AI in alle sectoren
Er is geen tekort aan AI-use cases in alle sectoren. Retailers stemmen winkelervaringen af op individuele voorkeuren met behulp van gegevens over klantgedrag en geavanceerde machine learning-modellen. Traditionele AI-modellen kunnen gepersonaliseerde aanbiedingen bieden. Met generatieve kunstmatige intelligentie worden deze gepersonaliseerde aanbiedingen echter verbeterd door op maat gemaakte communicatie op te nemen die rekening houdt met de persoonlijkheid, het gedrag en eerdere interacties van de gebruiker. In de verzekeringsbranche kunnen bedrijven met behulp van generatieve kunstmatige intelligentie mogelijkheden voor subrogatieherstel identificeren die door een handmatige operator over het hoofd kunnen worden gezien, waardoor de efficiëntie wordt vergroot en het herstelpotentieel wordt gemaximaliseerd. Banken en financiële instellingen gebruiken AI om het cliëntenonderzoek te ondersteunen en de inspanningen ter bestrijding van het witwassen van geld te verbeteren door gebruik te maken van AI-gestuurde kredietrisicobeheerpraktijken. AI-technologieën verbeteren de diagnostische nauwkeurigheid door middel van geavanceerde beeldherkenning in de radiologie, waardoor eerdere en nauwkeurigere ziektedetectie mogelijk wordt, terwijl voorspellende analyses gepersonaliseerde behandelplannen mogelijk maken.
De kern van een succesvolle AI-implementatie ligt in het begrijpen van de bedrijfswaarde ervan, het opbouwen van een solide databasis, het afstemmen op de strategische doelstellingen van de organisatie en het inbrengen van gekwalificeerde expertise op alle niveaus van de onderneming.
- ‘Ik denk dat we ons ook moeten afvragen: als we slagen, waar zullen we dan mee stoppen? Want als we collega’s empoweren via AI, geven we ze nieuwe kansen [and] snellere, snellere en economischere manieren om dingen te doen. Daarom moeten we zelfs trouw blijven aan het ontwerpdenken van de organisatie. Vaak werkt een AI-programma niet, niet omdat de technologie niet werkt, maar omdat bedrijfsprocessen of organisatiestructuren stroomafwaarts nog steeds worden gehandhaafd zoals voorheen.” —Shan Lodh, directeur dataplatforms, Shawbrook Bank
Of het nu gaat om het automatiseren van routinetaken, het verbeteren van gebruikerservaringen of het bieden van diepere inzichten door middel van data-analyse: het is belangrijk om te definiëren wat AI onder bepaalde omstandigheden voor een bedrijf kan betekenen. De populariteit en de grote beloften van AI zijn niet voldoende redenen om direct over te gaan tot bedrijfsbrede adoptie.
“AI-projecten moeten voortkomen uit een op waarden gebaseerde positie, en niet op technologie”, zegt Sidgreaves. “De sleutel is om er altijd voor te zorgen dat je weet welke waarde je met AI aan het bedrijf of de klant toevoegt. En vraag jezelf eigenlijk altijd af: hebben we wel kunstmatige intelligentie nodig om dat probleem op te lossen?”
Het hebben van een goede technologiepartner is van cruciaal belang om ervoor te zorgen dat waarde wordt gerealiseerd. Gautam Singh, hoofd Data, Analytics en AI bij WNS zegt: “Bij WNS Analytics houden we de organisatiedoelen van onze klanten centraal. We hebben ons geconcentreerd en versterkt rond kernproductdiensten die diep ingaan op het creëren van waarde voor onze klanten.” Singh legt hun aanpak uit: “Dit doen we met behulp van onze unieke kunstmatige intelligentie en de mens interactiebenadering om diensten op maat te ontwikkelen en verschillende resultaten te bereiken.”
De basis van elke adoptie van geavanceerde technologie is data, en AI is daarop geen uitzondering. Singh legt uit: “Geavanceerde technologieën zoals AI en generatieve AI zijn misschien niet altijd de juiste keuze, dus werken we samen met onze klanten om de behoefte te begrijpen en de juiste oplossing voor elke situatie te ontwikkelen, met steeds grotere en complexe hoeveelheden gegevens.” De data-infrastructuur voor beheer en modernisering is essentieel om de basis te leggen voor AI-tools.
Dit betekent dat het doorbreken van silo’s en het maximaliseren van de impact van AI regelmatige communicatie en samenwerking tussen afdelingen vereist, van marketingteams die samenwerken met datawetenschappers om gedragspatronen van klanten te begrijpen tot IT-teams die ervoor zorgen dat hun infrastructuur AI-initiatieven ondersteunt.
- “Ik wil de toenemende verwachtingen van klanten benadrukken in termen van wat zij van onze bedrijven verwachten en dat zij ons kwaliteit en snelheid van dienstverlening bieden. Bij Animal Friends zien we het generatieve AI-potentieel op zijn hoogst met geavanceerde chatbots en voicebots die onze klanten 24/7 van dienst kunnen zijn, het juiste serviceniveau kunnen bieden en kosteneffectief zijn voor onze klanten. — Bogdan Szostek, hoofd datafunctionaris, Dierenvrienden
Investeren in domeinexperts met inzicht in regelgeving, activiteiten en industriële praktijken is net zo essentieel voor het succes van de implementatie van een AI-systeem als de juiste datafundamenten en strategieën. Voortdurende training en ontwikkeling zijn noodzakelijk om gelijke tred te houden met de evoluerende AI-technologieën.
Zorgen voor AI-vertrouwen en transparantie
Het creëren van vertrouwen in de generatieve implementatie van AI vereist dezelfde mechanismen die voor alle nieuwe technologieën worden gebruikt: verantwoordelijkheid, veiligheid en ethische normen. Transparant zijn over de manier waarop AI-systemen worden gebruikt, de gegevens waarop ze vertrouwen en de besluitvormingsprocessen die ze gebruiken, kunnen een grote bijdrage leveren aan het opbouwen van vertrouwen onder belanghebbenden. Het Future of Enterprise and AI-rapport stelt zelfs dat 55% van de organisaties “het opbouwen van vertrouwen in AI-systemen bij belanghebbenden” als de grootste uitdaging beschouwt bij het opschalen van AI-initiatieven.