Cloudera heeft een onder­zoek onder bijna 1.300 IT-managers laten uitvoeren, The Data Readi­ness Index: Under­stan­ding the Founda­tions for Succes­sful AI. Daarbij is onder­zocht hoever organi­sa­ties zijn voorbe­reid op het groot­schalig imple­men­teren van AI. Uit de resul­taten blijkt dat hoewel de adoptie van AI toeneemt, veel organi­sa­ties nog de datafun­da­menten missen die nodig zijn voor succes.

Opvallende paradox

In de resul­taten is een opval­lende paradox te zien: hoewel 96% van de organi­sa­ties zegt AI te integreren in hun kernpro­cessen en 85% aangeeft een duide­lijke datastra­tegie te hebben, geeft bijna 4 op de 5 (~80%) toe dat hun AI- en data-initi­a­tieven nog steeds worden belem­merd door een beperkte toegang tot data in verschil­lende omgevingen. Deze kloof illustreert een opkomende ‘illusie van AI-gereed­heid’: de overtui­ging dat organi­sa­ties klaar zijn om AI op te schalen, terwijl cruciale data-uitda­gingen nog steeds onopge­lost zijn.

AI-adoptie is hoog, maar ROI blijft uit

AI wordt inmid­dels in de gehele organi­satie geïnte­greerd, maar het behalen van een consis­tent rende­ment op de inves­te­ring blijft lastig. Als antwoord op de vraag waarom AI-initi­a­tieven tekort­schieten, noemden de respon­denten verschil­lende uitda­gingen: datakwa­li­teit (22%), kosten­over­schrij­dingen (16%) en slechte integratie in bestaande workflows (15%). Deze obsta­kels benadrukken de aanhou­dende complexi­teit van het vertalen van AI-inves­te­ringen naar meetbare bedrijfsresultaten.

Beper­kingen in de infra­struc­tuur verer­geren de uitda­ging. Bijna driekwart (73%) van de respon­denten geeft aan dat presta­tie­be­per­kingen opera­ti­o­nele initi­a­tieven hebben belem­merd, wat de complexi­teit weerspie­gelt van het opschalen van AI in gefrag­men­teerde omgevingen.

Data-kloof: toegang, governance en zichtbaarheid

84% van de respon­denten had vertrouwen in de nauwkeu­rig­heid, volle­dig­heid en afstem­ming van de data binnen hun organi­satie. Dit optimisme maskeert echter vaak dieper­lig­gende problemen, zoals hardnek­kige datasi­lo’s, incon­sis­tente datakwa­li­teit en beperkte toegan­ke­lijk­heid. Data die op zichzelf betrouw­baar lijkt, blijkt vaak onbetrouw­baar wanneer ze door verschil­lende teams, systemen of AI-toepas­singen worden gebruikt. Dit legt lacunes in gover­nance en consis­tentie binnen de organi­satie bloot.

Minder dan één op de vijf (18%) respon­denten gaf aan dat hun data volledig gemanaged was, wat de kloof tussen het waarge­nomen vertrouwen en de reali­teit benadrukt. Hoewel 71% zegt dat de meeste van hun data gemanaged is, zijn echte datage­stuurde initi­a­tieven afhan­ke­lijk van een consis­tente, organi­sa­tie­brede bron van waarheid. Zonder een alomvat­tende gover­nance om data te verenigen en duide­lijke standaarden af te dwingen, lopen organi­sa­ties het risico kansen te missen, slechte beslis­singen te nemen en resul­taten te behalen die hun volle­dige poten­tieel niet benutten.

Vergelijking sectoren naar datagereedheid

De datage­reed­heid verschilt sterk per sector. Zo gaf 54% van de respon­denten in de telecom aan dat ze ‘absoluut’ volledig inzicht hebben in waar hun data zich bevindt. Ter verge­lij­king: slechts 30% van de respon­denten in de finan­ciële dienst­ver­le­ning en 31% in de publieke sector meldden hetzelfde. Wat betreft toegang gaf 51% van de respon­denten in de telecom aan dat ze op elk moment toegang hebben tot al hun data, tegen­over slechts 24% in de finan­ciële dienst­ver­le­ning en 16% in de publieke sector.

Ondanks deze sterke datage­reed­heid heeft dit voordeel zich niet volledig vertaald in opera­ti­o­neel succes. Drie op de vijf (60%) respon­denten in de telecom­sector gaven aan dat de presta­ties van de infra­struc­tuur opera­ti­o­nele initi­a­tieven conse­quent belem­meren, het hoogste percen­tage van alle onder­zochte sectoren.

De belem­me­ringen voor een positieve ROI van AI verschillen ook per sector. Hoewel respon­denten in het onder­zoek het vaakst datakwa­li­teit noemden, waren kosten­over­schrij­dingen het meest promi­nent in de energie- en nutssector (25%). Daaren­tegen werd door respon­denten uit de gezond­heids­zorg, productie en finan­ciële dienst­ver­le­ning (20%) gewezen op een gebrek­kige integratie in werkprocessen.

Datagereedheid bepaalt volgende fase van AI 

Nu AI in organi­sa­ties de overgang maakt van experi­men­teren naar imple­men­teren, komt datage­reed­heid naar voren als de bepalende factor die koplo­pers van achter­blij­vers onder­scheidt. Organi­sa­ties die volledig toegang hebben tot al hun data en ze kunnen beheren, waar deze zich ook bevindt, zijn beter in staat om betrouw­bare, schaal­bare AI te leveren. Opval­lend is dat elke respon­dent aangaf dat hun organi­satie op zijn minst enigs­zins bereid is om bestaande frame­works aan te passen om datage­reed­heid te ondersteunen.

Nu bedrijven de beper­kingen van de illusie van AI-gereed­heid onder ogen zien, is de weg vooruit duide­lijk: het ontsluiten van de volle­dige waarde van AI vereist meer dan ambitie; het vereist echte datage­reed­heid. Degenen die deze kloof dichten, zullen het best geposi­ti­o­neerd zijn om een blijvende impact te creëren en het volgende tijdperk van intel­li­gente bedrijfs­voe­ring te leiden. Meer onder­zoeks­re­sul­taten zijn te lezen in het volle­dige rapport. 

“Bedrijven hebben geen moeite met het imple­men­teren van AI, maar wel met het opera­ti­o­neel inzetten ervan buiten de experi­men­tele fase”, zegt Sergio Gago, Chief Techno­logy Officer bij Cloudera. “AI is slechts zo effec­tief als de data waarop het gebaseerd is. Zonder toegang tot al hun data beperken organi­sa­ties de nauwkeu­rig­heid, het vertrouwen en de waarde die AI kan leveren. Je kunt geen AI gebruiken zonder data.”