Volgens nieuwsbronnen, analisten, experts en deskundigen mislukt momenteel tussen de 60-80% van de AI-projecten. Organisaties realiseren niet de gewenste AI-bedrijfsresultaten omdat ze naast problemen met de infrastructuur onder andere worstelen met de rechtvaardiging van businesscases, een gebrek aan interne expertise voor ontwerpen en implementatie van AI-omgeving, en met methoden om het in de IT-omgeving te integreren.
Toch heeft AI een groot potentieel om bedrijfswaarde te creëren. Volgens de Foundry 2023 AI Priorities Study is de overgrote meerderheid (89%) van de IT-afdelingen actief bezig met het onderzoeken, testen, implementeren of upgraden van AI-implementaties. De verwachting is dat AI tal van positieve effecten kan hebben zoals een hogere productiviteit van werknemers, het genereren van innovatie, een betere concurrentiepositie, dat AI de deur naar nieuwe producten of diensten opent en dat het een betere klantenservice kan opleveren.
Het kan verleidelijk zijn om je in de AI strijd te storten. Er zijn echter enkele zaken die je goed op een rijtje moet hebben om te zorgen dat de toepassing van AI ook inderdaad waardevol kan zijn voor je bedrijf:
- Zorg dat je een grondig begrip hebt van je use-case en wat de prioriteiten daarin zijn – en koppel deze aan je businesscase
- Bepaal welk type AI-toepassing of oplossing geschikt is voor jouw organisatie
- Bepaal de manier waarop je je infrastructuur gaat aanpakken – kies je voor een kant-en-klare route of construeer je je eigen oplossing.
Use-case en prioriteiten
AI kan meerdere handmatige of tijdrovende taken overnemen en razendsnel uitvoeren, zoals het optimaliseren van de workflows van de klantenservice, het samenvatten van enorme hoeveelheden tekst, het snel doornemen van videobestanden en nog veel meer. Alleen dan zal een organisatie de gewenste AI-bedrijfsresultaten behalen.
Om te beslissen welke use-case zinvol is voor jouw bedrijf, begin je met het beantwoorden van deze vraag: wat is de bedrijfsdoelstelling die we proberen te bereiken, of het bedrijfsprobleem dat we proberen op te lossen?
Detailhandelsorganisaties die bijvoorbeeld de risicobeperking willen verbeteren, kunnen AI gebruiken om productdiefstal, de veiligheid van werknemers en de bescherming van eigendommen aan te pakken. Er zijn ook omzetverhogende mogelijkheden met AI-oplossingen, zoals het verbeteren van de klantenservice en het voorspellen van de vraag, evenals het optimaliseren van prijsmodellen.
Organisaties moeten de gewenste AI-bedrijfsresultaten afstemmen op de bijbehorende taken. Om bijvoorbeeld de productiviteit van werknemers te verhogen, moet de businesscase processen omvatten zoals geoptimaliseerde workflows, snelle gegevensanalyse of samengevatte video- of tekstbestanden. Beperk je doelstellingen zo veel mogelijk om gefocust te blijven en je beter te positioneren voor succes. Met andere woorden, probeer niet alles tegelijkertijd te doen; neem als uitganspunt doelgericht een specifieke use-case aan die een grote kans op succes heeft.
Kies een AI-toepassing
AI is een breed begrip dat technologieën omvat zoals machine learning (ML), deep learning, grote taalmodellen (LLM’s) en intelligente automatisering. Dat gezegd hebbende, kan AI grofweg worden onderverdeeld in drie groepen:
Vision AI. Ook bekend als computer vision, waarbij digitale apparaten informatie in afbeeldingen en video’s identificeren en verwerken. Voorbeelden hiervan zijn het snel doornemen van bewakingsbeelden of het bekijken van medische beelden in de gezondheidszorg en het analyseren van input voor aanbevelingen.
Spraak-AI. Gebruikt spraakgebaseerde technologieën zoals spraakherkenning, spraak-naar-tekst en tekst-naar-spraak. Dit is een veelgebruikte manier om chatbots en digitale assistenten aan te sturen, die onder andere klantenservice, sentimentanalyse en virtuele vergaderingen kunnen verbeteren.
Generatieve AI (genAI): Creëert tekst, afbeeldingen, audio en andere inhoud op basis van gegevensinvoer of prompts in LLM’s. GenAI-algoritmen kunnen helpen bij gegevensanalyse, marktonderzoek, fraudedetectie en het genereren van content.
De rode draad tussen deze AI-groepen is inferentie. Ze hebben allemaal een engine nodig die in staat is om snel logica toe te passen en informatie snel kan verwerken. Denk aan de grootte en het volume van videobestanden, diapresentaties, webinarscripts, MRI-afbeeldingen en geluidsopnames. Het belangrijke hierbij om te onthouden is dat AI prestatiegericht is. Om zulke projecten efficiënt te implementeren en te schalen, heb je inferentiesystemen nodig die vanaf de basis zijn ontworpen voor AI.
Bepaal je AI-aanpak
Er zijn diverse mogelijkheden wat de AI-implementatie betreft: kant-en-klare AI-oplossingen of er zelf een bouwen. De snelste route naar bedrijfswaarde hangt af van de huidige middelen, waaronder het budget en de deskundigheid van het personeel.
Kant-en-klare-oplossingen
Stel dat je organisatie van plan is om een vision AI-oplossing op een bestaande camera-infrastructuur toe te passen. Er is wat werk nodig om het te configureren en af te stemmen, maar je kunt een kant-en-klare vision AI softwareoplossing aanschaffen en deze door een onafhankelijke softwareleverancier laten implementeren als je bedrijf niet over voldoende interne expertise beschikt.
Het controleren van videobeelden door mensen op mogelijke incidenten is bijvoorbeeld tijdrovend en vatbaar voor onnauwkeurigheden. Een kant-en-klare AI-oplossing met een prestatiegericht inferentiemodel kan met bestaand beeldmateriaal worden getraind om automatisch risicovolle situaties op te sporen, te detecteren en te identificeren, zoals gladde oppervlakken op fabrieksvloeren of in woonzorgcentra die tot ongelukken kunnen leiden.
Het HPE Machine Learning Development System is een uitgebreide oplossing die de IT-complexiteit helpt te reduceren dankzij een speciale, high-performance AI-infrastructuur voor de ontwikkeling van generatieve AI-modellen. Dit maakt de implementatie van AI/ML-infrastructuur en -beheer eenvoudiger. Bovendien maakt het gebruik van schaalbare configuraties voor verbeterde efficiëntie en inzet van gpu’s voor de meest uitdagende AI-workloads.
Integreer op eenvoudige en veilige wijze generatieve AI-mogelijkheden met een speciaal gebouwde oplossing die vooraf geconfigureerd, volledig geïnstalleerd en out-of-the-box performant is.
De kant-en-klare oplossingen kunnen worden gebruikt als een standalone systeem en kunnen als uitgangspunt dienen voor maatwerk.
Doe-het-zelf-maatwerk
Een andere optie is om je eigen AI-inferencingoplossing te bouwen. Deze aanpak vereist het gebruik van een speciale krachtige rekeninfrastructuur, het gebruik van AI-technologieën zoals LLM’s, ML of automatisering, en het aanboren van bedrijfsgegevens om je eigen specifieke zakelijke tools te maken, zoals chatbots bijvoorbeeld. Of je teams zouden een LLM kunnen aanpassen om generatieve AI-tools te ontwikkelen die verkoop- en marketingcontent creëren.
Deze doe-het-zelf-aanpak biedt je bedrijf in principe meer flexibiliteit en resultaten, maar vereist wel een plan, personeel daarvoor en technische partnerschappen om snel succes te boeken. Daarbij moet je ook rekening houden dat er voorgetrainde modellen, frameworks, beveiliging en ondersteuning nodig zijn, evenals het levenscyclusbeheer van de gegevens, AI-tools en infrastructuur.
Het voordeel is dat je je eigen IT-ecosysteem gebruikt dat je aan je wensen kunt aanpassen. Afhankelijk van hoeveel bouwstenen je nodig hebt, kun je bij zo’n aanpak ook LLM’s, je intellectuele eigendom en je infrastructuur naar wens integreren en schalen.
Het maakt niet uit of je kiest voor de kant-en-klare of de doe-het-zelf-aanpak, essentieel hierbij is de infrastructuur die de basis vormt.
Hoe HPE AI aandrijft
Er heerst veel opwinding rondom AI, maar ook een bepaalde mate van angst. We weten dat ondernemingen snel bedrijfswaarde willen leveren door te leren van anderen die hen zijn voorgegaan, en op die manier best-practices benutten en praktisch toepassen.
De HPE ProLiant DL380 Gen11 server is een schaalbare 2U 2P-oplossing die uitzonderlijke rekenprestaties, geheugendichtheid met schaalbaarheid en hoge snelheid dataoverdracht levert om de meest veeleisende applicaties te draaien.
En dat is waar HPE kan helpen. In samenwerking met andere toonaangevende producenten in de AI-industrie, zoals Intel, NVIDIA en VMware, heeft HPE hoogwaardige componenten ontwikkeld die op een fundamenteel niveau integreren voor een geoptimaliseerde, end-to-end stack.
HPE bevindt zich in een unieke positie om organisaties te helpen de gewenste AI-bedrijfsresultaten te behalen. De nieuwste HPE ProLiant Gen 11-servers zijn geoptimaliseerd om aan AI-eisen te voldoen, waaronder:
- Geoptimaliseerde AI-tuning- en inferentieoplossingen
- Hoogwaardig software-ecosysteem
- Open, schaalbare acceleratie
- AI-native architectuur
- 4e en 5e generatie Intel Xeon schaalbare processors, zoals de HPE ProLiant DL380-server
- Nvidia-gpu’s inclusief L4 en L40S
Organisaties kunnen AI ook naadloos integreren in hun hybride omgevingen met HPE GreenLake. Dat is een gecentraliseerd platform om je serveromgeving gedetailleerd te monitoren en managen, bijvoorbeeld om firmware automatisch te laten updaten. Het is een edge-to-cloud-platform met een gelaagde beveiliging, geoptimaliseerde prestaties en lifecycle-management.
Daarnaast biedt HPE ook AI-workshops en -consultancydiensten om daar waar nodig hiaten in kennis of expertise op te vullen.
AI moet spannend zijn en geen onevenredig zware belasting vormen voor het beheer of de beveiliging. Een van de doelen met de HPE ProLiant AI-oplossingen is full-stack-performance, zodat het klanten snel bedrijfswaarde oplevert.
