Elke C-suite executive die ik ontmoet stelt dezelfde vraag: waarom ons bedrijf? AI Investeringen blijven steken in pilot-vagevuur?
Na een enquête onder meer dan 200 AI-beoefenaars voor ons laatste rapport onderzoekIk heb een ontnuchterend antwoord: slechts 22% van de organisaties is overgestapt van louter experimenteren naar de strategische implementatie van AI. De rest zit vast in wat ik het ‘rommelige midden’ noem van het verspillen van middelen aan verspreide proefprojecten die nooit productieschaal bereiken.
In de ruim twintig jaar dat ik bedrijven heb geholpen bij het oplossen van complexe problemen met open source AI en machine learning, heb ik gezien hoe dit patroon zich in alle sectoren herhaalt. Bedrijven zijn enthousiast over de potentie van AI. Zij financierden de pilot. Zij dienst data wetenschapper.
Maar als het gaat om productie-implementatie en meetbare ROI, stuitten beide op hetzelfde obstakel: meer dan 57% had meer dan een maand nodig om van ontwikkeling naar productie te gaan. Het is niet de snelheid van innovatie; het is de wrijving die uw concurrentievoordeel aantast.
Het probleem is niet het enthousiasme of de investeringen. Het probleem is dat ze op drijfzand bouwen. Zonder gedeelde normen zal elk team zijn weg vinden. Gereedschapsfragment. De bestuurskloof wordt groter. Het vertrouwen wordt uitgehold. Wat dagen had moeten duren, duurde maanden.
Dit is wat bedrijfsleiders moeten begrijpen: bedrijven die aan deze valkuil ontsnappen, gebruiken geen betere AI-modellen. Ze hanteren een betere basis door gebruik te maken van open source software.
Normen creëren concurrentievoordeel
Normen klinken misschien als bureaucratie, maar bij AI scheiden ze bedrijven die floreren van bedrijven die stagneren.
Ons onderzoek brengt de echte barrières aan het licht: 45% van de teams noemt datakwaliteit en pijplijnconsistentie als hun belangrijkste productiebarrières. Nog eens 40% gaf aan dat er uitdagingen zijn op het gebied van beveiliging en compliance. Dit is geen technisch probleem, maar eerder een coördinatieprobleem. Wanneer elk team een andere technische taal gebruikt, kun je geen werk delen, geen vertrouwen opbouwen of effectief opschalen.
Bekijk het eens zo: stel u voor dat elke afdeling in uw bedrijf verschillende e-mailsystemen gebruikt die niet met elkaar kunnen communiceren. Dat is eigenlijk wat er gebeurt met de huidige AI-tools.
Open standaarden lossen dit probleem op door een gemeenschappelijke taal voor AI-ontwikkeling te creëren. Wanneer iedereen compatibele tools en formaten gebruikt, wordt samenwerking automatisch. Integraties die vroeger maanden duurden, gebeuren nu in dagen.
Het resultaat? Snellere implementatiecycli en meetbare ROI.
Bedrijven beginnen de boodschap te begrijpen: 92% van de AI-beoefenaars maakt gebruik van open source-tools, en 76% zegt dat hun organisaties dit jaar de open source-prioriteiten hebben verhoogd, blijkt uit ons onderzoek.
Drie standaarden die resultaten stimuleren
Niet alle normen hebben dezelfde betekenis. Gebaseerd op wat ik heb gezien bij het transformeren van organisaties, zijn hier drie dingen die een onmiddellijke impact hebben gehad:
- Een manier om AI-modellen tussen systemen te verplaatsen zonder ze opnieuw op te bouwen. Standaarden als de Open Neural Network Exchange voorkomen dat je aan een leverancier vastzit en maken herbewerking overbodig – een stille moordenaar van de innovatiesnelheid. Wanneer teams hetzelfde model in verschillende omgevingen kunnen toepassen, zal de ontwikkeling dramatisch verbeteren.
- Protocollen waarmee AI-diensten naadloos kunnen communiceren. In plaats van voor elke nieuwe tool aangepaste integraties te bouwen, kunnen teams complexe AI-systemen samenstellen uit standaardcomponenten. Hierdoor worden maanden van integratiewerk omgezet in dagen van configuratie.
- Kader voor verantwoord AI-beheer. Omdat 53% van de organisaties geen alomvattend AI-beleid heeft, verandert een gestandaardiseerde aanpak van modeldocumentatie en -validatie het bestuur van een obstakel in een versneller. Teams handelen sneller omdat ze precies weten hoe compliance eruit ziet.
Het patroon dat ik keer op keer zie is dit: elke standaard vermindert wrijving. Samen creëren ze een ecosysteem waarin innovatie gedijt en niet gefragmenteerd is.
Open source is uw concurrentievoordeel
Sommige leidinggevenden zijn bang dat open source chaos betekent. Zij stellen dat normen centraal gezag vereisen. Maar AI gaat te snel voor traditionele standaardisatie. Tegen de tijd dat formele normalisatie-instellingen hun specificaties publiceren, is de technologie al gevorderd.
Open source lost dit probleem op door middel van evolutionair ontwerp. Normen komen voort uit gebruik in de echte wereld, verspreiden zich door acceptatie door de gemeenschap en passen zich aan de snelheid van de markt aan. Dit houdt ze relevant op een manier die top-down normen niet kunnen evenaren.
Er zijn nog andere belangrijke factoren: Transparantie schept vertrouwen. Uit ons onderzoek blijkt dat minder dan de helft van de AI-beoefenaars er vertrouwen in heeft om modelbeslissingen uit te leggen aan leidinggevenden of toezichthouders. Wanneer een standaard open is, kunt u controleren hoe deze werkt, de claims ervan verifiëren en deze aanpassen aan uw behoeften. Deze transparantie versnelt de adoptie en goedkeuring van regelgeving.
Wat mij het meest verbaasde in ons onderzoek was het inzicht van de gemeenschap: mensen maken onderscheid tussen het gebruik van open source-software en het bouwen van een open source-fundament. Echte versnelling vereist gedeelde normen die teams in staat stellen onafhankelijk te bewegen en toch samen te bewegen.
Ontsnap uit het rommelige midden
Dit is mijn belangrijkste advies voor leiders in het topmanagement: stop met het behandelen van AI als een technologieprobleem en begin het te behandelen als een systeemprobleem.
Er is een rommelig midden ontstaan nu organisaties AI als een geïsoleerd project beschouwen. Teams kiezen verschillende tools, bouwen afzonderlijke kanalen en creëren individuele bestuursprocessen. Dit werkt voor de pilot, maar doet de schaalbaarheid teniet.
Strategische AI vereist een fundament dat is gebouwd op compatibiliteit. Hier zijn drie manieren om dit te bereiken:
1. Vereenvoudig uw toolchain op kernplatforms die samenwerken. Je hebt geen 47 verschillende AI-tools nodig. U hebt een uniforme aanpak nodig waarbij teams modellen, datapijplijnen en implementatieprocessen kunnen delen zonder helemaal opnieuw te hoeven beginnen.
2. Kies een oplossing die u kunt controleren en verifiëren. Dit vermindert het risico en bouwt het vertrouwen van belanghebbenden op. Vertrouwen versnelt de adoptie, en adoptie versnelt de waardecreatie.
3. Meet implementatiecycli, niet alleen de modelnauwkeurigheid. Houd de tijd bij van prototype tot productie. Houd bij hoeveel AI-projecten meetbare bedrijfsresultaten opleveren. Deze statistiek laat zien of uw fundering werkt.
Uit ons werk met grote bedrijven blijkt dat organisaties die van een gefragmenteerde aanpak naar een verenigd platform overstappen, dramatische verbeteringen ervaren: snellere implementatie, hogere succespercentages en duidelijkere ROI-metingen.
Standaardisatie en innovatie zijn partners
De kloof tussen de adoptie van strategische AI en organisaties die vastzitten in pilots zal groter worden. De winnaar is niet degene met de meeste experimenten; zij zijn degenen die experimenten het snelst in waarde omzetten. Volgens McKinsey-onderzoekVeel organisaties ervaren echte voordelen van de implementatie van AI, waarbij de meerderheid rapporteert dat de kosten zijn gedaald en de omzet is gestegen bij bedrijfseenheden die de technologie gebruiken.
Het goede nieuws? Het fundament dat je nodig hebt, wordt momenteel gebouwd door de open source-gemeenschap. Jouw taak als leider is om de strategische waarde ervan te erkennen en je in te zetten voor de ontwikkeling ervan.
Dit betekent dat er architecturale beslissingen moeten worden genomen die prioriteit geven aan compatibiliteit boven propriëtaire lock-in. Dit betekent investeren in een platform dat de snelheid van open source-innovatie combineert met de governancevereisten van bedrijfsimplementatie.
Het belangrijkste is dat dit betekent dat we begrijpen dat standaardisatie en innovatie bij AI geen tegenpolen zijn, maar partners. Normen creëren een stabiele basis waardoor innovatie zich snel kan ontwikkelen.
Begin met één diagnostische vraag: kan uw team AI-modellen en datapijplijnen tussen projecten delen zonder ze opnieuw op te bouwen? Anders bouw je drijfzand. Bedrijven die ja zeggen, zullen de concurrentietoon voor het komende decennium bepalen.
Peter Wang is mede-oprichter en hoofd van AI en innovatie bij Anaconda.
Uiterste deadline voor Fast Company Prijs voor wereldveranderende ideeën is vrijdag 12 december om 23:59 uur. PT. Solliciteer vandaag nog.
