De overgrote meerderheid van bedrijven (85%) test of gebruikt GenAI, maar slechts 22% heeft er vertrouwen in dat de huidige IT-architectuur effectief verdere AI-applicaties kan ondersteunen.
Dit blijkt uit het Economist Impact-rapport Unlocking Enterprise AI: Opportunities and Strategies. Data- en AI-bedrijf Databricks publiceerde dit onderzoek. Bedrijven investeren wereldwijd in AI als gevolg van de stijgende vraag naar data intelligence.
Goldman Sachs verwacht dat wereldwijde investeringen in AI de komende jaren oplopen tot 1 biljoen dollar. Ondanks deze investeringen worstelen bedrijven om op kosteneffectieve en beheerste wijze accurate en bedrijfsspecifieke resultaten te verkrijgen. En dat belemmert ondernemingen om AI verder op te schalen.
Uit het onderzoek blijkt dat 37% van de leidinggevenden gelooft dat hun GenAI-applicaties productieklaar zijn. Onder uitvoerende functies is dit slechts 29%. Zij lopen met name aan tegen hoge kosten (41%), gebrek aan vaardigheden (40%), kwaliteitsuitdagingen (37%) en governance-uitdagingen (33%).
Slechts 18% van de respondenten gelooft dat er te veel hype is rond AI. 73% meent dat deze technologie cruciaal is om lange termijndoelen te bereiken. Desondanks meent slechts een op de vijf respondenten dat men hierin voldoende investeert.
Grote organisaties omarmen GenAI
97% van de bedrijven met meer dan $10 miljard omzet zet GenAI op dit moment al in. En tegen 2027 verwacht 99% van alle respondenten GenAI voor interne en externe doeleinden te gebruiken.
Bijna de helft van de datawetenschappers (45%) werkt nog steeds met generieke LLM’s (zonder bedrijfseigen data), wat kwaliteit en governance belemmert. 58% van de datawetenschappers begon met de verbetering van LLM’s door bedrijfseigen data aan te roepen via retrieval augmented generation (RAG). Twee derde van de organisaties ziet significant potentieel in de combinatie van LLM’s en eigen data in het kader van data intelligence.
Verschillende modellen combineren
Organisaties zullen naar verwachting verschillende modellen en tools combineren in hun agent-systemen om prestaties te verbeteren. Daarbij maken ze gebruik van zowel open source- als commerciële oplossingen. Tegen 2027 verwacht 96% van de respondenten open source AI-modellen te gebruiken.
Slechts één op de zes respondenten heeft er vertrouwen in dat hun organisatie genoeg AI-talent kan werven. 40% van de respondenten erkent dat de data- en AI-governance binnen hun organisatie ontoereikend is. De helft van de bevraagde data engineers geeft daarbij aan dat governance-taken meer tijd innemen dan enige andere taak. Veel van de respondenten zien gecentraliseerde governance-tooling daarom als een vereiste voor succesvol AI-gebruik.
De opkomst van Agentic AI
Natuurlijke taalverwerking wordt eens te meer geïdentificeerd als een voorwaarde voor AI-succes. Dankzij ‘Agentic AI’ – AI-assistenten met een natuurlijke taalinterface die taken kunnen plannen en uitvoeren namens gebruikers – kunnen bedrijven de kracht van AI beschikbaar stellen aan een veel groter deel van hun werknemers. Bijna 60% van de respondenten verwacht daarom dat natuurlijke taal binnen de komende drie jaar de primaire of zelfs de enige manier wordt waarop niet-technisch personeel met complexe datasets zal communiceren.
Organisaties gebruiken AI ook steeds vaker om de klantenservice, fraudedetectie en patiëntenzorg te verbeteren, naast vele andere toepassingen, wat het langetermijnpotentieel van de technologie voor het versnellen van het algehele bedrijfssucces onderstreept. Daarbij gebruiken organisaties GenAI ook steeds vaker om zaken als klantenservice, fraudedetectie en patiëntenzorg te verbeteren. Dit onderstreept de potentie van GenAI voor bedrijfssucces op de lange termijn.