Waarom uw AI-project ook een dataproject is

Getty Images 1267987226

AI heeft kwalitatieve data nodig om zijn volledige potentieel te benutten. Yashfeen Saiyid, Data & AI Practice Lead bij Proximus NXT, legt uit hoe u met een datagedreven benadering de fundamenten voor een succesvol AI-project legt.

“Het bedrijfsleven raakt almaar sterker doordrongen van toepassingen die gebaseerd zijn op artificiële intelligentie. De opmars van generatieve AI, met ChatGPT als uithangbord, zorgde de voorbije tijd voor een opvallende versnelling. Volgens Gartner zal zelfs 90% van de bedrijven in 2025 gebruikmaken van AI op de werkvloer”, begint Yashfeen Saiyid, Data & AI Practice Lead bij Proximus NXT en Managing Director bij Codit.

Data en AI prioriteit voor CIO’s in de Benelux

Die globale evolutie tekent zich ook af in het Belgische ondernemingslandschap. Hoewel maar 6% van de bedrijven in de Benelux GenAI al volledig geïntegreerd heeft in zijn processen, is 87% wel van plan erin te investeren. In de top 20 van het Beltug Priorities Compass 2024 staan maar liefst 8 prioriteiten gelinkt aan AI en data governance. “CIO’s zijn zich duidelijk bewust van het belang en de complexiteit die met AI en een databeleid gepaard gaan: dankzij goede datakwaliteit en een doordachte -architectuur kunnen bedrijven data ten volle benutten”, zegt Yashfeen.

AI als middel, geen doel op zich

De snelle toename van vaak sterk gemediatiseerde AI-cases creërt een gevoel van urgentie. Yashfeen: “Daar schuilt naar mijn mening meteen een grote valkuil. Vanuit alle bedrijfsgeledingen lijkt het alsof er geen tijd te verliezen valt. Dat sentiment zorgt ervoor dat bedrijven dreigen zich te vergalopperen. Het komt er vooral op aan de juiste use cases te vinden. AI is nooit een doel op zich, maar vormt net een middel om businessobjectieven te bereiken. Die objectieven kunnen zich ofwel richten op het genereren van groei van de omzet, het rationaliseren van processen of het verbeteren van de dienstlevering en de klantenervaring. In het ideale scenario is er sprake van design thinking, waarbij business en IT samen ideeën vormgeven.”

Cruciale vragen over AI voor bedrijven

Artificiële intelligentie beperkt zich niet louter tot de implementatie van een AI-model. Ik beschouw het als een verhaal van infrastructuur, data, applicaties, platformen, AI-services en mensen.” Voor de start van een AI-project, dringen zich daarom enkele cruciale vragen op: 
- Welke data is er beschikbaar in ons bedrijf? 
- Via welke AI-modellen kunnen we onze data trainen?

- Is onze infrastructuur klaar voor AI?
- Hoe integreren we een AI-toepassing binnen ons bedrijfsecosysteem? 
- Hoe kunnen we onze data structureren en beveiligen?

- Hoe zorgen we voor goede governance en compliance, vooral in geval van sectorspecifieke regels?
- …

Schermafbeelding 2025 01 14 om 13 07 43


"AI is een verhaal van IT infrastructuur, data, applicaties, platformen, AI-services en mensen."


Yashfeen Saiyid, Data & AI Practice Lead bij Proximus NXT


Eigen ontwikkeling of kant-en-klaar?

“Als bedrijf hebt u de keuze om zelf een AI-toepassing te ontwikkelen of om een kant-en-klare oplossing te gebruiken die vandaag al op de markt is. Uiteraard doet u er goed aan om eerst het laaghangende fruit te plukken, maar ook dan oogt de oefening vaak nog complex. Een eigen oplossing vormt natuurlijk nog een veel grotere uitdaging”, vertelt Yashfeen.  

De volgende vier principes treden dan op de voorgrond: automation, schaalbaarheid, governance en ownership.

1. Zonder automation zou een IT-infrastructuur niet snel genoeg mee-evolueren met de veranderende bedrijfsomgeving.

2. Schaalbaarheid is nodig zodat de IT-infrastructuur future proof is en efficiënt blijft, ongeacht de hoeveelheden aan data.

3. Governance en security beschermen dan weer tegen cyberdreigingen, zorgen voor de naleving van de regelgeving rond AI en behoeden voor ethical AI.

4. Ten slotte bevordert dataownership interne samenwerking en verantwoordelijkheid: essentieel voor het leveren van nauwkeurige inzichten via AI.

AI-maturiteit

De dynamiek bij generatieve AI is heel verschillend van die bij klassieke AI-projecten. Met tools als ChatGPT en Copilot is AI niet langer het exclusieve domein van de data scientist. De keuze tussen een kant-en-klare AI-oplossing of een eigen ontwikkeling hangt natuurlijk ook af van hoe bedreven u als bedrijf bent op vlak van data en AI.

“We zien in de markt 3 maturiteitsniveau’s. Een eerste groep zijn de bedrijven die een eerste AI-project starten en nog niet kunnen terugvallen op eerdere ervaringen bij het selecteren van de nodige use cases en tools. Daarnaast zijn er ondernemingen die hun AI-case al gedefinieerd hebben en waar het verzamelen, structureren en integreren van grote datavolumes op de agenda staat. Ten slotte zijn er bedrijven met AI-projecten met een vergevorderde status, waarbij het erop aankomt betrouwbare resultaten te genereren en die te aligneren met de vereisten op het vlak van data governance, security, ethiek en wetgeving.”

Dataplatform opent weg naar AI

Robuust datamanagement geldt op elk maturiteitsniveau als een cruciale voorwaarde voor het slagen van een project. Gestructureerde, veilige, schaalbare en betrouwbare data zijn cruciaal. Om daartoe te komen, tekenen zich 3 transformatiestappen af. 
1. Als eerste prioriteit zie ik het opzetten van de juiste IT-infrasctructuur en het toegankelijk en bruikbaar maken van data voor AI-tools. 
2. Daarna moet een dataplatform de weg openen naar AI-integratie, die voldoet aan de eisen op het vlak van cybersecurity, data- en privacybescherming en alle compliancevereisten. 
3. Pas wanneer aan die voorwaarden is voldaan, begint de ontwikkeling van AI-services in welke vorm dan ook, van GenAI tot forecastingmodellen.

“AI-profielen zijn schaars op de arbeidsmarkt. Co-creatie is daarom de aangewezen weg om tot een geslaagd project te komen.”
Yashfeen Saiyid, Data & AI Practice Lead bij Proximus NXT

IT-profielen in een AI-traject

“Zo’n volledig traject vraagt om een brede waaier van medewerkersprofielen: van design thinkers, over data wizards, tot architecten en specialisten op het vlak van adoptie. En laat die profielen nu net schaars zijn op de arbeidsmarkt. Vandaar is co-creatie vaak de aangewezen weg om tot een geslaagd project te komen”, stelt Yashfeen.

AI-wet

“Ongeacht de business case die u rond een AI-toepassing ontwikkelt, adviseer ik om het wettelijke aspect van bij het begin in de denkoefening mee te nemen. Door de principes van verantwoorde AI te hanteren, beantwoordt de AI-toepassing meteen aan de vereisten die de Europese AI-wet definieert. Focus bij verantwoorde AI-projecten ligt uiteraard op transparantie, inclusiviteit, eerlijkheid, security en privacy.”

Business case als leidraad

“Artificiële intelligentie baant zich tegen een indrukwekkend tempo een weg door alle sectoren en heeft een impact op heel uiteenlopende bedrijfsactiviteiten. De kans is dus zeer groot dat ook uw bedrijf voordeel haalt uit het gebruik van AI. Tegelijk is het belangrijk om weloverwogen te werk te gaan. Dat impliceert een heldere definiëring van de business case, kwalitatief databeheer en aandacht voor alle wetgevende- en security-aspecten”, besluit Yashfeen.

Getty Images 1267987226

Ontvang 4 interessante inzichten over data & AI in uw mailbox
Wij delen graag inspirerende inzichten van onze data- & AI-experten om uw eigen AI-traject optimaal uit te tekenen.
Registreer u nu en ontvang in 2025 4 artikels van onze experten in uw mailbox. De topics:

1. Data integration, the cornerstone of AI - What is data integration, and why is it important for AI?

2. The ROI-trap behind AI - How to make AI profitable?

3. Leveraging Edge Computing for Real-Time AI Applications - How edge computing can enhance AI applications by processing data closer to the source.

4. Scaling AI: from pilot case to full roll-out - How to move from experimentation projects to company-wide business applications?

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Drag
0%