Onze samenleving creëert petabytes aan data, waarmee voorspellingen gedaan worden en besluitvormingsprocessen verbeteren. Patronen ontdekken in gecombineerde data is van belang voor het bedrijfsleven, de overheid en wetenschappelijke instellingen. Data en technologie vormen daarbij een onafscheidelijk duo. Maar wil je als organisatie groot worden met AI, concurrerend zijn en waarde creëren, dan moet je meer zaken efficiënt en professioneel organiseren.

Te snel van start gaan als valkuil

Vaak wordt er ergens in de organisatie enthousiast begonnen met een AI project. En dat is goed wat zo komt het leerproces op gang. Maar in dit enthousiasme liggen ook risico’s verscholen; de organisatie kan er nog niet klaar voor zijn of er worden oplossingen bedacht zonder de business erbij te betrekken. Door onvoldoende intern overleg en het ongemerkt opstarten van meerdere AI projecten kan wildgroei van AI tooling ontstaan. Zonder structuur blijven AI projecten in de ‘thuiskok’ fase. Als thuiskok kan je heel goed zijn maar is opschalen naar kwaliteit en kwantiteit van een 3 sterrenkeuken lastig.

Een integrale aanpak van AI op basis van 4 pijlers

Organisaties die concurrerend willen zijn en echt waarde willen creëren met AI toepassingen moeten van de ‘thuiskok’ fase doorgroeien naar de ‘3 sterrenkeuken’ fase. In deze fase kennen alle koks de planning en weten precies hoe ze moeten (samen-)werken. De taal, tools en communicatie zijn eenduidig, de processen afgestemd en de workflow georganiseerd, leveranciers en producten centraal en altijd van goede kwaliteit en zo meer. De metafoor moge duidelijk zijn.

Veel organisaties weten wel dat ze naar een meer professioneel niveau moeten doorgroeien maar missen de kennis, ervaring en vooral praktische handvatten om deze ontwikkeling in gang te zetten.

Voortschrijdend inzicht op basis van klantervaringen en gesprekken, uitgebreid literatuuronderzoek (van o.a. HBR, Gartner, MITSloan en McKinsey) en interne discussies hebben een werkende integrale 4 pijler aanpak opgeleverd om waardecreatie met AI in de organisatie te starten en te versnellen. Er is zeker geen one-size-fits-all aanpak maar de 4 pijlers geven een goede structuur.

Pijler: Projecten om te leren en te motiveren

Het vinden en starten van de eerste projecten is nodig om in de praktijk te ervaren welke problemen en beperkingen je tegenkomt bij het implementeren van een AI oplossing. Begin ook klein, en bouw vandaar uit door naar complexere oplossingen. Zo kan je laten zien dat AI werkelijk een bijdrage kan leveren en enthousiasmeer je de organisatie. Ook maakt het van de andere pijlers geen ivoren toren oefening. Ook krijg je zo beter inzicht in de businesscase en worden die steeds betrouwbaarder.

Pijler: Strategie ontwikkeling

Om van thuiskok naar 3 sterrenkeuken te groeien heb je een strategie nodig. Strategie is bepalen hoe je van A naar B komt en wat je daarvoor moet doen. Daarvoor wordt in deze pijler gebruikgemaakt van de “Data & AI Strategy development cycle”, die je een handvat biedt in het strategische denkproces en de stappen die je moet nemen. En dat begint met visie, ambitie en afstemmen met de business want AI is niet een doel op zich, het is een enabler voor overall bedrijfsdoelstellingen. Voor een goede strategie heb je ook een capability framework nodig.

Pijler: Capabilities framework

Organisaties die waarde willen creëren zullen met een kritische blik moeten kijken welke capabilities (kennis en vaardigheden in een organisatie) er nodig zijn en ontwikkeld moeten worden om te groeien naar de 3 sterren fase, de AI volwassenheid. Daarvoor hebben we het “Data & AI Capabilities framework” ontwikkeld.

Binnen dit framework worden de 10 belangrijke capabilities benoemd die, als je verder, beter, sneller, slimmer wilt gaan met AI, steeds professioneler moeten worden om de ambities van de organisatie te kunnen ondersteunen. Belangrijk zijn oa de beschikbaarheid van data, de vaardigheden van medewerkers, de aanwezigheid van de juiste technologie, metrics om impact te meten maar ook leiderschap en cultuur binnen de organisatie.

Met een online assessment maken we het niveau van maturity van iedere capability inzichtelijk.

Pijler: AI Center of Excellence

Het dilemma van ‘werken in de zaak’ of ‘werken aan de zaak’ wordt met een AI Center of Excellence ondervangen. Het CoE heeft een organiserende, coördinerende en ondersteunende rol in het starten en versnellen van AI in de organisatie. Het CoE verbindt projecten, strategie en framework ontwikkeling. Het CoE ondersteunt in o.a. eenduidig taal gebruik, opleidingen, voorlichting, selectie van tools en technologie en hergebruik van componenten. Een fit-for-purpose CoE begint klein en kan toch al structuur aanbrengen in de AI activiteiten om sneller en efficienter op te schalen.

In welke fase van AI zit jouw organisatie?

Het opschalen van AI in een organisatie is geen strak lineair proces. En geen organisatie is hetzelfde. De activiteiten in de 4 pijlers zijn met elkaar verbonden en hebben invloed op elkaar. Een verandering bij de ene vereist een aanpassing bij de andere en soms een stapje terug.

MaarAI starten en versnellen op een doordachte en efficiënte manier kan met dit generieke 4 pijler model waarmee de transformatie naar een AI gedreven organisatie gerealiseerd wordt.

Zullen we met dit model eens samen bepalen in welke fase jouw organisatie zit: thuiskok of 3 sterrenkeuken? Graag bespreek ik welke stappen er nodig zijn om die 3 sterrenstatus te bereiken, help ik de eerste projecten op AI gebied te faciliteren, aanzet tot strategie te maken, het AI framework te bepalen en/of het CoE te organiseren.

Contact:
Reinier van den Biggelaar
reinier@bastagroep.nl