Elke C-suite-manager die ik ontmoet, stelt dezelfde vraag: waarom is dat van ons? AI Investering vastgelopen in pilot-vagevuur?
Na een enquête onder meer dan 200 AI-beoefenaars voor ons nieuwste onderzoekIk heb een ontnuchterend antwoord: slechts 22% van de organisaties is overgestapt van experimenteren naar strategische AI-implementatie. De rest zit gevangen in wat ik het ‘rommelige midden’ noem: het verbranden van hulpbronnen op verspreide piloten die nooit de 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 dat dit patroon zich in alle sectoren herhaalt. Bedrijven raken enthousiast over het potentieel van AI. Ze financieren piloten. De huur data wetenschappers.
Maar als het om productie-implementatie en meetbare ROI gaat, stuiten ze op dezelfde muur: ruim 57% heeft 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 wegvreet.
Het probleem is niet het enthousiasme of de investeringen. Het probleem is dat ze op drijfzand zijn gebouwd. Zonder gemeenschappelijke normen vindt elk team het wiel opnieuw uit. Gereedschapsfragment. De bestuurskloof wordt groter. Het vertrouwen erodeert. Wat dagen zou moeten duren, strekt zich uit tot maanden.
Dit is wat bedrijfsleiders moeten begrijpen: de bedrijven die aan deze valstrik ontsnappen, gebruiken geen betere AI-modellen. Ze gebruiken een betere basis door gebruik te maken van open source software.
Normen creëren een concurrentievoordeel
Normen klinken misschien als administratieve rompslomp, maar op het gebied van kunstmatige intelligentie scheiden ze bedrijven die opschalen van bedrijven die stagneren.
Ons onderzoek brengt de echte barrières aan het licht: 45% van de teams noemt datakwaliteit en pijplijnconsistentie als hun grootste productiehindernis. Nog eens 40% wijst op uitdagingen op het gebied van beveiliging en compliance. Dit zijn geen technische problemen; het zijn coördinatieproblemen. Als elk team een andere technische taal spreekt, kun je geen werk delen, geen vertrouwen opbouwen of effectief opschalen.
Denk er eens zo over na: stel u voor dat elke afdeling in uw bedrijf verschillende e-mailsystemen gebruikt die niet met elkaar kunnen communiceren. Dit is in essentie wat er tegenwoordig gebeurt met AI-tools.
Open standaarden pakken dit aan door gedeelde talen te creëren voor AI-ontwikkeling. Wanneer iedereen compatibele tools en formaten gebruikt, wordt samenwerking automatisch. Integratie die vroeger maanden duurde, gebeurt 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 organisatie dit jaar de open source-prioriteit heeft verhoogd, blijkt uit ons onderzoek.
Drie standaarden die resultaten stimuleren
Niet alle normen zijn even belangrijk. Gebaseerd op wat ik organisaties heb zien transformeren, zijn hier drie die een onmiddellijke impact hebben:
- Manieren 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 – de stille moordenaar van innovatiesnelheid. Wanneer teams hetzelfde model in verschillende omgevingen kunnen inzetten, versnelt de ontwikkeling dramatisch.
- 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. Nu 53% van de organisaties geen alomvattend AI-beleid heeft, transformeren gestandaardiseerde benaderingen van modeldocumentatie en -validatie het bestuur van een blokkeerder in een versneller. Teams handelen sneller omdat ze precies weten hoe compliance eruit ziet.
Het patroon dat ik herhaaldelijk zie is dit: elke standaard vermindert wrijving. Samen creëren ze een ecosysteem waarin innovatie zich verenigt in plaats van fragmenteert.
Open source is uw concurrentievoordeel
Sommige leidinggevenden zijn bang dat open source chaos betekent. Zij zijn van mening dat normen centraal gezag nodig hebben. Maar AI gaat te snel voor traditionele standaardisatie. Tegen de tijd dat een formeel normalisatie-instituut specificaties publiceert, is de technologie al gevorderd.
Open source lost dit 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 is nog een doorslaggevende factor: 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 managers of toezichthouders. Wanneer standaarden open zijn, kunt u inspecteren hoe ze werken, hun claims verifiëren en ze aanpassen aan uw behoeften. Deze transparantie versnelt de acceptatie en goedkeuring door de regelgevende instanties.
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 op open source-fundamenten. Echte versnelling vereist gedeelde normen die ervoor zorgen dat teams onafhankelijk kunnen bewegen en toch samen kunnen bewegen.
Ontsnap aan het rommelige midden
Dit is mijn belangrijkste advies aan leidinggevenden in de hogere functies: Stop met het behandelen van AI als een technologieprobleem en begin het te behandelen als een systeemprobleem.
Het rommelige midden bestaat omdat organisaties AI benaderen als geïsoleerde projecten. Teams kiezen verschillende tools, bouwen afzonderlijke pijplijnen en creëren individuele managementprocessen. Dit werkt voor piloten, 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 rond 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 oplossingen die u kunt inspecteren en verifiëren. Dit vermindert het risico en vergroot het vertrouwen van belanghebbenden. 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. Uit deze metingen blijkt of uw fundering werkt.
Uit ons werk met grote ondernemingen blijkt dat organisaties die overstappen van een gefragmenteerde aanpak naar uniforme platforms dramatische verbeteringen zien: snellere implementatie, hogere succespercentages en een duidelijkere meting van de ROI.
Standaardisatie en innovatie zijn partners
De kloof tussen strategische AI-implementeerders en door piloten veroverde organisaties zal alleen maar groter worden. De winnaars zullen niet degenen zijn met de meeste experimenten; zij zullen degenen zijn die experimenten snel in waarde omzetten. Volgens McKinsey-onderzoekOrganisaties ervaren aanzienlijke voordelen van de implementatie van AI, waarbij een meerderheid rapporteert over kostenverlagingen en omzetstijgingen in bedrijfseenheden die de technologie gebruiken.
Het goede nieuws? De basis die je nodig hebt, wordt momenteel gebouwd door de open source-gemeenschap. Het is uw taak als manager om hun strategische waarde te onderkennen en zich ertoe te verbinden daarop voort te bouwen.
Dit betekent dat er architecturale beslissingen moeten worden genomen die prioriteit geven aan compatibiliteit boven propriëtaire lock-in. Dat betekent investeren in platforms die de innovatiesnelheid van open source combineren met de governancevereisten van bedrijfsimplementatie.
Het allerbelangrijkste is dat we begrijpen dat standaardisatie en innovatie op het gebied van AI geen tegenpolen zijn, maar partners. Normen creëren de stabiele basis waardoor innovatie snel kan floreren.
Begin met een diagnostische vraag: kunnen uw teams AI-modellen en datapijplijnen tussen projecten delen zonder ze opnieuw op te bouwen? Anders bouw je op drijfzand. De bedrijven die hierop ja kunnen antwoorden, zullen het concurrentietempo voor het komende decennium bepalen.
Peter Wang is mede-oprichter en Chief AI and Innovation Officer bij Anaconda.
De uiterste deadline voor Fast Company’s Wereldveranderende ideeënprijzen is vrijdag 12 december om 23:59 uur PT. Solliciteer vandaag nog.
