Enhver teknologi skal have tid til at blive opdaget, før den kan implementeres. I dag er der fuld gang i implementeringen af AI. Virksomheder bruger teknologien til at give medarbejderne stærke redskaber, knytte tættere bånd til kunderne og transformere deres forretning.
“Alle de store teknologivirksomheder bruger penge på AI-kapaciteter. De har eksplicitte visioner om at beherske menneskelig tænkning og adfærd. Når du kombinerer det med computerkraft, bliver det uundgåeligt.” – Skandia
Microsoft og EY undersøgte 277 virksomheder i 7 forskellige sektorer og 15 lande for at forstå, hvordan AI bruges af virksomheder i hele Europa. Vi fandt frem til de otte mest anerkendte kapaciteter, som kræves for at skabe værdi fra AI. Virksomhedsledere, der er på forkant med AI, blev bedt om at rangordne betydningen af disse kapaciteter.
De otte vigtigste kapaciteter
Udnyttelse af potentialet i AI
Avancerede analyser blev nævnt som den vigtigste AI-kapacitet blandt de adspurgte virksomheder.
Det er måske ikke så overraskende. Rygraden i AI består af dygtige, intelligente hjerner, som er i stand til at forstå forretningsmæssige problemer på detail-niveau og til at implementere AI for effektivt at løse disse problemer.
Undersøgelsen afslører en væsentlig mangel på tekniske datafærdigheder til at imødekomme den kraftigt stigende efterspørgsel efter AI. Det er blevet en meget vigtig konkurrenceparameter at kunne finde og ansætte AI-eksperter. Funktionelle AI-eksperter får nu ofte en højere løn end deres foresatte. I nogle tilfælde udarbejdes der endda nye HR-politikker for at afspejle de skiftende krav.
Data-administration er nummer to. Undersøgelsen viste, at virksomheder bruger en betydelig del af den tid, der er afsat til AI, på opgaver med relation til dataadministration. Virksomhederne rapporterede, at de bruger 2-3 år på at opbygge den nødvendige datainfrastruktur til AI. Virksomheder med de mest ambitiøse AI-visioner bruger stadig størstedelen af deres tid på at finjustere deres infrastruktur.
Den tredjevigtigste kapacitet var AI-ledelse. Det understreger behovet for ledere, der kan forstå og formulere en klar AI-vision.
Næste kapacitet handlede om at fremme en åben kultur. Hvis lederne skal have held til at gøre det, kræver det transparens i forhold til igangværende AI-projekter og deres ønskede resultater.
Nummer fem var en forståelse af, hvordan man kan implementere de rette nyskabende teknologier, efterfulgt af agil udvikling. Hurtig eksperimenteren og iterative processer, der udnytter nye teknologier, bør fremme hurtig intern læring.
Eksterne alliancer kommer ind på en næstsidste plads. Det skyldes måske, at det er et område, hvor lederne allerede selv synes, at de har bedst kontrol. Inddragelse af adfærdsmæssig videnskab via følelsesmæssig intelligens anses som den mindst vigtige AI-aktiverende kapacitet. Det kan måske skyldes, at virksomhederne stadig arbejder på at få styr på de komplekse, tekniske færdigheder, inden de kaster sig over mere avancerede kognitive færdigheder.
De førende sektorer
Sektorer, der er længere fremme med brugen af AI, rapporterer højere kompetence inden for avancerede analyser. Det gælder især TMT (telekommunikation, medier/underholdning og teknologi). Biovidenskabelige virksomheder (herunder sundhedspleje og medicinalbranchen) rapporterer lavere kompetence inden for AI-lederskab. En mulig årsag er, at den farmaceutiske industri hovedsageligt benytter AI i deres forsknings- og udviklingsafdelinger og endnu ikke har implementeret det i resten af organisationen på et bredere strategisk niveau.