Zonder goede data geen AI. Het klinkt inmiddels als een cliché, maar één waar experten uit de industrie toch nog vaak op moeten hameren.
Belgische bedrijven groot en klein dromen luidop van AI en de winsten waarvan ze hopen dat het hen zal opleveren. Toch loopt het in de praktijk nog vaak mis: aan studies met cijfers over moeizame AI-implementaties geen gebrek deze dagen. Ook tijdens een rondetafel georganiseerd door ITdaily met zes experten die er dagelijks mee bezig zijn, wordt snel duidelijk dat de kloof tussen ambitie en realiteit groot kan zijn.
Caroline Van Cleemput, Regional Director voor de gloednieuwe Snowflake-afdeling in België, legt vrijwel meteen de vinger op de zere wonde. “Recent hebben we met Snowflake een studie bij duizend Belgische werknemers uitgevoerd. We zagen dat bedrijven miljarden euro’s per jaar verliezen omdat mensen niet weten waar data staan of de kwaliteit van de data niet vertrouwen”.
lees ook
Belgische bedrijven verliezen jaarlijks 8,41 miljard euro door slechte datakwaliteit
Voor de rest van de tafel klinkt dit herkenbaar. Aan tafel zitten nog Steven Nuyts, Head of BTP Solution Advisory BeNeLux bij SAP, Yannic De Bleeckere, Head of Pre-Sales bij SAS, Adriaan van Geyt, Datacenter Sales Manager bij Dell Technologies, Fen Lasseel, Managing Director van Datashift en Brecht Vanhee, Principal Analyst Architect & Delivery Lead bij element61. De experten zijn het unaniem eens: zonder stevig datafundament blijft de AI-belofte een lege doos.
Verschillen in maturiteit
Het ene bedrijf is natuurlijk het andere niet, merkt De Bleeckere op. “Soms zien we bij grote ondernemingen waar je maturiteit zou verwachten, dat dat helemaal niet het geval is. Integendeel, jonge bedrijven staan vaak verder dan bedrijven die al langer bestaan. Die hebben meer tijd nodig om legacy weg te werken”.
Soms zien we bij grote ondernemingen waar je maturiteit zou verwachten, dat dat helemaal niet het geval is.
Yannic De Bleeckere, Head of Pre-Sales, SAS
Ook Lasseel merkt vanuit zijn rol als consultant grote verschillen in de markt op. “In sterk gereguleerde sectoren als banken en gezondheidszorg zien we dat organisaties hun data – die ingezet wordt voor regelgeving & compliancy – governance meestal wel op orde hebben. Daar wordt er genoeg met de hamer op geslagen. Maar op vlak van businesswaarde, zitten we op een heel ander speelveld”.
“Klanten zitten op bergen data”, pikt Vanhee in. “Data worden tegenwoordig wel beter bijgehouden dan vroeger, maar hoe maak je die inzichtelijk? Welke data heb je en hoe zijn die gedefinieerd? Er hoeft maar in één rapport een fout te sluipen, of het vertrouwen in de data is weg”.
Lasseel stemt in: “Het probleem is dat men vaak stopt bij het verzamelen van data of inzichten. Belangrijk is natuurlijk ook om er de juiste acties aan te kunnen koppelen, Doe er ook écht iets mee.”
“Ik merk dat we het niveau van maturiteit en geletterdheid op vlak van data bij businessgebruikers vaak zelfs nog overschatten”, gaat hij verder. “We moeten nog meer de brug slaan naar businessgebruikers en ze helpen duurzame meerwaarde uit data te halen. Dat is ook onze rol als consultants: klanten mee helpen zoeken naar wat ze willen bereiken en niet blind in data duiken of tevreden zijn met een mooi dashboard waar veder weinig mee gebeurt”.
Ik merk dat we het niveau van maturiteit op vlak van data bij businessgebruikers overschatten.
Fen Lasseel, Managing Director, Datashift
“IT wil eerst alle gegevens verzamelen, en dat wordt dan een project op zichzelf. Maar data is geen doel, de waarde die je eruit haalt wel. Iedereen praat vandaag over datalakes enzovoort, maar zonder visie wordt dat een project zonder einde”, voegt De Bleeckere toe.
Strategisch kapitaal
De experten hameren op het belang van de basis. Eerst moet het fundament er liggen voor je nog maar aan AI kan beginnen denken. Dat zegt ook Steven Nuyts: “Er is wel enige versnelling in de maturiteit, maar data blijven gefragmenteerd over legacy- en cloudapplicaties. Bedrijven zien hun data nog te weinig als strategisch kapitaal en te veel als een technische uitdaging”.
Omdat de basis niet goed is, lopen AI-projecten mee vast. Van Cleemput: “Je datafundamenten moeten eerst juist staan. Dat gaat een groot stuk over governance, maar zeker ook over businessprocessen. Je moet tot in de kern van je organisatie durven gaan. Als je blijft doen wat je altijd hebt gedaan, lukt het niet om AI op te schalen”.
Ook de manier waarop organisaties hun data organiseren, speelt een rol. Nuyts: “Je kan alle data op één plek gaan zetten. Maar het probleem zit vaak net in de combinatie van gestructureerde en ongestructureerde data. In datalakes, ongeacht waar die staan, gaat de semantische context verloren die voor AI cruciaal is. Daarom zijn we met SAP meer open geworden om data zo min mogelijk te moeten repliceren”.
In datalakes gaat de semantische context verloren die voor AI cruciaal is.
Steven Nuyts, Head of BTP Solution Advisory BeNeLux, SAP
“We blijven steken in ‘huis-tuin-en-keuken-AI’. Er is nog een lange weg te gaan om iedereen mee te krijgen. Soms komen we ‘te vroeg’ binnen bij klanten en er moet nog een hele hoop gebeuren voor we echt impact kunnen maken. Analytics is geëvolueerd van een technisch naar een businessverhaal, maar AI zet precies weer een omgekeerde beweging naar het technische in gang”, stelt Van Cleemput vast.
GenAI: het walhalla?
Verblind door mooie beloftes die ze over AI horen, beginnen bedrijven te bouwen op een slecht fundament. Het AI-huis staat dan maar zo stevig als een kaartenhuis. “De druk om ‘iets’ met GenAI te doen, stijgt in de boardroom, zonder dat men weet wat of waarom”, zegt Vanhee. “Ik hoor wel eens dat ‘het moet van de baas’. Het doet soms wel nadenken over versnippering van data, maar voor simpele projecten heb je geen geavanceerde modellen nodig”.
“Wij moeten klanten vaak net even op de rem laten staan. Kijk eerst naar welke niveaus van automatisering je al hebt. GenAI biedt niet voor alles de oplossing. We praten veel over productiviteit, maar er is nog te weinig focus op omzetgroei en echt tastbare resultaten”, stelt Nuyts.
“Binnen Dell hebben we dezelfde uitdagingen als onze klanten”, pikt Van Geyt in. Hij verwijst naar hoe Dell zelf intern met de technologie omgaat. “Onze eigen chatbots gaan echt ongelooflijk ver. Analyses die vroeger uren duurden, doen we nu op vijf minuten. Dat is enkel mogelijk als je data perfect is en documentatie kan vertrouwen. Maar voor mij is er niets mis met het laaghangende fruit te zoeken”.
Onze eigen chatbots gaan echt ongelooflijk ver.
Adriaan van Geyt, Datacenter Sales Manager, Dell Technologies
Van Cleemput haalt de succesverhalen eveneens uit de eigen keuken. “Ons Snowflake Intelligence-product is voor mij echt het walhalla dat opengaat. AI kan data-analyse veel eenvoudiger maken. We zijn nog relatief nieuw in de Belgische markt. Amerikaanse klantencases vinden Belgische bedrijven niet zo relevant, dus daarom zijn we onze Belgische use cases publiek aan het maken.”
Wie trekt de kar?
Data- en AI-projecten moeten de hele organisatie rond de tafel samenbrengen, zijn de experten het eens. Vanhee: “Datateams hebben lang op een eiland gestaan. Nu zien we stilaan de convergentie van data en business. Businessgebruikers moeten meer ownership krijgen over data om er inzichten uit te halen.”
Business en IT komen dichter bij elkaar, maar spreken nog lang niet dezelfde taal. Volgens Lasseel is er nood aan ‘vertalers’ tussen beide kampen, maar ook ‘leiders’ die durven focus te brengen en doelgericht middelen op waardevolle data-oplossingen in te zetten. “Zolang je niet vertrekt vanuit een probleem, blijven we het risico hebben dat we te weinig meerwaarde opleveren voor een bedrijf of blijft het allemaal erg hol klinken.”
Partners kunnen daar ook een rol spelen, voegt Nuyts toe. “Interne IT-teams willen vaak alles zelf doen en beheren, maar soms moet je je partners het vertrouwen durven geven. De rol van dataproducten wordt belangrijk: kies voor een platform waar je dataproducten kan beheren in plaats van enkel ruwe datasets. Het is vandaag nog te veel een puur technisch vraagstuk.”
Omgaan met verandering
Om AI structureel en impactvol in de organisatie te integreren, moeten bedrijven in de spiegel durven kijken. Dat begint bij data, maar ook niet minder bij processen. Lasseel: “Daar ben ik het mee eens, er wordt nog vaak naar AI gekeken om enkele kleine stapjes te automatiseren of ons wat efficiënter te maken. Er is echter nog veel meer mogelijk, maar dan mogen we niet enkel wat aan aan de knopjes draaien, zonder dat er veel iets verandert. We moeten we durven processen radicaal te hertekenen met data & AI.
lees ook
Groots denken, klein beginnen: een datastrategie op business-maat bestaat uit visie en quick wins
Zelfs als de technologie en data op orde staan, kan de mens nog een moeilijke factor zijn. “Omgaan met verandering is de nagel op de kop. We zien succesvolle projecten die nooit in productie geraken omdat ze te veel interne verandering vereisen”, zegt Nuyts.
Verandering forceer je in een land als België niet op een dag. Van Cleemput: “De markt is vrij conservatief. Bedrijven bouwen vaak voort op technologie en partners die ze kennen in plaats van grondige evaluatie te doen over de expertise en innovatie die ze nodig hebben, en die er op de markt zijn. Ik ben een beetje geschrokken dat bijvoorbeeld Snowflake nog steeds veelal gezien wordt als datawarehouse, terwijl we een AI Dataplatform zijn.”
“Daarom werken wij heel bewust rond analytische maturiteit. De definitie van AI is te veel naar GenAI verschoven, maar met de ‘klassieke’ technieken kan je nog veel problemen oplossen. De business moet opgeleid worden in wat analyse betekent en wat het kan opbrengen. Zonder dat inzicht blijf je in pilots hangen”, besluit De Bleeckere.
Aan data, tools of ambities geen gebrek bij Belgische bedrijven. De uitdaging zit niet aan data bij elkaar rapen, maar in die op orde krijgen. Wie dat stevige fundament kan leggen, beukt de poorten naar het AI-walhalla open.
Dit is het tweede artikel in een reeks van drie naar aanleiding van onze ronde tafel rond data. Klik hier om de themapagina te bezoeken met de andere artikel, de video en onze partners.