Elke C-suite executive die ik ontmoet, stelt dezelfde vraag: waarom is onze AI Investering vastgelopen in pilot-vagevuur?
Na een enquête onder meer dan 200 AI-beoefenaars voor ons nieuwste onderzoekheb ik een ontnuchterend antwoord: slechts 22% van de organisaties is het experiment achter zich gelaten en heeft de overstap gemaakt naar strategische AI-implementatie. De rest zit gevangen in wat ik het ‘rommelige midden’ noem: het verbranden van hulpbronnen op verspreide piloten die nooit de productieschaal bereiken.
In de ruim twintig jaar dat ik bedrijven help bij het oplossen van complexe problemen met open-source AI en machine learning, heb ik dit patroon in alle sectoren zien herhalen. Bedrijven raken enthousiast over het potentieel van AI. Ze financieren piloten. Zij arbeidskracht data wetenschappers.
Maar als het om productie-implementatie en meetbare ROI gaat, stuiten ze op dezelfde muur: ruim 57% heeft meer dan een maand nodig om van ontwikkeling naar productie te gaan. Dat is geen snelheid van innovatie; dat is wrijving die uw concurrentievoordeel opvreet.
Het probleem is niet het enthousiasme of de investeringen. Het probleem is dat ze op drijfzand bouwen. Zonder gedeelde normen vindt elk team het wiel opnieuw uit. Gereedschapsfragment. De bestuurskloven worden groter. Het vertrouwen erodeert. Wat dagen zou moeten duren, strekt zich uit tot maanden.
Dit is wat bedrijfsleiders moeten begrijpen: de bedrijven die aan deze valstrik ontsnappen, gebruiken geen betere AI-modellen. Ze gebruiken een betere basis door open-sourcesoftware te gebruiken.
Normen creëren een concurrentievoordeel
Normen klinken misschien als bureaucratie, maar bij AI onderscheiden ze bedrijven die opschalen van bedrijven die vastlopen.
Ons onderzoek brengt de echte barrières aan het licht: 45% van de teams noemt datakwaliteit en pijplijnconsistentie als hun belangrijkste productieobstakels. Nog eens 40% wijst op uitdagingen op het gebied van beveiliging en compliance. Dit zijn geen technische problemen; het zijn coördinatieproblemen. Als elk team een andere technische taal spreekt, kun je geen werk delen, geen vertrouwen opbouwen of effectief opschalen.
Denk er eens zo over na: stel u voor dat elke afdeling in uw bedrijf verschillende e-mailsystemen gebruikt die niet met elkaar kunnen communiceren. Dat is in wezen wat er tegenwoordig met AI-tools gebeurt.
Open standaarden lossen dit op door gedeelde talen te creëren voor AI-ontwikkeling. Wanneer iedereen compatibele tools en formaten gebruikt, wordt samenwerking automatisch. Integratie die vroeger maanden duurde, gebeurt in dagen.
Het resultaat? Snellere implementatiecycli en meetbare ROI.
Bedrijven beginnen de boodschap te begrijpen: 92% van de AI-beoefenaars maakt gebruik van open-source tools, en 76% zegt dat hun organisatie dit jaar de open-source prioriteit heeft verhoogd, zo blijkt uit ons onderzoek.
Drie standaarden die resultaten stimuleren
Niet alle normen zijn even belangrijk. Gebaseerd op wat ik organisaties heb zien transformeren, zijn hier drie die onmiddellijke impact hebben:
- Manieren om AI-modellen tussen systemen te verplaatsen zonder ze opnieuw op te bouwen. Standaarden als Open Neural Network Exchange voorkomen dat je aan een leverancier vastzit en maken een einde aan herwerk – de stille moordenaar van innovatiesnelheid. Wanneer teams hetzelfde model in verschillende omgevingen kunnen implementeren, versnelt de ontwikkeling dramatisch.
- Protocollen waarmee AI-diensten naadloos kunnen communiceren. In plaats van voor elke nieuwe tool aangepaste integraties te bouwen, kunnen teams complexe AI-systemen samenstellen uit standaardcomponenten. Hierdoor worden maanden van integratiewerk omgezet in dagen van configuratie.
- Kaders voor verantwoord AI-beheer. Nu 53% van de organisaties geen alomvattend AI-beleid heeft, veranderen gestandaardiseerde benaderingen van modeldocumentatie en -validatie het bestuur van een blokkeerder in een versneller. Teams handelen sneller omdat ze precies weten hoe compliance eruit ziet.
Het patroon dat ik herhaaldelijk zie is dit: elke standaard vermindert wrijving. Samen creëren ze een ecosysteem waarin innovatie samenkomt in plaats van fragmenteert.
Open source is uw concurrentievoordeel
Sommige leidinggevenden zijn bang dat open source chaos betekent. Ze denken dat normen centraal gezag nodig hebben. Maar AI gaat te snel voor traditionele standaardisatie. Tegen de tijd dat een formeel normalisatie-instituut specificaties publiceert, is de technologie geëvolueerd.
Open source lost dit op door middel van evolutionair ontwerp. Normen komen voort uit gebruik in de echte wereld, verspreiden zich door acceptatie door de gemeenschap en passen zich aan de snelheid van de markt aan. Dit houdt ze relevant op een manier die top-down normen niet kunnen evenaren.
Er is nog een cruciale factor: transparantie schept vertrouwen. Uit ons onderzoek blijkt dat minder dan de helft van de AI-beoefenaars er vertrouwen in heeft om modelbeslissingen uit te leggen aan leidinggevenden of toezichthouders. Wanneer standaarden open zijn, kunt u inspecteren hoe ze werken, hun claims verifiëren en ze aanpassen aan uw behoeften. Deze transparantie versnelt de acceptatie en goedkeuring door de regelgevende instanties.
Wat mij het meest verbaasde in ons onderzoek was het inzicht van de gemeenschap: mensen maken onderscheid tussen het gebruik van open source-software en het bouwen op open source-fundamenten. Echte versnelling vereist gedeelde normen die ervoor zorgen dat teams onafhankelijk kunnen bewegen en toch samen kunnen bewegen.
Ontsnappen aan het rommelige midden
Dit is mijn belangrijkste advies voor leiders in het topmanagement: stop met het behandelen van AI als een technologieprobleem en begin het te behandelen als een systeemprobleem.
Het rommelige midden bestaat omdat organisaties AI benaderen als geïsoleerde projecten. Teams kiezen verschillende tools, bouwen afzonderlijke pijplijnen en creëren individuele bestuursprocessen. Dit werkt voor piloten, maar doet de schaalbaarheid teniet.
Strategische AI vereist een fundament dat is gebouwd op compatibiliteit. Hier zijn drie manieren om dit te bereiken:
1. Vereenvoudig uw toolchain rond kernplatforms die samenwerken. Je hebt geen 47 verschillende AI-tools nodig. U hebt een uniforme aanpak nodig waarbij teams modellen, datapijplijnen en implementatieprocessen kunnen delen zonder helemaal opnieuw te hoeven beginnen.
2. Kies oplossingen die u kunt inspecteren en verifiëren. Dit vermindert het risico en vergroot het vertrouwen van belanghebbenden. Vertrouwen versnelt de adoptie, en adoptie versnelt de waardecreatie.
3. Meet implementatiecycli, niet alleen de modelnauwkeurigheid. Houd de tijd bij van prototype tot productie. Houd bij hoeveel AI-projecten meetbare bedrijfsresultaten opleveren. Deze statistieken laten zien of uw stichting werkt.
Ons werk met grote bedrijven laat zien dat organisaties die overstappen van een gefragmenteerde aanpak naar uniforme platforms dramatische verbeteringen zien: snellere implementatie, hogere succespercentages en duidelijkere ROI-metingen.
Standaardisatie en innovatie zijn partners
De kloof tussen strategische AI-inzeters en pilot-trapped organisaties zal alleen maar groter worden. De winnaars zijn niet degenen met de meeste experimenten; zij zullen degenen zijn die experimenten het snelst in waarde omzetten. Volgens McKinsey-onderzoekzien organisaties materiële voordelen van de inzet van AI, waarbij een meerderheid kostenbesparingen en omzetstijgingen rapporteert bij bedrijfseenheden die de technologie gebruiken.
Het goede nieuws? De fundamenten die je nodig hebt, worden momenteel gebouwd door de open-sourcegemeenschap. Het is uw taak als leider om hun strategische waarde te erkennen en zich ertoe te verbinden daarop voort te bouwen.
Dit betekent dat er architecturale beslissingen moeten worden genomen die prioriteit geven aan compatibiliteit boven propriëtaire lock-in. Het betekent investeren in platforms die de innovatiesnelheid van open source combineren met de governancevereisten van bedrijfsimplementatie.
Het allerbelangrijkste is dat we begrijpen dat standaardisatie en innovatie bij AI geen tegenpolen zijn, maar partners. Normen vormen de stabiele basis waardoor innovatie snel kan floreren.
Begin met één diagnostische vraag: kunnen uw teams AI-modellen en datapijplijnen over projecten heen delen zonder ze opnieuw op te bouwen? Anders bouw je op drijfzand. De bedrijven die hierop ja kunnen antwoorden, zullen het concurrentietempo voor het komende decennium bepalen.
Peter Wang is medeoprichter en Chief AI and Innovation Officer bij Anaconda.
