En ny rapport från Corinium på uppdrag av FICO, ledande inom analysprogramvaror, visar att även om behovet av AI ökar så finns det samtidigt tydliga tecken på att en del håller på att ompröva sin syn på AI, möjligen frustrerad med projekt som inte visar tillräckligt med resultat eller att satsningar saktats ner i samband med COVID-pandemin.
För AI-ansvariga betyder detta att stödet från högsta ledningen inte alltid omsätts till den finansiering som behövs för att kunna färdigställa rätt AI-lösningar. Rapporten visar att AI-trötthet kan motverkas genom att etablera rätt målsättningar, kommunicera proaktivt och fokusera på etisk AI.
“Många företag har varit snabbfotade och fastnat i AI-hypen, vilket gjort att deras AI-modeller inte varit tillräckligt robusta och etiska,” säger Dr. Scott Zoldi, chefanalytiker på FICO. “För att hindra att detta leder till ytterligare AI-trötthet på ledningsnivå måste AI-ansvariga proaktivt möta dessa invändningar genom att utveckla AI-standarder för utveckling och etik i organisationerna.”
Rapporten och tillhörande undersökningen visar på flera potentiella tecken på AI-trötthet hos ledningsgrupper:
- Otillräcklig finansering – 55 procent av AI-ansvariga uppger detta som en barriär för AI-införanden i deras organisationer
- Brist på kommunikation – Endast 51 procent av AI-ansvariga har möjlighet att direkt kommunicera med deras ledningsgrupper
- Etisk AI – 93 procent av AI-ansvariga uppger att etiska överväganden utgjort hinder för att AI ska anammas inom deras organisationer
“Samtidigt som rapporten visar att behovet av AI ökat i samband med COVID-10 och att det i genomsnitt finns rimligt högt stöd från ledningsgrupper, ser vi också utmaningar med finansiering, kommunikation och genomförande,” säger Dr. Scott Zoldi. “Därför bör organisationer nu anamma en mer displinerad approach till AI.”
Att välja rätt mätetal
För att undvika AI-trötthet på ledningsnivå visar rapporten att det är viktigt att visa affärsnyttan genom att tydliggöra och kvantifiera den påverkan som en specific AI-användning har på verksamheten. Enligt respondenterna i rapportens undersökning är de mest använda mätetalen för att visa framgång med AI i nuläget ”påverkan på kundnöjdhet” (53%) och ”riskminimering” (53%).
Det är också intressant att notera att ”intäkter skapade från AI-projekt” är ett mindre använt mätetal, endast använt av 38 procent av AI-ansvariga, likaså ”skapade besparingar” som endast används av 37 percent.
Etisk AI är avgörande
Undersökningen visar också att 60 procent av ledningsgrupperna hos de tillfrågade organisationerna önskar mer ansvarsutkrävande kopplat till AI, vilket knyter an till att 93 procent av AI-ansvariga uppger att etik i högre utsträckning måste tas hänsyn till för att nå högre användningsgrad. För att hantera detta behöver organisationer säkerställa att de har stark styrning över AI-modeller och ett regelverk på plats för att främja etisk AI-användning. Det är också viktigt att övervaka AI-modellerna för att säkerställa att de fortsätter att vara rättvisande och etiska, något som 67 procent av de AI-ansvariga inte gör i nuläget.
“För att undvika AI-trötthet och visa på värdet med AI, behövs det en utvecklingsstandard för AI i organisationerna,” säger Dr. Scott Zoldi. “Det innebär att man använder standarder för maskininlärningsmodeller som stöds av organisationen, att man använder rätt mätetal, proaktivt kommunicerar med intressenter och kontinuerligt övervakar AI-modellerna för att säkerställa att de fortsätter att vara stabila och etiska när de används.”
Undersökningen visar att samtidigt som den generella bilden av AI på ledningsnivå fortfarande är relativt positiv, så kan AI-ansvariga hjälpas av att förbättra deras förmåga att säkerställa tillräcklig finansiering och bibehålla starkt engagemang från högsta nivå för AI-projekten.
“Vår rapport visar att efterfrågan på AI har ökat i organisationer,” säger Dr. Scott Zoldi. “För AI-ansvariga innebär detta ett bra tillfälle att omvandla det intresset till stöd och finansering, som säkerställer att AI utvecklas på ett etiskt sätt och används framgångsrikt utifrån satta utvecklingsstandarder för AI-modellerna – på det sättet kan AI-trötthet motverkas över tid i takt med att organisationer blir mer effektiva, mer standardiserade och mogna i sina AI-utvecklingsprocesser.”