default-header
Blog

Data Science & AI; de nieuwe elektriciteit. Maar hoe begin ik?

Zie AI als het 21e-eeuwse equivalent van het introduceren van elektriciteit in bedrijfsprocessen. Wie wil er tenslotte in het donker werken? AI als brandstof voor nieuwe bedrijfsmodellen. Gelijk aan elektriciteit heeft AI echt tig mogelijke toepassingen.

Als AI correct wordt geïmplementeerd, levert het echte zakelijke voordelen op: Microsoft ontdekte dat organisaties die al op de AI-reis zijn, beter presteren dan organisaties die dat niet zijn, met 5% op productiviteit, prestaties en bedrijfsresultaten. Volgens Gartner zal tegen 2021 15% van alle klantenservice-interacties wereldwijd volledig door AI worden afgehandeld, een toename van 400% vanaf 2017.

Een deel van het probleem is dat bedrijven moeilijk kunnen begrijpen hoe ze deze transformationele technologie op hun eigen organisatie kunnen toepassen op een manier die een betekenisvolle impact oplevert. Nu de vraag naar AI toeneemt, is de discussie niet langer “waarom moet ik implementeren?” , maar “hoe begin ik?”.

AI heeft het vermogen om elk onderdeel van het bedrijf te beïnvloeden – van productie en supply chain tot gebruikerservaring – en om activiteiten fundamenteel te verstoren. Bovendien is er geen ‘one-size-fits-all’-benadering van AI.

AI-oplossingen zijn op maat gemaakt om specifieke problemen binnen een organisatie op te lossen. Dit betekent dat het management actief betrokken moeten zijn bij het identificeren van die problemen – en bij het begrijpen van de mogelijkheden en beperkingen van AI bij het aanpakken ervan. Kortom, als het gaat om het omarmen van AI, moet het management een persoonlijke interesse hebben. Leiderschap is hierbij nodig om mensen te overtuigen om het belang van data en AI te waarderen en het potentieel ervan om waarde in het bedrijf te genereren.

Uiteindelijk betekent dit een heroverweging van traditionele bedrijfsstructuren, operationele modellen, roldefinities, individuele succesmaatregelen en loopbaanontwikkeling. Succesvolle AI-oplossingen op de korte termijn zijn afhankelijk van het stellen van de juiste vragen over de gegevens, dus moedig teams aan om vragen te stellen, uit te dagen en actief betrokken te raken bij de introductie van gegevens en AI in het bedrijf.

Een goed startpunt is om de waarde propositie van het bedrijf te identificeren en door te vragen: in wat voor business zitten we? Wat maakt ons succesvol? Is het R&D? Marketing? Klantenservice? Operationele uitmuntendheid?

De volgende stap is om inzicht te krijgen in de mogelijkheden van AI en deze af te stemmen op de waarde propositie van het bedrijf: AI kan bijvoorbeeld helpen bij prognoses (zoals het voorspellen van budgetoverschrijdingen of periodes waarin het personeel ziek zal zijn). In sectoren zoals detailhandel, projectbeheer of gezondheidszorg, waar de waarde propositie een sterke klantgerichtheid heeft, kan AI helpen bij het visualiseren en verbeteren van planning en het optimaliseren van middelen in verschillende scenario’s.

Waar de waarde propositie van een bedrijf is gebaseerd op innovatie en R&D, kunnen AI-geschikte zoekmachines de competenties, kennisbasis en ideeën van het hele personeelsbestand snel zichtbaar maken en deze vervolgens gebruiken voor relevante gegevens. Dit helpt bij het bouwen van teams met uitgebreide knowhow die zijn uitgerust met de diepte van kennis en gegevens om nieuwe inzichten te genereren en een grotere impact te bereiken in een kortere periode.

De disruptieve, silo-verwoestende impact van AI betekent dat als het gaat om AI-experimenten, het management multidisciplinaire teams moeten samenstellen die hun respectievelijke expertisegebieden kunnen bundelen om de impact en het succes van elk AI-project te maximaliseren. De exacte combinatie van vaardigheden die deze teams nodig hebben, hangt af van het bedrijfsprobleem of de reeks problemen die het bedrijf probeert op te lossen met AI. Het team heeft waarschijnlijk data scientists, data-engineers, ontwerpers en een projectmanager nodig (d.w.z. de persoon die de businesscase ‘bezit’). Als het probleem erg domein specifiek is, is een domeinspecialist nodig.

Samengevat is een onderstaande aanpak raadzaam:

  1. Maak je persoonlijk bewust van de potentie en impact
  2. Sta open voor een mindshift (anders denken)
  3. Neem een probleem of vraag die er toe doet binnen de huidige marktcontext. Het vinden van problemen die de moeite waard zijn om op te lossen, vormt de kern van succesvolle innovatie omdat het de focus verlegt van theorie naar praktijk en van praten naar doen.
  4. Stel multi functioneel team samen om probleem te adresseren
  5. Toets huidige staat van AI, bouw een data lake/ data warehouse en begin met experimenteren
  6. Start klein, denk groot en begin zonder vertraging
  7. Volhard in toepasbare oplossingen

Ik geloof dat Data science & AI in elk hart van een succesvol businessmodel zit, ergo de basis is van een succesvol businessmodel. Data science & AI gaan het ‘competitief’ verschil maken. De D van Digitalisering of Data hoort standaard in de marketingmix van Porter thuis en is de 5e P!

Bent u ook op zoek naar de juiste competenties om uw organisatie verder te helpen met data en het ontwikkelen van data driven inzichten en services kijk dan op IXT, People multiplying your Business; www.ixt.nl of mail naar hans@ixt.nl

>