Amsterdam, 25 november 2024 – Data- en AI-bedrijf
Databricks publiceerde onlangs een nieuw Economist Impact-rapport
Unlocking Enterprise AI: Opportunities and Strategies. Dit rapport onderzoekt niet alleen de uitdagingen rond de ingebruikname en opschaling van AI binnen bedrijven, maar ook de technieken die ze inzetten om meer waarde uit AI-investeringen te halen. Uit het rapport blijkt dat de overgrote meerderheid van bedrijven (85%) generatieve AI (GenAI) binnen minimaal één bedrijfsonderdeel uittesten of gebruiken. Maar slechts 22% heeft er vertrouwen in dat de huidige IT-architectuur effectief verdere AI-applicaties kan ondersteunen.
Bedrijven investeren wereldwijd meer en meer in AI als gevolg van de stijgende vraag naar data intelligence (de inzet van AI om waarde uit bedrijfsdata te halen).
Goldman Sachs verwacht dat wereldwijde investeringen in AI de komende jaren oplopen tot wel 1 biljoen dollar. Maar ondanks deze investeringen worstelen bedrijven om op kosteneffectieve en beheerste wijze accurate en bedrijfsspecifieke resultaten te verkrijgen. En dat belemmert deze bedrijven om AI verder op te schalen.
Iedereen ziet potentie – maar ook beren op de weg
Uit het Economist-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%).
Andere belangrijke bevindingen:
- Slechts 18% van de respondenten gelooft dat er te veel hype is rond AI. 73% gelooft namelijk dat deze technologie cruciaal is om lange termijndoelen te bereiken. Desondanks is maar een op de vijf respondenten van mening dat er voldoende wordt geïnvesteerd in zowel technische als niet-technische domeinen.
- Grote organisaties omarmen GenAI en masse. 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 zijn begonnen 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.
- 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.
"Het moge duidelijk zijn dat AI niet meer is weg te denken in het bedrijfsleven. Maar bedrijven maken zich nog steeds zorgen over de kwaliteit en kosten van GenAI. Zij zoeken oplossingen die aansluiten bij hun specifieke behoeften en beseffen dat ze een platform nodig hebben dat data centraal stelt, governance stroomlijnt en kostenefficiënt werkt op grote schaal", zegt
Kevin Jonkergouw, VP Benelux bij Databricks. "Bij Databricks brengen we data, analytics en GenAI samen op een manier die de unieke behoeften van onze klanten begrijpt en leidt tot data intelligence. Het Economist Impact-rapport laat zien waarom data intelligence zo belangrijk is, en waarom voortrekkers in iedere branche een holistische aanpak kiezen met aandacht voor databeheer, governance en branchespecifieke expertise."
GenAI in Nederland
Antwoorden van Nederlandse respondenten weerspiegelen de internationale resultaten. 86% van de organisaties experimenteert met AI, maar 53% van alle modellen haalt de productieomgeving niet – hoewel dat wel een stuk hoger is dan de wereldwijde 40%. Ook hier zijn de belangrijkste redenen een IT-infrastructuur die nog niet klaar is voor AI-gebruik op grote schaal (90%) en het ontbreken van een gedegen governance-framework (86%).
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.
"AI kan productiviteitswinst opleveren voor het gehele personeelsbestand. Voor bedrijven die net beginnen aan hun AI-reis is dit een logische manier om de eerste vooruitgang te meten," aldus
Senthil Ramani, Global Lead, Data en AI bij Accenture. "Organisaties die een voortrekkersrol in AI ambiëren, moeten hun AI-gebruik echter sturen op zaken als bedrijfsgroei, klantervaring en risicobeheersing. Zo’n holistische aanpak verhoogt niet alleen de efficiëntie, maar levert bovendien nieuwe zakelijke kansen op en helpt bij de werving en het behoud van talent.”
Over het onderzoeksrapport
Voor het Economist Impact-rapport zijn 1.100 technische executives en technologen ondervraagd uit 19 landen in Azië, Europa en Noord- en Zuid-Amerika, met aanvullende inzichten van 28 C-Suite executives uit 11 sectoren. In het onderzoek zijn onder meer vertegenwoordigd: Accenture, CJ CheilJedang, Condé Nast, Dream Sports, Fanatics Betting & Gaming, Flo Health, Frontier, General Motors, HP, JetBlue, Mahindra Group, Mastercard, Molson Coors, Novartis, NTT Docomo, Opendoor, Providence, Rakuten Group, Repsol, Rivian, Seven West Media, Shell, Siam Commercial Bank, TD Bank Group, Thermo Fisher Scientific, Unilever, UPS en The United States Army.
Lees hier het volledige Economist Impact-rapport en
lees hier meer over het Databricks Data Intelligence Platform.
Over Databricks
Databricks is hét data- en AI-bedrijf. Meer dan 10.000 organisaties – waaronder Comcast, Condé Nast, Grammarly en ruim 50% van de Fortune 500 – vertrouwen op het Databricks Data Intelligence Platform om data, analytics en AI te verenigen. Het hoofdkantoor is gevestigd in San Francisco, met locaties over de hele wereld - waaronder Amsterdam. Databricks is opgericht door de initiatiefnemers van Apache Spark, Delta Lake en MLflow. Volg Databricks op
Twitter,
LinkedIn en
Facebook of ga voor meer informatie naar
www.databricks.com.
Voor meer persinformatie
Marlieke Tijman
+31 (0)23 555 34 24
databricks@clarity.global