Kwart van de bedrijven: datakwaliteit bij AI-projecten is niet op peil

Dit blijkt uit een onderzoek van IT-dienstverlener Info Support, waarbij meer dan 400 IT-managers werden ondervraagd over de huidige stand van AI-adoptie in het bedrijfsleven. Uit het onderzoek blijkt dat 67 procent van de deelnemers AI gebruikt voor een of meerdere doeleinden. Data-analyse staat bovenaan de lijst van populaire toepassingen: één op de vijf bedrijven maakt hiervan gebruik. Dit kan variëren van het voorspellen van klantgedrag op basis van data tot het opsporen van afwijkingen in de financiële administratie. Bovendien geeft een kwart van de ondervraagden aan dat ze in 2025 nog intensiever AI willen inzetten voor data-analyse.

Datakwaliteit blijft een uitdaging

Om succesvol gebruik te maken van AI bij data-analyse is het cruciaal dat de ingevoerde data van hoge kwaliteit is. Dit betekent dat de data accuraat, actueel, volledig, consistent, representatief en relevant moet zijn. Een aanzienlijk deel van de respondenten erkent echter dat dit een uitdaging is:

• Slechts 35 procent van de ondervraagden beoordeelt de kwaliteit van hun data als zeer hoog of hoog.
• Bijna een kwart van de bedrijven (23%) geeft aan dat slechte datakwaliteit problemen veroorzaakt bij de implementatie van AI.
• Ook na de invoering van AI-oplossingen blijft 18 procent van de bedrijven worstelen met lage kwaliteit en betrouwbaarheid van data.

Niels Naglé, Area Lead Data & AI bij Info Support, licht toe: “Het baart me zorgen dat data-analyse een van de meest gebruikte toepassingen van AI is, terwijl bijna een kwart (23%) de kwaliteit van data als een uitdaging ziet. Hoge datakwaliteit is de basis voor verantwoord AI-gebruik.”

Datakwaliteitsbeleid als oplossing

Veel bedrijven weten niet goed hoe ze de kwaliteit van hun data moeten verbeteren. Het is een proces dat continue aandacht en monitoring vereist. Tegelijkertijd moeten bedrijven niet wachten tot hun data perfect is om AI-projecten te starten. Door pilots en projecten op te zetten, kunnen ze tekortkomingen in de data ontdekken en stap voor stap verbeteren. Een duidelijk datakwaliteitsbeleid kan hierbij helpen om verantwoord datagebruik te waarborgen en tegelijkertijd ruimte te bieden voor innovatie.

Veilig en verantwoord AI-gebruik

Datakwaliteit is echter niet het enige belangrijke aspect bij de inzet van AI. Met de snelle opkomst van AI groeit ook de zorg over ethische vraagstukken en veiligheid. Nieuwe regelgeving, zoals de EU AI Act, verplicht bedrijven om ethische richtlijnen op te stellen en maatregelen te nemen voor verantwoord AI-gebruik. Uit het onderzoek blijkt dat veel bedrijven hier nog niet klaar voor zijn:

• De meerderheid van de bedrijven (67%) heeft geen ethisch kader voor AI-gebruik.
• 40 procent van de bedrijven heeft nog geen maatregelen genomen om veilig AI-gebruik te waarborgen.
• Een derde (28%) heeft moeite om aan wet- en regelgeving te voldoen.

Het is belangrijk dat ethische principes vanaf het begin in een AI-strategie worden verankerd, stelt Naglé. “Een ethisch kader is onmisbaar, ook al staat de toepassing van AI in jouw organisatie nog in de kinderschoenen. In dit ethisch kader leg je richtlijnen en principes over AI-gebruik vast, die je vervolgens onder de aandacht brengt bij medewerkers.”