Altair heeft de resultaten bekendgemaakt van een onderzoek naar zakelijke AI, onder ruim 2.000 professionals in 10 landen en verschillende marktsectoren. Daaruit blijkt dat AI-strategieën op basis van organisatiedata wereldwijd in hoge mate worden geaccepteerd en geïmplementeerd. Tevens werd duidelijk dat de successen van AI- en data-analyseprojecten te lijden hebben onder drie soorten frictie: organisatorisch, technologisch en financieel. Deze fricties resulteren in een hoog faalpercentage van AI- en data-analyseprojecten (36% tot 56%).
Drie belangrijkste fricties
De onderzoekers identificeerden organisatorische, technologische en financiële frictie als de belangrijkste boosdoeners die het succes van AI- en data-analyseprojecten in de weg staan.
Organisatorische frictie: uit het onderzoek bleek dat organisaties veel moeite hebben om data science-rollen te vervullen, wat een belangrijke oorzaak van wrijving is.
- 75% van de respondenten zegt moeite te hebben genoeg data scientists te vinden
- 35% zegt dat AI-geletterdheid laag is bij de meerderheid van hun personeel
- 58% zegt dat het talenttekort en de tijd die nodig is om huidige werknemers bij te scholen het meest voorkomende probleem is bij de invoering van hun AI-strategie
Technologische frictie: ruim de helft van de respondenten zegt dat hun organisatie vaak te maken heeft met technische beperkingen die data- en AI-initiatieven vertragen.
- Organisaties worstelen het meest met de snelheid van dataverwerking, het snel nemen van weloverwogen beslissingen en problemen met de datakwaliteit
- Bijna tweederde van de respondenten (63%) zei dat hun organisatie het werken met AI-gestuurde datatools ingewikkelder maakt dan nodig is
- 33% noemde het onvermogen van legacy-systemen om geavanceerde AI- en machine learning-initiatieven te ontwikkelen als een terugkerend probleem dat frictie veroorzaakt
Financiële frictie: ondanks de wens van organisaties om hun data- en AI-strategieën te schalen, blijven teams en individuen financiële obstakels tegenkomen.
- 25% van de respondenten noemde financiële beperkingen als een frictiepunt dat een negatieve invloed heeft op AI-initiatieven binnen hun organisatie
- 28% zei dat leidinggevenden te gefocust zijn op de initiële kosten van de strategieën om te begrijpen hoe investeren in AI en machine learning hun organisatie ten goede zou komen
- 33% zei dat de ‘hoge implementatiekosten’, reëel of geschat, een van de tekortkomingen van hun organisatie is bij het vertrouwen op AI-tools om projecten te voltooien
Projecten mislukken vaak, maar optimisme overheerst
Organisaties in verschillende sectoren en geografische regio’s die AI gebruiken, blijven bestaan ondanks de hoge mislukkingspercentages van projecten.
- Een op de vier respondenten zei dat meer dan 50% van hun projecten mislukt
- 42% geeft toe dat ze de afgelopen twee jaar AI-falen hebben ervaren; onder die respondenten was het gemiddelde uitvalpercentage 36% in hun organisatie
- Ondanks het feit dat er AI-projecten mislukken, blijven organisaties AI gebruiken omdat ze denken dat er op de lange termijn nog steeds een kans is om de capaciteiten of diensten te verbeteren (78%) en de kleine successen laten zien dat er potentieel is voor doorbraken op de lange termijn (54%)
Veel organisaties hebben moeite om hun data science-projecten te voltooien.
- 33% van de respondenten zei dat meer dan de helft van hun data science-projecten de afgelopen twee jaar nooit in productie is gekomen
- Bij 55% is ruim een derde van hun data science-projecten de afgelopen twee jaar nooit in productie gekomen
- 67% zei dat meer dan een kwart van de projecten de productie nooit heeft gehaald
Wereldwijd zijn zowel technologie als talent pijnpunten voor organisaties bij data en AI-strategieën.
- Respondenten in de regio’s Azië-Pacific (APAC) en Europa-Midden-Oosten (EMEA) meldden dat ze de afgelopen twee jaar meer AI-storingen hadden ervaren (54% en 35%) in vergelijking met de regio Noord-Zuid-Amerika (AMER) (29%)
- 65% van de APAC-respondenten en 61% van de EMEA-respondenten was het erover eens dat hun organisatie het werken met AI-tools ingewikkelder maakt dan nodig is
- 78% van de APAC-respondenten en 75% van de EMEA-respondenten zei dat ze moeite hebben om voldoende data scientists te vinden
Frictieloze AI
Als organisaties ‘frictieloze AI’ realiseren, wordt data-analyse een eenvoudig, natuurlijk onderdeel van de bedrijfsvoering met projecten die snel, herhaalbaar en schaalbaar te realiseren zijn. Er zijn dan geen fricties meer tussen de projectteams en hun data, tussen data- en domeinexperts, tussen het ontwerp van data-applicaties en de implementatie voor een effectieve besluitvorming en geen migratieproblemen als de infrastructuur of tools veranderen.
Om het volledige ‘Frictionless AI Global Survey Report’ te lezen en meer te weten te komen over Altair’s frictionless AI-oplossingen, bezoek https://altair.com/frictionless-ai
