Organisaties die werken met kunstmatige intelligentie (AI) of machine learning (ML), voeren gemiddeld vier AI- of ML-projecten uit. Bedrijven verwachten het aantal AI-projecten in de komenden twaalf maanden te verdubbelen. 59% van de organisaties maakt gebruik van AI.
Dit blijkt uit het "AI and ML Development Strategies" onderzoek van Gartner, waarvoor 106 Gartner Research Circle Members - allen IT- en business professionals - zijn ondervraagd. 'We zien dit jaar een substantiële versnelling in de omarming van AI', zegt Jim Hare, research vice president bij Gartner. 'Door het groeiend aantal AI-projecten moeten organisaties intern herorganiseren om zeker te stellen dat projecten adequaat worden bemand en gefinancierd. Het is een best practice om een AI Center of Excellence op te zetten om kennis te distribueren, financiering te verkrijgen, prioriteiten te stellen en best practices zo goed mogelijk te delen.'
Gemiddeld zes nieuwe projecten in 2019
Bedrijven hebben gemiddeld vier AI-projecten lopen. Respondenten verwachten daarnaast in de komende twaalf maanden gemiddeld zes nieuwe AI-projecten te starten, terwijl dit er in de komende drie jaar vijftien zijn. Dit betekent volgens Gartner dat deze organisaties verwachten in 2022 zo'n 35 AI- of ML-projecten te hebben uitgerold.
40% van de organisaties noemt klantervaring de belangrijkste motivatie om AI-technologie in te zetten. Zo kunnen technologieën als chatbots en virtuele persoonlijke assistenten worden ingezet om externe klanten te bedienen. De meeste organisaties (56%) gebruiken AI echter intern om besluitvorming te ondersteunen en aanbevelingen te doen aan werknemers. "Het gaat minder om het vervangen van menselijke medewerkers en meer om het aanvullen en ondersteunen van hen om snellere en betere besluitvorming mogelijk te maken", licht Hare toe.
Automatiseren
Het automatiseren van taken is de op één na belangrijkste doelstelling van AI-projecten; 20% van de respondenten noemt dit als hoofddoel. Voorbeelden van taken die worden geautomatiseerd met behulp van AI zijn het zowel opstellen als versturen van facturen en valideren van contracten in de financiële sector. Denk echter ook aan het geautomatiseerd screenen en interviewen van sollicitanten in HR.
Bij het omarmen van AI lopen respondenten echter ook tegen uitdagingen aan. Een gebrek aan de juiste kennis en vaardigheden wordt het vaakst genoemd (56%), gevolgd door het begrijpen van toepassingen voor AI (42%) en zorgen over het bereik of de kwaliteit van data (34%).
'Het vinden van personeel met de juiste kennis is een belangrijke bron van zorgen indien het om geavanceerde technologieën gaat', stelt Hare. 'Een kenniskloof kan worden aangepakt door gebruik te maken van service providers, partnerships aan te gaan met universiteiten en trainingsprogramma's voor bestaand personeel op te zetten. Het creëren van een solide basis voor datamanagement is echter iets wat niet geïmproviseerd kan worden. Betrouwbare datakwaliteit is van kritiek belang voor het leveren van nauwkeurige inzichten, het opbouwen van vertrouwen en het reduceren van vooroordelen. Datagereedheid zou een belangrijk aandachtspunt moeten zijn voor ieder AI-project.'
Succes meten
Veel organisaties gebruiken efficiëntie om het succes van AI-projecten te meten. 'Het gebruik van efficiëntiedoelstellingen om waarde aan te tonen komt meer voor in organisaties die conservatief of mainstream zeggen te zijn in hun omarmingsprofielen. Bedrijven die agressief te werk gaan in omarmingsstrategieën geven eerder aan te kijken naar verbeteringen in klantbetrokkenheid.'
Meer informatie is beschikbaar in de analyse "Survey Analysis: AI and ML Development Strategies, Motivators and Adoption Challenges", die beschikbaar is voor klanten van Gartner.
