Neue globale Studie von Rackspace Technology legt fehlendes Know-how in den Bereichen KI und maschinelles Lernen offen

Die Umfrage mit dem Titel „Are Organizations Succeeding at AI and ML?“ wurde in Nord- und Südamerika und den Regionen Asien-Pazifik und EMEA durchgeführt und zeigt, dass viele Unternehmen zwar bestrebt sind, KI- und ML-Funktionen in ihre Betriebsabläufe zu integrieren, ihnen jedoch in der Regel das Fachwissen und die Infrastruktur fehlen, die für die Implementierung ausgereifter und erfolgreicher KI/ML-Programme erforderlich sind.

Die Studie stellt heraus, wie schwer es ist, die potenziellen Vorteile von KI und ML gegen die Herausforderungen abzuwägen, die mit der Einführung von KI/ML-Initiativen verbunden sind.Dabei profitieren einige Early Adopters bereits von den Vorteilen dieser Technologien, während andere noch mit gängigen Problemen kämpfen, darunter mangelnde interne Fachkompetenz, veraltete Technologie-Stacks, schlechte Datenqualität oder fehlende Möglichkeiten, den ROI zu messen.

Weitere wichtige Erkenntnisse des Berichts sind:

• Unternehmen sind noch dabei, zu untersuchen, wie sie ausgereifte KI/ML-Funktionen implementieren können. Nur 17 % der Befragten haben angegeben, dass in ihren Unternehmen bereits ausgereifte KI- und ML-Funktionen mit einem Modell-Factory-Framework implementiert sind.Darüber hinaus hat die Mehrheit der Befragten (82 %) angegeben, dass sie noch untersuchen, wie sie KI implementieren können, oder dass sie Probleme bei der Operationalisierung von KI- und ML-Modellen haben.
• Die KI/ML-Implementierung schlägt häufig aufgrund mangelnder interner Ressourcen fehl. Mehr als ein Drittel (34 %) der Befragten berichten von F&E-Initiativen mit künstlicher Intelligenz, die getestet und abgebrochen wurden oder fehlgeschlagen sind.Die Misserfolge unterstreichen die komplexen Anforderungen beim Aufbau und Betrieb eines produktiven KI- und ML-Programms.Die Hauptursachen für Fehlschläge sind mangelhafte Datenqualität (34 %), fehlende Fachkenntnisse innerhalb des Unternehmens (34 %), fehlende produktionsbereite Daten (31 %) und eine schlecht durchdachte Strategie (31 %).
• Eine erfolgreiche KI/ML-Implementierung hat klare Vorteile für Early Adopters. Wenn Unternehmen an die Zukunft denken, sind IT und Betriebsabläufe die meistgenannten Bereiche, in denen sie künftig KI- und ML-Funktionen einsetzen möchten.Die Daten zeigen, dass Unternehmen in einer Vielzahl von Geschäftsbereichen Potenzial für KI und ML sehen, darunter IT (43 %), Betriebsabläufe (33 %), Kundenservice (32 %) und Finanzen (32 %).Darüber hinaus nennen Unternehmen, die KI- und ML-Programme erfolgreich implementiert haben, Produktivitätssteigerungen (33 %) und eine Verbesserung der Kundenzufriedenheit (32 %) als Hauptvorteile.
• Die Definition von KPIs ist entscheidend für die Messung der Investitionsrendite von KI/ML.Neben den Schwierigkeiten bei der Implementierung von KI- und ML-Projekten gestaltet sich auch die Messung des Erfolges schwierig.Zu den wichtigsten Leistungskennzahlen, die zur Messung des KI/ML-Erfolgs verwendet werden, gehören Gewinnmargen (52 %), Umsatzwachstum (51 %), Datenanalyse (46 %) und Kundenzufriedenheit/Net Promoter Scores (46 %).
• Unternehmen wenden sich an zuverlässige Partner. Viele Unternehmen sind noch unentschieden, ob sie intern KI/ML-Ressourcen aufbauen möchten oder diese Aufgabe besser an einen zuverlässigen Partner auslagern.Angesichts des hohen Risikos von Fehlern bei der Implementierung arbeiten die meisten Unternehmen (62 %) jedoch zumindest bis zu einem gewissen Grad mit einem erfahrenen Anbieter zusammen, um die Komplexität der KI- und ML-Entwicklung bewältigen zu können.

„In fast jeder Branche möchten IT-Entscheidungsträger künstliche Intelligenz und maschinelles Lernen einführen, um Effizienz und Kundenzufriedenheit zu verbessern“, so Tolga Tarhan, Chief Technology Officer bei Rackspace Technology.„Bevor sie sich kopfüber in eine KI/ML-Initiative stürzen, empfehlen wir unseren Kunden jedoch, zunächst ihre Daten und Datenprozesse zu bereinigen, also die richtigen Daten zuverlässig und kostengünstig in die richtigen Systeme zu integrieren.Wir bei Rackspace Technology sind stolz darauf, unseren Kunden das Know-how und die Strategie zu bieten, die sicherstellen, dass KI/ML-Projekte über die F&E-Phase hinausgehen und zu Initiativen werden, die langfristige Vorteile bieten.“

Den vollständigen Bericht können Sie hier herunterladen: www.rackspace.com/solve/succeeding-ai-ml.

Methodik der Umfrage

Die Umfrage wurde im Dezember 2020 und Januar 2021 von Coleman Parkes Research durchgeführt und basiert auf den Antworten von 1.870 IT-Entscheidungsträgern aus den Branchen Fertigung, Digitale Native, Finanzdienstleistungen, Einzelhandel, Behörden/öffentlicher Sektor und Gesundheitswesen in Nord- und Südamerika, Europa, Asien und dem Nahen Osten.Die Fragen der Umfrage deckten die Einführung von KI und ML sowie deren Nutzung, Vorteile und Auswirkungen und zukünftige Pläne im Bereich KI und ML ab.