Naar de inhoud

AI & Identity · Nieuws van de dag

← Terug naar het nieuws

AI-investeringen stijgen, maar fragmentatie blijft een probleem voor ondernemingen

MIT Technology Review AI · · MIT Technology Review Insights · Modellen 79
AI-investeringen stijgen, maar fragmentatie blijft een probleem voor ondernemingen

In het kort

  • Wereldwijde AI-investeringen stijgen naar $2,5 biljoen in 2026.
  • Fragmentatie tussen afdelingen belemmert de effectiviteit van AI.
  • De 'agentic shift' vraagt om een fundamentele herziening van processen en data-architectuur.
  • Succesvolle bedrijven herontwerpen processen vóór het kiezen van AI-modellen.
  • Data-klaarheid is cruciaal voor het benutten van AI-capaciteiten.

De wereldwijde investeringen in AI zullen naar verwachting in 2026 $2,5 biljoen bereiken, een stijging van 44% ten opzichte van het voorgaande jaar. Ondanks deze groei hebben veel organisaties te maken met fragmentatie, waarbij verschillende afdelingen zoals verkoop en marketing niet goed op elkaar zijn afgestemd, wat leidt tot inefficiëntie en gebrek aan inzicht.

De overgang van AI als hulpmiddel naar AI als operationeel model, aangeduid als de 'agentic shift', vereist meer dan alleen betere modellen of snellere infrastructuur. Het vraagt om een fundamentele verbinding van mensen, processen en data in real-time, evenals de juiste governance om op die intelligentie te kunnen handelen.

Om deze uitdagingen aan te pakken, moeten organisaties hun data-infrastructuur heroverwegen en bouwen op toegankelijkheid in plaats van alleen volume. Daarnaast is het noodzakelijk om vaste technologie-stacks te vervangen door samenstelbare architecturen die zich kunnen aanpassen aan veranderende modellen en tools.

De meeste bedrijven slagen er nog niet in om hun inkomsten te laten groeien door AI of hun operationele modellen fundamenteel te heroverwegen. Succesvolle bedrijven beschouwen procesontwerp als een cruciale stap vóór modelselectie, waarbij ze zich richten op hoe technologie zich zal ontwikkelen in plaats van hun workflows achteraf aan te passen.

Data-klaarheid is essentieel voor het succes van AI; veel organisaties realiseren zich te laat dat niet alle data geschikt zijn voor AI-toepassingen. Een soevereine, samenstelbare basis die data lokaal kan verwerken zonder migratie, biedt de flexibiliteit die nodig is in een complexe, multicloud omgeving, en waarborgt dat AI-modellen effectief kunnen functioneren.

Lees het origineel bij technologyreview.com

Dit stuk is geschreven op basis van het originele artikel bij MIT Technology Review AI. De feiten komen daarvandaan; de tekst is van de , geschreven met hulp van AI.

enterprise AI investeringen technologische vooruitgang modellen

Waarom dit op het overzicht staat: Hoewel het artikel over AI-ontwikkeling gaat, mist het specifieke praktische implicaties of nieuwe modellen die voor de lezers van belang zijn.

Reacties

Nog niemand. Wees de eerste.

Meepraten?

Reageren kan met een account. Dat houdt de rommel buiten de deur en zorgt dat je elkaar herkent in een gesprek.

Account maken Of inloggen

Verder lezen