211service.com
Navigeren door een verrassende pandemische bijwerking: AI-whiplash
Geleverd door KPMG
Te midden van de vele bedrijfsstoringen veroorzaakt door covid-19, is er een die grotendeels over het hoofd wordt gezien: kunstmatige intelligentie (AI) whiplash.
Toen de pandemie vorig jaar de wereld op zijn kop zette, grepen bedrijven naar alle tools die ze tot hun beschikking hadden, inclusief AI, om uitdagingen op te lossen en klanten veilig en effectief van dienst te zijn. In een KPMG-enquête uit 2021 van de Amerikaanse bedrijfsleiders, uitgevoerd tussen 3 en 16 januari, zei de helft van de respondenten dat hun organisatie het gebruik van AI versnelde als reactie op covid-19 – waaronder 72% van de industriële fabrikanten, 57% van de technologiebedrijven en 53% van de retailers.
De meesten zijn blij met de resultaten. Tweeëntachtig procent van de ondervraagden is het ermee eens dat AI nuttig is geweest voor hun organisatie tijdens de pandemie, en een meerderheid zegt dat het zelfs meer waarde oplevert dan verwacht. Meer in het algemeen zeggen bijna allemaal dat een breder gebruik van AI hun organisatie efficiënter zou maken. Sterker nog, 85% wil dat hun organisatie AI-adoptie versnelt.
Toch is het sentiment niet helemaal positief. Zelfs als ze het gas willen geven, denkt 44% van de leidinggevenden dat hun branche sneller gaat op het gebied van AI dan zou moeten. Nog verrassender is dat 74% beweert dat het gebruik van AI om bedrijven te helpen meer hype dan realiteit blijft - een sterke stijging in belangrijke industrieën sinds onze AI-enquête van september 2019. In zowel de financiële dienstverlening als de detailhandel vindt 75% van de leidinggevenden nu dat AI overhyped is, tegen respectievelijk 42% en 64%.
Hoe deze schijnbaar tegengestelde standpunten te relativeren over wat KPMG AI-whiplash noemt? Op basis van ons werk om organisaties te helpen bij het toepassen van AI, zien we verschillende verklaringen over hype. Een daarvan is de eenvoudige nieuwheid van de technologie, waardoor misvattingen mogelijk zijn over wat het wel en niet kan doen, hoe lang het duurt om resultaten op ondernemingsniveau te realiseren en welke fouten mogelijk zijn als organisaties experimenteren met AI zonder de juiste basis.
Hoewel 79% van de respondenten zegt dat AI op zijn minst matig functioneel is in hun organisatie, zegt slechts 43% dat het op schaal volledig functioneel is. Het is nog steeds gebruikelijk om mensen te vinden die AI zien als iets dat moet worden gekocht - zoals een nieuw stuk machine - om onmiddellijke resultaten te leveren. En hoewel ze misschien enig succes hebben gehad met AI - vaak kleine proofs of concept - hebben veel organisaties geleerd dat het opschalen naar ondernemingsniveau een grotere uitdaging kan zijn. Het vereist toegang tot schone en goed georganiseerde gegevens; een robuuste infrastructuur voor gegevensopslag; materiedeskundigen om te helpen bij het maken van gelabelde trainingsgegevens; geavanceerde computerwetenschappelijke vaardigheden; en buy-in van het bedrijf.
Natuurlijk is het ook niet moeilijk om te geloven dat voorstanders van AI het potentieel van tijd tot tijd hebben overdreven of de inspanning die nodig is om de volledige waarde ervan te realiseren, hebben verwaarloosd.
Over de reden waarom leidinggevenden het oneens zijn over de snelheid van de adoptie van AI, zien we de fundamentele menselijke natuur in het spel. Om te beginnen is het altijd makkelijker om te geloven dat het gras groener is aan de andere kant. We vermoeden ook dat veel mensen zich zorgen maken dat hun branche te snel gaat, voornamelijk omdat hun eigen organisatie die snelheid niet aankan. Als ze in een vroeg stadium problemen hebben gehad met AI – vooral vorig jaar, toen de wereld getuige was van AI-geactiveerde prestaties zoals de recordsnelle ontwikkeling van covid-19-vaccins – was het misschien gemakkelijk om voor die angsten te bezwijken.
We zien nog een factor die gemengde gevoelens veroorzaakt over het potentieel van AI: het ontbreken van een vastgesteld wettelijk en regelgevend kader om het gebruik ervan te sturen. Veel bedrijfsleiders hebben geen duidelijk beeld van wat hun organisatie doet om AI te besturen, of welke nieuwe overheidsvoorschriften in het verschiet liggen. Het is begrijpelijk dat ze zich zorgen maken over de bijbehorende risico's, waaronder het ontwikkelen van use cases vandaag die regelgevers morgen zouden kunnen vernietigen.
Deze onzekerheid verklaart nog een andere schijnbaar tegenstrijdige bevinding uit ons onderzoek. Hoewel bedrijfsleiders doorgaans sceptisch staan tegenover overheidsregulering, vindt 87% dat de overheid een rol moet spelen bij het reguleren van AI-technologie.
Verdergaan met AI-whiplash
Hoewel elke organisatie zijn eigen draaiboek nodig heeft om te herstellen van AI-whiplash en zijn investering in de technologie te optimaliseren, moet een uitgebreid plan vijf componenten bevatten:
- Een strategische investering in data. Data is de grondstof van AI en het bindweefsel van een digitale organisatie. Organisaties hebben schone, machinaal verteerbare gegevens nodig die zijn gelabeld om AI-modellen te trainen, met de hulp van materiedeskundigen. Ze hebben een infrastructuur voor gegevensopslag nodig die functionele silo's binnen het bedrijf overstijgt en gegevens snel en betrouwbaar kan leveren. Zodra de modellen zijn geïmplementeerd, is een strategie en aanpak voor het verzamelen van gegevens nodig om ze continu af te stemmen en te trainen.
- Het juiste talent. Er is veel vraag naar computerwetenschappers met expertise in AI en moeilijk te vinden, maar cruciaal om het AI-landschap te begrijpen en de strategie te sturen. Organisaties die niet in staat zijn om intern een volledig team van wetenschappers op te bouwen, hebben externe partners nodig die de leemten kunnen opvullen en hen kunnen helpen het steeds groter wordende scala aan AI-leveranciers en -aanbiedingen te doorzoeken.
- Een AI-strategie voor de lange termijn, geleid door het bedrijf. Organisaties halen het meeste uit AI door na te denken over het vinden van oplossingen voor problemen, niet door technologie te kopen en te zoeken naar manieren om deze te gebruiken. Ze laten het bedrijf, niet de IT-afdeling, de agenda bepalen. Wanneer AI-investeringen die zijn gekoppeld aan een door het bedrijf geleide strategie verkeerd gaan, worden ze kansen om snel te falen en te leren, niet snel en brandend. Maar zelfs als bedrijven snel itereren, moeten ze dit doen in overeenstemming met een AI-strategie voor de lange termijn, omdat de grootste voordelen op de lange termijn worden gerealiseerd.
- Cultuur en bijscholing van medewerkers. Weinig AI-agenda's zullen grip krijgen zonder de inzet van het personeel en een cultuur die is geïnvesteerd in het succes van AI. Om de betrokkenheid van werknemers te winnen, moet u ze op zijn minst een rudimentair begrip van de technologie en gegevens geven, en een nog dieper begrip van hoe dit hen en de onderneming ten goede zal komen. Ook belangrijk is het bijscholen van het personeelsbestand, vooral wanneer AI hun bestaande verantwoordelijkheden overneemt of aanvult. Door een datagestuurde mindset te omarmen en een diepere AI-geletterdheid in het DNA van een organisatie bij te brengen, kunnen ze opschalen en slagen.
- Een toewijding aan ethisch en onbevooroordeeld gebruik van AI. AI is veelbelovend, maar kan ook schadelijk zijn als organisaties het gebruiken op manieren die klanten niet leuk vinden of die bepaalde delen van de bevolking discrimineren. Elke organisatie zou een AI-ethiekbeleid moeten ontwikkelen met duidelijke richtlijnen over hoe de technologie zal worden ingezet. Dit beleid moet maatregelen verplicht stellen en deel uitmaken van het DevOps-proces om te controleren op problemen en onevenwichtigheden in de gegevens, onbedoelde vooroordelen in algoritmen voor machine learning te meten en kwantificeren, de herkomst van gegevens te volgen en degenen te identificeren die algoritmen trainen. Organisaties moeten de modellen continu controleren op vooringenomenheid en drift, en ervoor zorgen dat modelbeslissingen worden uitgelegd.
Wat is het volgende
De doelstellingen van leidinggevenden voor AI-investeringen in de komende twee jaar verschillen per branche. Leidinggevenden in de gezondheidszorg zeggen dat hun focus zal liggen op telegeneeskunde, robottaken en het verlenen van patiëntenzorg. In de biowetenschappen zeggen ze dat ze AI willen inzetten om nieuwe inkomstenmogelijkheden te identificeren, administratieve kosten te verlagen en patiëntgegevens te analyseren. En regeringsleiders zeggen dat hun focus zal liggen op het verbeteren van procesautomatisering en analysemogelijkheden, en op het beheren van contractuele en andere verplichtingen.
De verwachte resultaten verschillen ook per branche. Retailmanagers voorspellen de grootste impact op het gebied van klantinformatie, voorraadbeheer en chatbots voor klantenservice. Industriële fabrikanten zien het in productontwerp, ontwikkeling en engineering; onderhoudswerkzaamheden; en productieactiviteiten. En financiële dienstverleners verwachten beter te worden in fraudedetectie en -preventie, risicobeheer en procesautomatisering.
Op de lange termijn ziet KPMG dat AI een cruciale rol speelt bij het terugdringen van fraude, verspilling en misbruik, en bij het helpen van bedrijven bij het aanscherpen van hun verkoop-, marketing- en klantenserviceactiviteiten. Uiteindelijk zijn we van mening dat AI zal helpen bij het oplossen van fundamentele menselijke uitdagingen op uiteenlopende gebieden als de identificatie en behandeling van ziekten, landbouw en wereldwijde honger en klimaatverandering.
Dat is een toekomst die het waard is om naar toe te werken. Wij zijn van mening dat zowel de overheid als de industrie een rol moeten spelen om dit mogelijk te maken - door samen te werken om regels te formuleren die de ethische evolutie van AI bevorderen zonder de innovatie en het momentum dat al aan de gang is, te onderdrukken.
Lees meer in de KPMG 'Thriving in an AI World'-rapport .
Deze inhoud is geproduceerd door KPMG. Het is niet geschreven door de redactie van MIT Technology Review.