Trends in enterprise AI: complexiteit en automatisering
Investeren in Artificial Intelligence (AI) en Machine Learning (ML) is niet langer optioneel, maar cruciaal voor organisaties om concurrerend te blijven. Maar AI blijft complex en voor velen onbereikbaar. De realiteit is dat de overgrote meerderheid van organisaties nog steeds moeite heeft om het toe te passen en gebouwde AI-modellen daadwerkelijk toe te passen. Hoe ziet dat er voor 2022 uit? Joep Gerrits, Regional Director bij DataRobot in Nederland, deelt de trends op gebied van enterprise AI.
Markt wordt meer volwassen
Gerrits steekt van wal met het schetsen van de markt: “We zien dat budgetten en prioritering voor ML in 2021 zijn toegenomen. Ruim 8 op de 10 organisaties hebben hun AI/ML-budgetten verhoogd en een groter aantal bedrijven meldt stijgingen van meer dan 50 procent. Dit geeft aan dat de transformerende bedrijfswaarde van AI/ML steeds meer wordt erkend. Bovendien blijft AI/ML bovenaan de strategische roadmaps van veel organisaties staan. 86 procent van de bedrijven rangschikt AI/ML boven andere IT-initiatieven in termen van strategisch belang.”
“Een ander teken dat de markt volwassener wordt, is de diversificatie van vaardigheden en gebruikers die zich bezighouden met AI/ML in een onderneming”, vervolgt Gerrits. “Samenwerking is van cruciaal belang om middelen op elkaar af te stemmen en uiteenlopende expertise in AI/ML-projecten te brengen. En tegenwoordig hebben organisaties ongeveer hetzelfde aantal data scientists in dienst als AI/ML-engineers.”
Uitdagingen
De adoptie van machine learning in ondernemingen vertraagt dus niet, maar versnelt. Maar met dit momentum komen ook uitdagingen en toenemende complexiteit voor veel organisaties. Een eerste uitdaging is dat infrastructuur, tooling en werklast onbeheersbaar en steeds complexer worden.
Gerrits schetst de situatie: “Elke onderneming heeft zijn eigen groeiende, diverse en vaak losse combinatie van infrastructuur, tooling en specifieke use cases en vereisten voor AI/ML. Anno 2021 is die unieke mix onhoudbaar complex geworden. Organisaties kunnen kiezen uit een duizelingwekkende reeks tools, services en omgevingen - en elk bedrijf krijgt zijn eigen unieke lappendeken van componenten. In onze gesprekken met bedrijven zien we ook een vergelijkbare complexiteit op het gebied van dataservices, ontwikkeling en CI/CD-tools, bibliotheken en frameworks, en nog veel meer.”
Ook vereisten op het gebied van security en regelgeving worden complexer en zijn bovendien aan veranderingen onderhevig. Dit betekent dat het steeds moeilijker wordt om aan de vereisten te voldoen. Gerrits waarschuwt: “IT-beveiliging is de grootste uitdaging voor 9 op de 10 ondernemingen bij het uitbreiden van hun AI/ML-initiatieven. 85 procent worstelt nu al met de vereisten op het gebied van IT-governance, compliance en controleerbaarheid. We verwachten dat het landschap nog complexer zal worden. Bedrijven die aan regelgeving proberen te voldoen met een doe-het-zelf-oplossing, gaan aanzienlijke technical debt aan en lopen het risico op kritieke gaten.”
Behoefte aan automatisering
De overgrote meerderheid van de organisaties heeft moeite om modellen in productie te nemen en de zakelijke impact van modellen te maximaliseren. Volgens Gerrits is er daarom een derde trend zichtbaar: “Er is een dringende behoefte aan automatisering van AI. Budgetten voor AI/ML en het aantal data scientists dat bedrijven in dienst hebben nemen toe. Daardoor worden steeds geavanceerde AI/ML-gebruiksscenario's uitgewerkt. Ondertussen proberen bedrijven ook de prestaties van de modellen die ze in productie hebben te maximaliseren. Het onderhoud van deze applicaties wordt echter al snel onbetaalbaar als dit allemaal handmatig moet worden uitgevoerd. De kosten en latentie nemen toe en de ROI komt onder druk te staan.”
“Daarom is automatisering van AI nodig. Het automatiseren van documentatie en processen zoals het onderhoud van modellen zorgt voor efficiëntie, verkorting van de time-to-market en vergroting van de waarde die apps kunnen leveren. Daarmee wordt er daadwerkelijk inzicht en waarde uit data gehaald en verbeteren organisaties het concurrentievermogen.”
In een tijd van steeds toenemende complexiteit zal AI/ML alleen niet voor succes zorgen. Toch is er volgens Gerrits ook goed nieuws. “Een end-to-end AI/ML-platform met enterprise machine learning-activiteiten is de enige manier om deze groeiende complexiteit te beheren en zakelijke impact te maximaliseren. Bedrijven die AI volwassenheid bereiken en met succes de kloof overbruggen tussen experimenteren met AI en daadwerkelijk significante waarde halen uit AI, zullen de komende jaren leiders zijn in hun branche”, sluit hij af.
