In dit artikel duiken we in de wereld achter de schermen van digitale transformatie en AI-gedreven bedrijfsvoering. Waarom is de druk op IT-managers zo groot? Hoe kun je als businessmanager helpen om deze uitdagingen te verlichten? Wat is er nodig om je organisatie echt sterker te maken? Begrip en samenwerking zijn belangrijker dan ooit. Lees verder en ontdek wat je IT-afdeling écht nodig heeft om te blijven presteren.
Heilige graal
Laten we beginnen bij de drijfveren vanuit de businessafdelingen. Daar kunnen we kort over zijn: AI en Generative AI (GenAI) betekenen een ongeëvenaarde sprong voorwaarts. Deze technologieën verhogen de efficiëntie door geautomatiseerde processen als vanzelf te laten anticiperen op snel veranderende omstandigheden. De businessinzichten worden vanuit een vrijwel ‘oneindig breed’ perspectief real-time ondersteund. Ook verbetert het de klantbeleving door hyperpersoonlijke interacties. GenAI overtreft dit nog eens met creatieve oplossingen die niet onder doen voor wat een medewerker kan ‘verzinnen’.
Spanningsveld
De samenleving verwacht dat organisaties direct én ‘spot on’ reageren. Organisaties die AI omarmen, blijven concurrerend. Wie dat niet doet, riskeert achterop te raken in een digitale economie waar snelheid en intelligentie winnende factoren zijn.
Dagelijks lezen we hoe IT de vertragende factor kan zijn, bijvoorbeeld in het doorvoeren van nieuwe belastingwetgeving. Met de nieuwe verwachtingen van de moderne businessmanager wordt de druk niet bepaald minder, alle ‘IT-for-IT’ ten spijt. En dat is niet alles.
De CIO en IT-managers zijn al best druk. Cybersecurity vergt alle aandacht naast de druk op bijvoorbeeld AVG-compliance en de in 2024 bekrachtigde EU AI Act die in 2026 gehandhaafd gaat worden. De opdracht voor de IT-afdeling is simpel: lever een IT-omgeving waarmee we AI makkelijk, gecontroleerd en vooral efficiënt kunnen inzetten.
IT-management verzet de bakens
Paradigma’s zullen verschuiven om het speelveld ‘AI ready’ te maken. We hebben het dan natuurlijk over de data voor de bedrijfsvoering; intern, met klanten en met leveranciers. Cloud- leveranciers maken het met plug & play-scenario’s steeds makkelijker om AI-techniek in te zetten en aan andere IT-omgevingen te koppelen. Maar de data, tja, dat mag de IT-manager zelf regelen. En dit is precies het punt waar de bakens fundamenteel verzet moeten worden.
Eerder werd het ‘oneindig breed’-perspectief al aangehaald. Daar waar BI nog met gestructureerde data, veelal SQL-databases, prima uit de voeten kan, vergt AI goed geprepareerde en veelal ongestructureerde data, zoals documenten om aan LLM-modellen aan te kunnen bieden. Het gebrek aan kennis, bijkomende tools en vaardigheden om diverse vormen van ongestructureerde data te verwerken en in een natuurlijke flow van ontwikkeling naar productie te brengen, is één van die verschuivende data-paradigma’s. Heeft IT deze gegevensverwerking en -voorbereiding niet onder de knie, dan gaat het potentieel van GenAI verloren. Businessteams kunnen de modelprestaties niet verbeteren doordat ontwikkelingscycli nauwelijks iets nieuws opleveren door gebrek aan meer en/of betere databronnen. Kosteneffectieve toepassing wordt daarmee meer fictie dan werkelijkheid.
Nog interessanter is het gegeven dat AI, generatief of niet, een grote diversiteit aan datastructuren tegelijk wil kunnen consumeren. Streaming data en batch processing komen samen met elk hun eigen eisen aan IT-voorzieningen, gekoppeld aan een breed spectrum aan databronnen. Vervolgens komt RAG (Retrieval Augmented Generation) om de hoek kijken, waarbij additionele feiten in de vorm van zowel gestructureerde als ongestructureerde data aan een LLM worden toegevoegd, puur en alleen voor die ene vraag die door een gebruiker wordt gesteld.
Los van de IT-complexiteit van deze veelheid aan datastromen en structuren, is de geschiktheid van deze databronnen een steeds grotere zorg. Compleetheid, correctheid en vertrouwelijkheid van data vormen de basis van elk antwoord dat AI genereert. Juist deze puzzel weerhoudt organisaties nu vaak nog van bredere inzet van GenAI-oplossingen. Dan laat ik de mogelijk aanwezige bias in de datasets nog even buiten beschouwing. De zorg gaat veelal primair uit naar de vertrouwelijkheid van onderdelen van de data en de plek waar het uiteindelijk terechtkomt. Dit ondermijnt op zijn beurt de businesscase voor een rendabele toepassing van AI in grote mate.
Businessmanagement heeft de sleutel
Een andere paradigmaverschuiving in tal van organisaties is dat niet de IT-afdeling of Database administrators (DBA’ers), maar juist de business zelf de sleutel tot compleetheid en een fijnmazige classificatie van datavertrouwelijkheid in handen krijgt. Zonder deze duidelijkheid vanuit de business is brede geautomatiseerde inzet van data onmogelijk. Voor zover data wel kan worden gebruikt, blijkt inzet bijzonder kostbaar. Arbeidsintensieve handmatige controles van aanpassingen door DBA’ers en Data Engineers blijken dan steeds nodig voordat de gegevens voor AI-doeleinden ingezet kunnen worden.
In het spanningsveld, zoals eerder geschetst, zit de oplossing zoals altijd in de samenwerking tussen business en IT. Ter illustratie een paar sleutels die business management in handen heeft om de inzet van AI tot een succes te maken. De Business heeft grote invloed op betrouwbaarheid, volledigheid en actualiteit van data afkomstig van klanten en leveranciers. Bij het maken van die afspraken is het de business die eisen kan stellen aan transparantie over herkomst van de data en of deze met het juiste doel voor ogen is verzameld. En last but not least is het de business die samen met haar stakeholders garant staat voor het aanleveren van de benodigde metadata, zodat geautomatiseerde verwerking van datastromen verantwoord kan plaatsvinden. Voor veel organisaties zal ook dat een paradigmaverschuiving van IT naar business zijn.
End well, all well
IT-afdelingen richten zich op het bouwen van flexibele, toekomstbestendige data- en AI-platformen. Businessmanagers moeten verantwoordelijkheid nemen voor het stroomlijnen van databeheer en het creëren van duidelijke afspraken over data-inzet en kwaliteitsgaranties. Door gezamenlijk te investeren in kennis en werkwijzen kunnen organisaties het volledige potentieel van AI benutten.
Dus, wil je een AI-toekomst zonder veel zorgen? Zorg dat jouw data zo betrouwbaar is als je beste vriend en behandel je IT-afdeling alsof zij de ster van je bedrijf zijn (met koffie, complimenten, en af en toe een vrije dag), in plaats van het blok aan het been. AI mag dan slim zijn, maar zonder een goede samenwerking blijft het een hele dure rekenmachine.
