2min

Veel bedrijven zijn nog niet goed voorbereid op het uitrollen van AI- en machine learning-projecten. Het maken van de juiste doelstellingen hiervoor moet hen hierbij helpen.

Kunstmatige intelligentie (AI) en machine learning (ML) zijn al jaren buzzwords binnen bedrijven. Toch zijn organisaties nog steeds niet goed voorbereid op een goede uitrol van projecten die deze technologie omarmen, aldus onderzoek van Rackspace Technology.

Uit een recent onderzoek van de cloudspecialist blijkt dat de meerderheid van de ondervraagde organisaties, 82 procent, op dit moment nog aan het onderzoeken is hoe zij AI en ML het beste binnen hun eigen infrastructuur kunnen implementeren. Slechts 17 procent van de respondenten geeft aan al een duidelijk AI- en ML-framework te hebben.

Redenen achterlopen

Als belangrijkste redenen voor het achterlopen in de uitrol van AI en ML geven zij een gebrek aan goede data en vaardigheden van de medewerkers aan. Een andere belangrijke genoemde reden is het hebben van slecht voorbereide AI- en ML-strategieën.

Daarnaast weten veel bedrijven niet of zij het hele gebeuren rondom AI en ML moeten outsourcen of zelf daarvoor vanaf nul projecten moeten opbouwen. Volgens het onderzoek van Rackspace blijkt wel dat de meeste bedrijven hun AI- en ML-ontwikkelprojecten uitbesteden aan vertrouwde partners.

KPI’s belangrijk

Volgens Rackspace gaan steeds meer bedrijven over tot AI- en ML-initiatieven om hun efficiency en klantenervaring te verbeteren. Om deze projecten te laten slagen, moeten zij echter wel aan een aantal voorwaarden voldoen. Zij moeten eerst hun data en dataprocessen opschonen. Dit betekent dat zij de juiste gegevens in de juiste systemen moeten stoppen op een zo betrouwbare en kostenefficiënte manier.

Hiervoor kunnen bedrijven het beste duidelijke Key Performance Indicators (KPI’s) stellen om het succes van de AI- en ML-initiatieven te kunnen meten. De belangrijkste KPI’s die zij hiervoor moeten laten meewegen, zijn onder andere winstmarge, groei van de omzet en klantenervaring/Net Promotor Scores (NPS)-indicatoren.