ITWatch

Klumme: Virksomheder implementerer ofte kunstig intelligens forkert

Ny undersøgelse af praktisk implementering af teknologier som maskinlæring og kunstig intelligens viser, at forsigtige småprojekter ikke er nok. De virksomheder, der har succes med kunstig intelligens, går all in.

Foto: PR

Kun 12 pct. af alle virksomheder har en strategi for, hvordan deres eksperimenter med kunstig intelligens skal skaleres. Dermed indfrier mange af projekterne ikke deres potentiale.

Virksomheder, der derimod hurtigt skalerer kunstig intelligens og automatisering, klarer sig markant bedre end dem, som kun langsomt prøver sig frem.

Det er en væsentlig pointe, der dokumenteres på baggrund af en lang række praktiske erfaringer i mere end 600 virksomheder i 13 lande i KPMG’s rapport Easing the Pressure Points – The State of Intelligent Automation. Rapporten giver os nu et unikt indblik i, hvor knasterne er i den nye digitaliseringsbølge.

Vi kan se, at selv om der udføres masser af succesfulde pilotprojekter – og der genereres vigtig viden om intelligent automation – så har virksomhederne meget svært ved at tage de endelige spring.

I KPMG er vores tilgang, at enhver forretningsstrategi skal inkludere en AI-strategi. Der er simpelthen ikke råd til ikke at tænke AI ind i ligningen, når man som virksomhed udvikler nye strategier. Generelt er virksomhederne adspurgt i rapporten langt fremme med at udforske potentialet i nye teknologier.

Hovedparten arbejder med AI

Af de 600 virksomheder i undersøgelsen arbejder hovedparten med kunstig intelligens, og de fleste forventer at kunne opskalere enkeltstående projekter i løbet af det kommende år. Virksomhederne har også stor tillid til returns on investment.

Eksempelvis har Ericsson Group sat sig det mål at automatisere alle rutineopgaver i 2021, og de bestræbelser har allerede i 2018 betydet en besparelse på 56 mio. USD.

Men alt for mange steder forbliver eksperimenterne med intelligent automatisering ved små Proof-of-Concepts (PoCs) og indfrier ikke deres potentiale.

Det skyldes blandt andet, at ledelsen ikke er klar til at investere i en egentlig transition fra eksisterende processer til de nye AI-drevne processer, samt at automatiseringen kun implementeres i isolerede siloer.

AI er kendetegnet ved at kunne skaleres, og det er netop her, de helt store muligheder ligger. Hvis udgangspunktet for en virksomheds reelle tilgang til AI er, at det kun foregår i et afgrænset hjørne af virksomheden, så opnår man langtfra det fulde potentiale.

Ikke moden

I stedet dør PoC'erne hen, mens ledelsen konkluderer, at virksomheden ikke er moden til AI.

Lidt som at man tidligere ikke har været moden til at bruge internettet eller moden til at bruge PC'er, hvis vi går længere tilbage.

Den internationale fødevaregigant Mars Global har haft succes med implementering af AI ved at holde fokus på målet, nemlig transformation af virksomhedens processer – fremfor på en enkelt teknologi.

Mars Global startede således deres AI-projekter ved at opbygge en kultur i virksomheden med fokus på hurtige forandringer, så organisationen ville være parat til skalering af AI.

Hurtigt fra pilot til implementering

KPMG's rapport undersøger også, hvad de succesfulde virksomheder har gjort for at overkomme skaleringsproblematikken.

Først og fremmest er de kendetegnet ved at være hurtige til at gå fra pilotprojekt til implementering. Dernæst ved at sørge for, at implementeringen er blevet en vedvarende proces, hvor flere og flere elementer løbende kobles på.

Fodslæbende virksomheder

En af udfordringerne for de mere fodslæbende virksomheder er derimod, at der grundlæggende ikke hersker enighed i organisationen om målet med implementering af Machine Learning, Robotics eller andre nye teknologier.

Det ses særligt, når tiltagene udspringer fra enkeltafdelinger, hvilket er det mest hyppige. Det er tit økonomiafdelingen eller IT, som igangsætter, men der mangler for ofte en vision for udbredelsen af kunstig intelligens i hele organisationen.

Dermed risikeres tilbagefald til den vanlige tankegang med blot at ansætte flere medarbejdere eller at udvikle og implementere nye klassiske IT-systemer. Og nej, et nyt IT-system indfrier ikke det potentiale, som en AI-transformation giver.

AI udfører det arbejde, som medarbejderne bruger deres tid på, ud over det, IT-systemet udfører. Et nyt IT-system erstatter derimod det arbejde, som det gamle IT-system udførte (samt yderligere mulighed for konfiguration, integration, cloudcomputing og mere sammenhængende funktionalitet).

Op til 20 pct. overlap

Der er et overlap, men det er typisk mindre end 20 pct. Baseret på vores erfaringer med udvikling og implementering af AI bør enhver satsning på AI derfor indeholde følgende elementer:

• Forankring i ledelsen med en målsætning om en egentlig AI-transformation i hele organisationen

• Forpligtende samarbejde på tværs af afdelinger, der arbejder mod samme mål

• Uddannelse af ledere og medarbejdere i det nye paradigme for arbejde – også hos risk & compliance

• Udvikling af en "fail fast forward"-kultur – fejl er læring, ikke en showstopper

• Parathed til at investere og arbejde agilt

• Beslutningsevne til at skalere.

Klumme: "Vi er nødt til at differentiere os fra de store it-virksomheder på væsentlige områder for at have en chance"

Klumme: Efter et år med GDPR – velkommen til krypteringsalderen

Relaterede

ITWatch trial banner 14 dage.jpg

Seneste nyt

Se alle ledige stillinger