Maar echte data-intelligentie is meer dan het opzetten van de juiste database. Organisaties worstelen ook met de vraag hoe ze de afhankelijkheid van zeer technisch personeel kunnen overwinnen en raamwerken kunnen creëren voor gegevensprivacy en organisatorische controle bij het gebruik van generatieve kunstmatige intelligentie. Concreet willen ze alle medewerkers in staat stellen natuurlijke taal te gebruiken om op een bruikbare manier inzicht te krijgen uit de eigen gegevens van het bedrijf; om die gegevens uitgebreid te gebruiken om hun eigen Secure Large Language Models (LLM) te trainen, bouwen, inzetten en afstemmen; en om bedrijfsdata-intelligentie in elk bedrijfsproces te integreren.
In deze volgende grens van data-intelligentie zullen organisaties de waarde maximaliseren door AI te democratiseren en zich tegelijkertijd te onderscheiden door middel van hun mensen, processen en technologie binnen hun industriële context. Gebaseerd op een wereldwijd, sectoroverschrijdend onderzoek onder 600 technologieleiders, evenals diepgaande interviews met technologieleiders, onderzoekt dit rapport de fundamenten die in verschillende sectoren worden gebouwd en gebruikt om data en AI te democratiseren. Dit zijn haar belangrijkste bevindingen:
• Gegevenstoegang, streaming en realtime analyses zijn prioriteiten in elke branche. Vanwege de kracht van datagestuurde besluitvorming en het potentieel ervan voor baanbrekende innovatie eisen CIO’s naadloze toegang tot al hun data en de mogelijkheid om er realtime inzichten uit te halen. Tweeënzeventig procent van de respondenten zegt dat de mogelijkheid om real-time gegevens te verzenden voor analyse en actie “zeer belangrijk” is voor hun algemene technologiedoelen, terwijl nog eens 20% vindt dat het “enigszins belangrijk” is – of dat betekent dat ze real-time winkelverwijzingen mogelijk moeten maken of het identificeren van de volgende beste handelwijze in een kritieke triagesituatie in de gezondheidszorg.
• Alle industrieën streven ernaar hun databeheer en AI-modellen te verenigen. De drang naar een uniforme aanpak voor het beheer van data en AI-middelen is sterk: 60% van de respondenten in de enquête zegt dat een uniforme aanpak van ingebed databeheer en AI “erg belangrijk” is, en nog eens 38% zegt dat het “enigszins belangrijk” is, wat suggereert dat veel organisaties worstelen met een gefragmenteerde of geïsoleerde data-architectuur. Elke sector zal dit uniforme bestuur moeten realiseren binnen de context van zijn eigen unieke registratiesystemen, datapijplijnen en beveiligings- en compliance-eisen.
• Industriële data-ecosystemen en het delen tussen platforms zullen een nieuwe basis bieden voor AI-gedreven groei. In elke sector zien technologieleiders veelbelovend in het delen van gegevens, ongeacht de technologie, binnen het ecosysteem van de sector, ter ondersteuning van AI-modellen en kernactiviteiten die nauwkeurigere, relevantere en winstgevendere resultaten zullen opleveren. De technologieteams van verzekeraars en detailhandelaren streven er bijvoorbeeld naar om partnergegevens op te nemen ter ondersteuning van realtime prijs- en aanbodbeslissingen op online marktplaatsen, terwijl fabrikanten het delen van gegevens zien als een belangrijke kans voor voortdurende optimalisatie van de toeleveringsketen. Vierenzestig procent van de respondenten zegt dat de mogelijkheid om live gegevens op verschillende platforms te delen ‘erg belangrijk’ is, terwijl nog eens 31% zegt dat het ‘enigszins belangrijk’ is. Bovendien is 84% van mening dat een beheerde centrale marktplaats voor datasets, machine learning-modellen en notebookcomputers zeer of enigszins belangrijk is.
• Het gegevensbehoud en de flexibiliteit van kunstmatige intelligentie in de cloud resoneert met alle branches. Drieënzestig procent van de respondenten in alle branches is van mening dat de mogelijkheid om gebruik te maken van meerdere cloudproviders op zijn minst enigszins belangrijk is, terwijl 70% hetzelfde denkt over standaarden en open source-technologie. Dit komt overeen met de bevinding dat 56% van de respondenten één systeem voor het beheer van gestructureerde en ongestructureerde gegevens in business intelligence en AI als “zeer belangrijk” beschouwt, terwijl nog eens 40% dit als “enigszins belangrijk” beschouwt. Leidinggevenden geven prioriteit aan de toegang tot alle organisatiegegevens, van elk type en vanuit elke bron, veilig en zonder compromissen.
• Sectorspecifieke vereisten zullen de prioritering en het tempo van adoptie van generatieve AI-use cases bepalen. Optimalisatie van de toeleveringsketen is het generatieve AI-gebruiksvoorbeeld van de grootste waarde voor respondenten in de productiesector, terwijl data-analyse en realtime inzichten voor de publieke sector, personalisatie en gebruikerservaring voor M&E, en kwaliteitscontrole voor telecommunicatie. De adoptie van generatieve AI zal geen one-size-fits-all zijn; elke branche heeft zijn eigen strategie en aanpak. Maar hoe dan ook zal de waardecreatie afhangen van de toegang tot de data en AI die het ecosysteem van ondernemingen doordringen en de AI die is ingebed in haar producten en diensten.
Het maximaliseren van de waarde en het opschalen van de impact van AI op mensen, processen en technologie is een gemeenschappelijk doel in alle sectoren. Maar de verschillen binnen de sector verdienen bijzondere aandacht vanwege hun implicaties voor de manier waarop intelligentie naar data- en AI-platforms wordt gebracht. Of het nu gaat om een medewerker in de detailhandel die de omnichannel-verkoop verzorgt, een zorgverlener die op zoek is naar bewijsmateriaal uit de praktijk, een actuaris die risico’s en onzekerheid analyseert, een fabrieksarbeider die apparatuur diagnosticeert, of een telecomagent die de gezondheid, taal en scenario’s van het netwerk beoordeelt. AI-ondersteuning zal aanzienlijk variëren wanneer het democratiseert tot aan de frontlinies van elke sector.
Download het rapport.
Deze inhoud is geproduceerd door Insights, de aangepaste inhoudsafdeling van MIT Technology Review. Het is niet geschreven door de redactie van MIT Technology Review.