 1: Bepaal je bedrijfsstrategie
Houd je huidige bedrijfsstrategie tegen het licht, want het heeft weinig zin om een AI-strategie op te tuigen die niet in lijn ligt met je businessdoelen. Stel jezelf vragen als: waar wil mijn bedrijf naartoe? Is de strategie up-to-date? Moet ik prioriteiten wijzigen?

Stap 2: Schets lange termijn prioriteiten
Aan de hand van je bedrijfsstrategie kun je bepalen welke lange termijn prioriteiten (zoals problemen of processen) kunnen worden opgelost of verbeterd via AI. Begin met maximaal 3 strategische use cases, zodat je de implementatie niet te groot maakt. Let wel: AI is geen doel, maar een middel. Maak dus geen gebruik van AI omdat het hip is, maar omdat het concreet bijdraagt aan het behalen van doelen.

Stap 3: Integreer korte termijn prioriteiten
Oefening baart kunst, dus begin vervolgens met de implementatie van korte termijn prioriteiten. Quick wins, denk bijvoorbeeld een het optimaliseren van kleinere processen via AI. Korte termijn prioriteiten zijn vaak relatief goedkoop, snel te implementeren en leggen bovendien een fundament voor de meer ingewikkelde lange termijn prioriteiten. In deze fase leer je wat je nodig hebt om AI op grote schaal in te zetten.

Stap 4: Ontwikkel een datastrategie
AI heeft data nodig om überhaupt te kunnen functioneren. Daarom is het zaak om na te gaan of de beschikbare data bijdragen aan de bedrijfsstrategie of dat er misschien meer of andersoortige data moet worden opgehaald (bijvoorbeeld bij andere partijen). De grootste valkuil zijn datasilo’s; eilandjes van informatie binnen de organisatie die door afdelingen niet worden samengevoegd, waardoor een compleet beeld ontbreekt. Kijk ook hoe data binnen de organisatie wordt uitgewisseld.

Stap 5: Neem ethische vraagstukken mee
Nagenoeg elk AI-systeem raakt in meer of mindere mate de levens van mensen, bijvoorbeeld wanneer persoonsgegevens worden gebruikt. Daarom moet je vooraf goed bedenken welke risico’s je als bedrijf loopt, denk aan privacy kwesties of bias-problematiek (discriminatie en vooroordelen). Neem ethische vraagtukken mee in het ontwerp en evalueer op gezette tijden.

Stap 6: Leg een technologische basis
Nu ga je bekijken welke technologische infrastructuur nodig is om AI optimaal te laten functioneren. Welke infrastructuur ligt er al? Is de juiste technologie al in huis? Moet er worden opgeschaald, stap je over op de cloud of werk je on-premise? Hoe moet het systeem op het vlak van security worden ingericht?

Stap 7: Breng je kennis en kunde op orde
Wanneer AI een wezenlijk onderdeel vormt van de bedrijfsvoering, moet niet alleen de technologie maar ook de kennis en kunde binnen de organisatie op orde worden gebracht. Welke kennis is er al en welke is nog nodig? En hoeveel capaciteit is gewenst? Dit bekent vaak dat een bedrijf (nieuwe) mensen moet trainen en/of aannemen. Er moeten andere rollen worden gecreëerd en trainingen worden gevolgd. Belangrijk dat C-level hierbij is betrokken.

Stap 8: Richt je (nieuwe) teams in
Ook het organisatiemodel moet deels op de schop. Hoe ga je je teams opzetten en inpassen? Wie is verantwoordelijk voor het functioneren van verschillende AI-onderdelen? Heb je hele specifieke AI-afdelingen of heeft ieder gedeelte van je bedrijf te maken met AI? Wie heeft eigenaarschap over de algoritmes of modellen? Er vinden dus veel veranderingen op teamniveau plaats.

Stap 9: Pas de cultuur aan
Zoals de vorige stappen al laten zien: de organisatiestructuur verandert. Dat betekent nieuwe rollen – zoals Chief Data Officer of Data Steward – maar leidt ook tot verandering in de cultuur van je bedrijf. Hoe ga je om met de AI-systemen, die niet altijd 100 procent accuraat zijn (fouten van mensen accepteren we, maar van machines wellicht niet)? Wat doe je als mensen AI als een bedreiging voor hun baan in plaats van een kans zien? Ook hier is een grote rol voor het C-level weggelegd.

Volgens Snijder is het speelkwartier voorbij en gaan we dit jaar serieuze oplossingen zien die waarde creëren en impact hebben op bedrijfsdoelen. “De tijd van proof-of-concepts is definitief voorbij. Dit betekent dat we in 2021 in vrijwel alle sectoren nieuwe toepassingen van AI terugzien, zeker nu de coronapandemie de digitalisering in een stroomversnelling heeft gebracht. AI is rijp voor de volgende stap.”

Lees hier meer over de verwachtingen en acceptatie van AI.