Gebruik AI om inzichten uit data te halen
Uit ons Innovation Catalyst-onderzoek onder 200 Nederlandse IT- en zakelijke beslissers blijkt dat organisaties GenAI vooral willen inzetten voor een aantal specifieke use cases. De belangrijkste is: het verbeteren van de productiviteit van ontwikkelaars, gevolgd door het versnellen van productontwikkeling, het toepassen voor back-office werkzaamheden, het verbeteren van klantinteracties en het versterken van de beveiliging. Daarnaast verwachten de respondenten dat GenAI hen zal helpen inzichten te verkrijgen die ze anders nooit zouden kunnen identificeren, daar GenAI grote hoeveelheden data kan analyseren en contextuele feedback kan geven. Dit is belangrijk, want 25% van de Nederlandse organisaties geeft aan dat het een uitdaging is om relevante inzichten uit data te halen. Ook verwachten respondenten dat zij door GenAI geen of veel minder eentonige taken meer hoeven uit te voeren en dat het hun productiviteit zal verhogen.
Het begint bij data
Om genoemde use cases en voordelen waar te maken heeft een GenAI-model nauwkeurige data nodig. Alleen dan kunnen de resultaten relevant zijn.
AI-modellen zijn in staat om waarde te halen uit data door ruwe data om te zetten in inzichten. Wij genereren 0,33 zettabytes aan data per jaar en dit blijft in omvang alleen maar toenemen. Volgens McKinsey
zou GenAI een wereldwijd economisch voordeel kunnen opleveren van 2,6 tot 4,4 biljoen dollar. Ook in Nederland zou de economie dus miljarden kunnen verdienen aan GenAI. De invloed van GenAI is vergelijkbaar met innovaties zoals het periodiek systeem en de ontdekking van de DNA-molecule. Om goede resultaten te verkrijgen, moeten wel de juiste stappen worden genomen.
Zorg voor schone data
Om AI-systemen te trainen, heb je veel data nodig. En aangezien schone en betrouwbare data cruciaal zijn om goede inzichten te verkrijgen en acties uit te voeren, is de kwaliteit van de data van groot belang. Organisaties moeten hun data opschonen en verfijnen. Uit ons onderzoek blijkt dat 72% van de Nederlandse organisaties het lastig vindt om hun data om te zetten in realtime inzichten. Ook wereldwijd vindt 67% van de organisaties dit moeilijk. Hier geldt het gezegde: garbage in, garbage out, want GenAI is slechts zo krachtig als de data waarop het draait.
In de meeste organisaties is data verspreid over verschillende locaties. Het merendeel bevindt zich on-premises, terwijl ruim 50% van alle bedrijfsdata aan de edge wordt gegenereerd. Het is moeilijk en duur om data van de ene locatie naar de andere te verplaatsen. Daarom is het efficiënter als AI naar de data toe wordt gebracht.
Het voordeel van het trainen van AI-modellen evenals het draaien van het proces in een on-prem omgeving is een snellere verwerking en analyse van de data. Daarbij worden compliance en het beheer van intellectueel eigendom gewaarborgd.
Samenwerken
In de wereld van GenAI is samenwerking van belang. Daarom adviseren we om in open ecosystemen te werken, waarin data en diensten worden gedeeld om meer waarde te creëren. AI/GenAI-workloads vereisen een flexibele infrastructuur en software die zich aanpast aan veranderende modellen. Open Large Language Models (LLM’s) creëren gelijke kansen in diverse ecosystemen, waardoor organisaties sneller resultaten boeken en efficiënter problemen kunnen oplossen. Zowel start-ups, de overheid als organisaties spelen hierin een belangrijke rol.
Samenwerking leidt tot nieuwe kansen en kan de kosten van AI-ontwikkeling verlagen. Openheid zorgt voor eerlijke concurrentie, productkeuze en kennisdeling. Een belangrijke rol is ook weggelegd voor de ethische component. Open modellen staan onder openbaar toezicht, wat organisaties stimuleert om de bias te verminderen en data te beveiligen.
Inzichten genereren
Na het opschonen van de data en het opzetten van de juiste samenwerkingsverbanden kunnen met het juiste AI-model waardevolle inzichten worden verkregen. AI-algoritmen voorspellen trends, gedrag van klanten en marktdynamiek. Deze inzichten helpen organisaties strategische beslissingen te nemen en succesvol te blijven in een concurrerende markt.
AI is geen magie, maar een proces dat discipline en expertise vereist. Data scientists en ingenieurs volgen specifieke methodologieën om innovaties mogelijk te maken. Compute, storage en data zijn daarbij onmisbare hulpmiddelen.
Duidelijke datastrategie
AI en databeheer zijn onlosmakelijk met elkaar verbonden. Om de vruchten te plukken van generatieve AI-modellen, is een duidelijke datastrategie noodzakelijk. Data is een waardevolle resource die met de juiste verfijning, structuur en het juiste AI-model inzichten biedt die voor een organisatie van onschatbare waarde zijn. Door data op de juiste manier in te zetten, profiteert een organisatie optimaal van de transformatieve kracht van AI.
Op 14 november vindt het jaarlijkse event Dell Technologies Forum plaats in Nieuwegein, met als thema 'Accelerating AI-powered innovation'. Klik hier voor meer informatie en registratie.
Door: Jaco van Dijk (foto), Advisory Solutions Architect en CTO Ambassador bij Dell Technologies Nederland
