Elke leidinggevende op hoog niveau die ik ontmoet, stelt dezelfde vraag: waarom onze NAAR DE Investering vastgelopen in pilot-vagevuur?
Na meer dan 200 AI-professionals te hebben geïnterviewd voor ons laatste nieuws onderzoekIk heb een ontnuchterend antwoord: slechts 22% van de organisaties is overgestapt van experimenteren naar strategische implementatie van AI. De rest zit gevangen in wat ik het ‘rommelige midden’ noem, waarbij grondstoffen worden verbrand voor verspreide proefprojecten die nooit productieschaal bereiken.
In de ruim twintig jaar dat ik bedrijven heb geholpen bij het oplossen van complexe problemen met open source AI en machine learning, heb ik dit patroon in alle sectoren zien herhalen. Bedrijven zijn enthousiast over de mogelijkheden van kunstmatige intelligentie. Zij financieren de piloten. Zij aannemen 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. Dit is geen snelheid van innovatie; het is wrijving die uw concurrentievoordeel vernietigt.
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. Fragment van gereedschappen. De bestuurlijke kloof wordt groter. Vertrouwen corrodeert. Wat dagen zou moeten duren, wordt maanden.
Dit is wat bedrijfsleiders moeten begrijpen: bedrijven die aan deze valkuil ontsnappen, gebruiken geen betere AI-modellen. Ze gebruiken betere fundamenten met behulp van open source software.
Normen creëren een concurrentievoordeel
Normen lijken misschien bureaucratisch, maar bij AI scheiden ze bedrijven die groeien van bedrijven die stagneren.
Ons onderzoek brengt echte barrières aan het licht: 45% van de teams noemt datakwaliteit en pijplijnconsistentie als de belangrijkste barrières voor productie. Nog eens 40% benadrukt 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 groeien.
Bekijk het eens zo: stel u voor dat elke afdeling in uw bedrijf verschillende e-mailsystemen gebruikt die niet met elkaar kunnen communiceren. Dit is in essentie wat er tegenwoordig gebeurt met AI-tools.
Open standaarden lossen dit probleem op door gedeelde talen te creëren voor AI-ontwikkeling. Wanneer iedereen compatibele tools en formaten gebruikt, wordt samenwerking automatisch. Integratie die voorheen maanden duurde, gebeurt in slechts een paar dagen.
Het resultaat? Snellere implementatiecycli en meetbare ROI.
Volgens ons onderzoek beginnen bedrijven de boodschap te begrijpen: 92% van de AI-professionals gebruikt open source-tools, en 76% zegt dat hun organisatie dit jaar de open source-prioriteit heeft verhoogd.
Drie standaarden die resultaten stimuleren
Niet alle normen tellen even zwaar. Gebaseerd op wat ik organisaties heb zien transformeren, zijn hier drie die een onmiddellijke impact hebben:
- Manieren om AI-modellen tussen systemen te verplaatsen zonder ze opnieuw te compileren. Standaarden als Open Neural Network Exchange voorkomen dat je aan een leverancier vastzit en maken een einde aan herbewerking, de stille moordenaar van de snelheid van innovatie. Wanneer teams hetzelfde model in verschillende omgevingen kunnen inzetten, 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 kant-en-klare componenten. 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, transformeren gestandaardiseerde benaderingen van modeldocumentatie en -validatie het bestuur van een obstakel in een versneller. Teams gaan sneller omdat ze precies weten wat compliance is.
Het patroon dat ik keer op keer zie is dit: elke norm vermindert wrijving. Samen creëren ze een ecosysteem waarin innovatie zich ophoopt in plaats van fragmenteert.
Open source is uw concurrentievoordeel
Sommige leidinggevenden vrezen dat open source chaos betekent. Zij vinden dat normen een centrale autoriteit 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 probleem 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 manieren 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-professionals er vertrouwen in heeft om modelgerelateerde beslissingen 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 adoptie en goedkeuring van regelgeving.
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 teams in staat stellen onafhankelijk te bewegen en toch samen te bewegen.
Ontsnap aan het rommelige medium
Dit is mijn belangrijkste advies voor topleiders: stop met het behandelen van AI als een technologieprobleem en begin het te behandelen als een systeemprobleem.
Het rommelige centrum bestaat omdat organisaties AI benaderen als geïsoleerde projecten. Teams kiezen verschillende tools, creëren afzonderlijke pijplijnen en creëren individuele governance-processen. 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 leveringsprocessen kunnen delen zonder helemaal opnieuw te hoeven beginnen.
2. Kies oplossingen die u kunt inspecteren en verifiëren. Dit vermindert de risico’s en versterkt het vertrouwen van belanghebbenden. Vertrouwen versnelt de adoptie en adoptie versnelt de waardecreatie.
3. Meet leveringscycli, 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.
Uit ons werk met grote ondernemingen blijkt 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 degenen die strategische AI implementeren en organisaties die in de val lopen door de pilots zal alleen maar groter worden. De winnaars zullen niet degenen zijn met de meeste experimenten; zij zullen degenen zijn die experimenten sneller in waarde zullen omzetten. Seconde McKinsey-onderzoekOrganisaties zien materiële voordelen bij de implementatie van AI, waarbij de meerderheid kostenbesparingen en omzetstijgingen rapporteert bij bedrijfseenheden die de technologie gebruiken.
Het goede nieuws? De basis die je nodig hebt, wordt momenteel gebouwd door de open source-gemeenschap. Jouw taak als leider is om hun strategische waarde te erkennen en je in te zetten om deze te ontwikkelen.
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.
Maar wat nog belangrijker is, het betekent dat we begrijpen dat standaardisatie en innovatie bij AI geen tegenpolen zijn: het zijn partners. Normen creëren de stabiele basis waardoor innovatie snel kan gedijen.
Begin met een diagnostische vraag: kunnen uw teams AI-modellen en datapijplijnen tussen projecten 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 mede-oprichter en hoofd van AI en innovatie bij Anaconda.
