Nu AI-investeringstrends zich verder ontwikkelen tot 2025, staan leidinggevenden onder toenemende druk om strategische beslissingen te nemen overAI-implementaties. Met de snelle adoptie van AI-tools door bedrijven - 22 procent implementeert ze op grote schaal en 33 procent gebruikt ze op beperkte schaal - is inzicht in hoe AI-oplossingen moeten worden geëvalueerd en geïmplementeerd cruciaal geworden om concurrentievoordeel te behouden. In het boek'The Executive Guide to Artificial Intelligence' van Andrew Burgess biedt de auteur een uitgebreide gids voor bedrijfsleiders die AI-oplossingen willen begrijpen en implementeren in hun organisaties.

‍

Dit boek werd in 2017 gepubliceerd door Springer International Publishing en biedt een praktisch overzicht van hoe bedrijven gebruik kunnen maken van kunstmatige intelligentie. Wat is er vandaag veranderd?

‍

Huidige investeringstrends in AI 2025

Het AI-landschap maakt een ongekende groei door, waarbij organisaties steeds grotere investeringen doen om concurrerend te blijven.

De basis:

Burgess benadrukte dat het belangrijk is om te beginnen met het definiëren van duidelijke doelstellingen die zijn afgestemd op de bedrijfsstrategie, een principe dat vandaag de dag nog steeds geldig is. In het boek identificeerde hij acht kernmogelijkheden van AI:

‍

1. Beeldherkenning
2. Spraakherkenning
3. Zoeken en informatie-extractie
4. Clustering
5. Natuurlijke taal begrijpen
6. Optimalisatie
7. Voorspelling
8. Begrip (vandaag)

Evolutie van 2018 tot 2025:

Sinds het boek is geschreven, is AI veranderd van een opkomende technologie in een mainstreamtechnologie. De 'Understanding'-mogelijkheid die Burgess als futuristisch beschouwde, heeft aanzienlijke vooruitgang geboekt met de komst van Large Language Models (LLM) en generatieve AI-technologieën, die in 2018 nog niet in opkomst waren.

strategisch kader voor investeringsbeslissingen in AI

De vier essentiële vragen

Bij het evalueren van investeringen in AI is het cruciaal om je te richten op deze kritieke vragen:

1. Het bedrijfsprobleem definiëren
2. Metriek van succes
3. Implementatievereisten
4. Risicobeoordeling

‍

Opmerking: Dit raamwerk met vier vragen komt voort uit de huidige kennis en wordt niet expliciet gepresenteerd in Burgess' boek.

‍

Een effectieve AI-strategie ontwikkelen

Het adoptiekader:

Burgess stelt een gedetailleerd raamwerk voor om een AI-strategie te creëren dat het volgende omvat:

1. Afstemming op bedrijfsstrategie - begrijpen hoe AI bestaande bedrijfsdoelstellingen kan ondersteunen
2. IA-ambities begrijpen - Definieer indien gewenst:
   • Bestaande processen verbeteren
   • Bedrijfsfuncties transformeren
   • Nieuwe diensten/producten creëren
3. IA-volwassenheidsbeoordeling - Bepaal het huidige volwassenheidsniveau van de organisatie op een schaal van 0 tot 5:
   • Handmatige verwerking (niveau 0)
   • Traditionele IT-automatisering (niveau 1)
   • Basisgeïsoleerde automatisering (niveau 2)
   • Tactische implementatie van automatiseringstools (niveau 3)
   • Tactische implementatie van verschillende automatiseringstechnologieën (niveau 4)
   • End-to-end strategische automatisering (niveau 5)
4. Creatie van een IA heat map - Identificeren van gebieden met de grootste kansen
5. De business case ontwikkelen - De 'harde' en 'zachte' voordelen beoordelen
6. Veranderingsmanagement - Plannen hoe de organisatie zich zal aanpassen
7. Een IA-roadmap ontwikkelen - Een plan voor de middellange tot lange termijn opstellen

Evolutie van 2018 tot 2025:

Het raamwerk van Burgess blijft verrassend relevant vandaag de dag, maar moet worden aangevuld met overwegingen over:

• AI-ethiek en -regelgeving (zoals de AI-wet van de EU)
• Milieuduurzaamheid van IA
• Verantwoorde AI-strategieën
• Integratie met opkomende technologieën zoals kwantumcomputing

ROI meten bij AI-investeringen

De bepalende factoren voor rendement op investering:

Burgess identificeert verschillende soorten AI-voordelen, gecategoriseerd als 'harde' en 'zachte':

Harde voordelen:

• Kostenreductie
• Kosten vermijden
• Klanttevredenheid
• Naleving
• Risicobeperking
• Verliesbeperking
• Beperking van inkomstenverlies
• Inkomsten genereren

Zachte voordelen:

• Culturele verandering
• Concurrentievoordeel
• Halo-effect
• Andere voordelen mogelijk maken
• Digitale transformatie mogelijk maken

‍

‍

‍

Technische benaderingen van AI-implementatie

‍

Soorten oplossingen:

Burgess presenteerde drie hoofdbenaderingen voor het implementeren van AI:

1. Kant-en-klare AI-software - Kant-en-klare oplossingen
2. AI-platforms - geleverd door grote technologiebedrijven
3. Aangepaste IA-ontwikkeling - Oplossingen op maat

Voor de eerste stappen stelde hij voor om na te denken:

• Proof of Concept (PoC)
• Prototypes
• Minimaal levensvatbaar product (MVP)
• Riskantste Aanname Test (RAT)
• Piloot

Wat is er veranderd?

Sinds 2018 zijn we getuige geweest van:

• democratisering van AI-tools met no-code/low-code-oplossingen
• Dramatische verbetering van AI-cloudplatforms
• Groei van generatieve AI en modellen zoals GPT, DALL-E, enz.
• Opkomst van AutoML oplossingen die delen van het data science proces automatiseren

Overweging van risico's en uitdagingen

‍

De risico's van kunstmatige intelligentie:

Burgess wijdt een heel hoofdstuk aan de risico's van AI en wijst erop:

1. Gegevenskwaliteit
2. Gebrek aan transparantie - de 'zwarte doos' van algoritmen
3. Onbedoelde partijdigheid
4. Naïviteit van AI - Grenzen van contextueel begrip
5. Te grote afhankelijkheid van AI
6. Verkeerde keuze van technologie
7. Kwaadaardige handelingen

Evolutie van 2018 tot 2025:

Sinds het boek is geschreven:

• Bezorgdheid over algoritmevertekening is een kritieke kwestie geworden (in behandeling)
• AI-beveiliging is cruciaal geworden nu bedreigingen toenemen
• AI-regelgeving is een belangrijke factor geworden
• De risico's van deepfakes en generatieve AI-desinformatie zijn aanzienlijk geworden
• De bezorgdheid over privacy is toegenomen met het algemenere gebruik van AI

Een effectieve IA-organisatie opzetten

‍

Uit het boek van Burgess (2018):

stelde Burgess voor:

• Een AI-ecosysteem opbouwen met leveranciers en partners
• Een Centre of Excellence (CoE) opzetten met speciale teams
• Denk aan functies als Chief Data Officer (CDO) of Chief Automation Officer (CAO)

Evolutie van 2018 tot 2025:

Sindsdien:

• De rol van Chief AI Officer (CAIO) is gemeengoed geworden
• AI is nu vaak geïntegreerd in de hele organisatie in plaats van geïsoleerd in een CoE
• De democratisering van AI heeft geleid tot meer gedistribueerde bedrijfsmodellen
• Het belang van AI-geletterdheid voor alle werknemers kwam naar voren

Conclusie

Uit het boek van Burgess (2018):

Burgess besloot met het belang van:

• Geloof niet in de hype maar richt je op echte bedrijfskwesties
• Begin zo snel mogelijk met het IA-traject
• Het bedrijf klaarmaken voor de toekomst door inzicht in AI
• Een evenwichtige benadering kiezen tussen optimisme en realisme

Evolutie van 2018 tot 2025:

Burgess' oproep om "geloof de hype niet" blijft ongelooflijk relevant in 2025, vooral met de buitensporige hype rond generatieve AI. De snelheid van AI-implementatie is echter nog belangrijker geworden en bedrijven die nog niet zijn begonnen met hun AI-reis bevinden zich nu op een aanzienlijk nadeel ten opzichte van bedrijven die Burgess' advies hebben opgevolgd om vroeg te beginnen (in 2018!).

‍

Het AI-landschap in 2025 is complexer, volwassener en meer geïntegreerd in de bedrijfsstrategie dan in 2018 kon worden voorspeld, maar de kernprincipes van strategische afstemming, waardecreatie en risicobeheer die Burgess schetste, blijven verrassend geldig.