Met betrekking tot het creëren van die schaal maakt Chris Davis, partner bij het digitale adviesbureau Metis Strategy en leider van de AI-praktijk van zijn bedrijf, zich minder zorgen over het schalen van de technologie dan over de rol van mensen op die schaal. “Iemand moet de modellen ontwikkelen, trainen en begeleiden”, legt hij uit. “…de ironie is dat mensen feitelijk de beperkende factor kunnen zijn.”
Als middel om deze beperking te overwinnen benadrukt hij hoe noodzakelijk het is dat organisaties hun bedrijfsmodellen opnieuw bekijken – en waar nodig, herzien. “Je moet bedrijfsstrategieën opnieuw bekijken met de exponentiële schaal van AI in gedachten”, zegt hij. “En train productmanagers over hoe ze AI in alles kunnen verweven: digitale kernproducten, klantervaringen, werknemerservaringen, enzovoort.” Hij legt verder uit dat dit ook betekent dat de rollen en verantwoordelijkheden tussen de verschillende spelers in uw organisatie moeten worden gladgestreken: “AI-laboratoria, datawetenschappers, productteams – ze moeten allemaal weten hoe ze bij elke stap efficiënt moeten samenwerken, van het identificeren use cases tot het bouwen van algoritmen en modellen, van het volgen van AI-bedrijfsprocedures tot het monitoren van modellen die al in gebruik zijn.”
En er is voldoende bewijs om het punt van Davis te ondersteunen. Na onlangs bijvoorbeeld de rollen, verantwoordelijkheden en leveringsmethoden van zijn IT-productteams opnieuw te hebben gedefinieerd om te voldoen aan zijn specifieke AI-ambities, ontdekte een mondiale financiële dienstverlener veel hiaten in zijn capaciteit: sommige konden worden aangepakt door middel van bijscholing, maar ook enkele die zou vereisen dat er nieuwe mensen worden aangenomen.
Ergens naar uitkijken. Ondertussen zullen hyperbolische krantenkoppen de adoptie blijven overtreffen; Toch zullen ze de exponentiële snelheid waarmee het datavolume groeit niet kunnen overtreffen, vooral nu technologieën als 5G en IoT hun intrede doen. Dus als ook jij AI optimaal wilt benutten, moet je eerst in de spiegel kijken: kan ik deze groeiende hoeveelheid gegevens beheren? Als je de data niet kunt omzetten in iets betekenisvols, dan kun je, zoals Art Hu, technisch hoofd van Lenovo, suggereert, terrein verliezen: “Als je er als bedrijf niet achter komt hoe je (een groeiend volume aan data moet beheren) effectief en efficiënt is, zal de concurrent die dat wel doet potentieel een aanzienlijk voordeel hebben.”
Naarmate uw datastrategie volwassener wordt, moet u er rekening mee houden dat u over veel datagestuurde tools beschikt, waarvan er slechts één AI is. Het zit ingeklemd tussen een oceaan van gebruiksscenario’s in het noorden en uw kerngegevensbasis in het zuiden, en de vooruitgang in elk van deze lagen is onlosmakelijk verbonden met de andere twee. Het heeft geen zin om uw datastrategie als iets binairs te beschouwen, alsof het een gebouw in aanbouw is dat ooit voltooid zal zijn. Degenen die voortdurend onderwijs geven, onderzoeken, experimenteren en uitbreiden, met het juiste tempo en de juiste volgorde, zijn degenen die het meest waarschijnlijk zullen winnen met AI.
