Volgens een nieuw wereldwijd onderzoek dat in opdracht van WFKA is uitgevoerd door S&P Global Market Intelligence neemt het gebruik van kunstmatige intelligentie (AI) door bedrijven en onderzoeksorganisaties die nieuwe waardeproposities willen creëren toe, maar uitdagingen in de gegevensinfrastructuur en duurzaamheid van AI vormen belemmeringen voor het op grote schaal invoeren daarvan. Deze uitdagingen zijn verergerd door de snelle opkomst van generatieve AI die de evolutie van de Ai-markt heeft bepaald in 2023.
Deze uitkomsten zijn vandaag gepubliceerd als onderdeel van het S&P Global-rapport Nieuwe wereldwijde trends in AI. De onderzoeksresultaten zijn gebaseerd op een schokkend wereldwijd onderzoek dat door S&P Global werd uitgevoerd bij meer dan 1.500 AI-gebruikers en besluitvormers in middelgrote tot grote ondernemingen in APAC, EMEA en Noord-Amerika – tot op heden een van de grootste in zijn soort.
Het onderzoek identificeert de kansen en obstakels die organisaties op hun AI-avontuur hebben ondervonden en de unieke motivators en value drivers die de wereldwijde toepassing van AI in de industrie stimuleren en het geeft inzicht in welke stappen die organisaties moeten nemen om in de toekomst succesvol te zijn met AI.
“De razendsnelle toename van data- en prestatie-intensieve productietaken zoals generatieve AI dwingt tot een complete herbezinning op de manier waarop data worden opgeslagen, beheerd en verwerkt. Overal ter wereld moeten organisaties hun data-architecturen op de lange termijn nu met dit in gedachten bouwen en schalen” zei Nick Patience, senior research analist bij 451 Research, onderdeel van S&P Global Market Intelligence. “Hoewel we pas in de beginjaren zijn van de AI-revolutie is één van de alom aanwezige conclusies van ons onderzoek naar wereldwijde trends in AI 2023 dat de data-infrastructuur een beslissende factor zal zijn waardoor organisaties als AI-leiders opstaan. Beschikken over een moderne data stack die AI-productietaken en hybride cloud-toepassingen effectief en duurzaam ondersteunt is cruciaal voor het bereiken van ondernemingsniveau en waardecreatie.”
Belangrijkste bevindingen van het onderzoek
In dit gedeelte worden de belangrijkste bevindingen van het onderzoek uiteengezet.
De toepassing van AI in de praktijk neemt toe blijft nog steeds onvindbaar op ondernemingsniveau
- 69% van de deelnemers aan de enquête gaven aan dat ze minstens één AI-project in productie hadden.
- Slechts 28% geeft aan dat ze het ondernemingsniveau hebben bereikt, waarbij Ai-projecten op grote schaal worden geïmplementeerd en zij een aanzienlijke waarde voor het bedrijf genereren.
- AI is veranderd van een simpele manier om kosten te besparen naar een generator van inkomsten, waarbij 69% van de respondenten nu AI/ML gebruikt om nieuwe inkomstenstromen te creëren.
Gegevensbeheer is het belangrijkste technische obstakel voor invoering van AI
- Het meest genoemde technische obstakel voor de invoering van AI/ML is gegevensbeheer (32%), zwaarder wegend dan uitdagingen op beveiligingsgebied (26%) en computerprestaties (20%), wat bewijst dat de huidige data-architecturen van veel organisaties niet geschikt zijn om de AI-revolutie te ondersteunen.
AI-toepassingen op ondernemingsniveau verschuiven van kostenbesparing naar omzetgroei
- 69% van de respondenten gaf aan dat hun AI/ML-projecten gericht zijn op het ontwikkelen van nieuwe inkomstenbronnen en het creëren van waarde, terwijl 31% nog steeds gericht is op kostenreductie.
Omdat AI-initiatieven volwassen worden zijn er een hybride aanpak en meerdere implementatielocaties nodig om de behoeften van productietaken te ondersteunen
- Er worden op verschillende soorten locaties AI/ML-productietaken geïmplementeerd, van de openbare cloud tot zakelijke datacenters en, in toenemende mate, randlocaties. Respondenten die AI in productie hebben gebruiken gemiddeld meer implementatielocaties (3,2 voor training, 2,5 voor gevolgtrekking) dan die in pilots en proof-of-concept fasen (2,9, 2,3).
- De openbare cloud is de voornaamste implementatielocatie voor het trainen van AI/ML-modellen (47%) en gevolgtrekking (44%).
- Degenen die gebruik maken van de publieke cloud om AI/ML te draaien maken waarschijnlijk meer gebruik van een hybride aanpak met meer locaties voor zowel training (gemiddeld 4,2) als gevolgtrekking (3,2), tegenover degenen die de openbare cloud niet gebruiken (2,2, 1,9).
De energie- en CO2-voetadruk van AI zetten de duurzaamheidsdoelstellingen van het bedrijf onder druk, maar de cloud biedt een weg naar verbetering
- 68% van de respondenten gaf aan bezorgd te zijn over de gevolgen van AI/ML op het energieverbruik en de CO2-voetafdruk van hun organisatie.
- 74% van de respondenten gaf aan dat duurzaamheid een belangrijke of kritische drijfveer is om meer productietaken naar de publieke cloud te verplaatsen.
Verouderde data-infrastructuren en architecturen hebben direct invloed op de prestaties van AI op gebied van duurzaamheid
- 77% van de respondenten gaf aan dat hun data-architecturen direct van invloed zijn op hun duurzaamheidsprestaties.
Organisaties moeten hun gegevens en infrastructuur “op orde hebben” om het voortouw te nemen bij AI
- Bedrijven die gebruikmaken van een moderne data-architectuur om aanzienlijke uitdagingen voor het gegevensbeheer (bronnen, soorten, vereisten, enz.) te overwinnen, kunnen AI-productietaken verwerken die op meerdere locaties in de infrastructuur worden uitgevoerd.
“Dit uitgebreide onderzoek van S&P Global bevestigt wat WEKA herhaaldelijk van onze klanten heeft gehoord: traditionele data-infrastructuren hebben een directe, negatieve invloed op hun vermogen om AI efficiënt en duurzaam op schaal te gebruiken, omdat ze niet zijn ontwikkeld met moderne, prestatie-intensieve productietaken of hybride cloud- en edge-modaliteiten in het achterhoofd.” vertelde Liran Zvibel, medeoprichter en CEO van WEKA. “Net zoals je niet zou verwachten om accutechnologieën die in 90-er jaren zijn ontwikkeld te gebruiken om een ultramodern elektrisch voertuig, zoals een Tesla, aan te drijven, kun je ook niet verwachten dat methodes voor gegevensbeheer die zijn ontworpen voor de uitdagingen van de vorige eeuw om toepassingen van de volgende generatie, zoals generatieve AI, ondersteunen. Organisaties die een moderne data stack bouwen die is ontworpen om de behoeften van AI workloads te ondersteunen die zich naadloos van edge tot core tot cloud bewegen, zullen de leiders en disruptors van de toekomst worden.”
Onderzoeksmethodologie
De uitkomsten van het 2023 Global Trends in AI- rapport van S&P Global Trends zijn gebaseerd op een enquête die in het tweede kwartaal van 2023 is gehouden onder 1.516 besluitvormers/influencers op AI/ML-gebied in bedrijven met meer dan 250 werknemers en een jaaromzet hoger dan 10 miljoen dollar Het onderzoek gaf prioriteit aan respondenten met AI/ML-projecten in pilots en productieomgevingen in de volgende sectoren: lucht- en ruimtevaart & defensie, automobielindustrie, hoger onderwijs, financiën, energie/olie & gas, overheid, gezondheidszorg, informatietechnologie, levenswetenschappen, productie, media & entertainment en telecommunicatie. Het rapport heeft ook ook uit op contextuele kennis geput dat afkomstig is van aanvullend onderzoek uitgevoerd door S&P Global.