Gartner: Gebrek aan goede data nekt 60% van AI-projecten

Uit een recent onderzoek van Gartner onder ruim 1.200 leidinggevenden blijkt dat 63% van de organisaties niet weet of zij de juiste datamanagement-praktijken in huis hebben voor AI. De kloof tussen traditioneel databeheer en wat AI nodig heeft, blijkt in de praktijk een onoverbrugbare hindernis voor veel bedrijven.

De valstrik van traditioneel databeheer

Volgens Roxane Edjlali, Senior Director Analyst bij Gartner, zijn traditionele methoden te traag en te rigide voor de dynamiek van AI. "Traditionele data is vaak verzameld in silo's en de context ontbreekt," legt Edjlali uit. "AI-ready data is geen eenmalig project, maar een voortdurende praktijk. Als de data fouten bevat of niet representatief is, is het simpelweg niet klaar voor AI."

Gartner waarschuwt dat IT-leiders niet kunnen blijven leunen op oude structuren. AI vraagt om specifieke innovaties zoals vector data stores, chunking en Retrieval-Augmented Generation (RAG). Zonder deze technieken missen AI-modellen de noodzakelijke context om betrouwbare resultaten te leveren.

Vijf stappen naar 'AI-ready' data

Om te voorkomen dat miljoeneninvesteringen in AI verdampen, adviseert Gartner CIO’s en data-officers (CDAO’s) om een vijfstappenplan te volgen:

1. Lijn data uit met specifieke AI-cases: Gebruik alleen data die relevant is voor het specifieke doel.
2. Stel harde governance-eisen: Werk nauw samen met juridische afdelingen om ethische en wettelijke risico's te beperken.
3. Activeer metadata: Gebruik metadata niet alleen als passief archief, maar als actieve bron voor automatisering en verbetering.
4. Optimaliseer datapijplijnen: Zorg voor een constante stroom van verse data naar zowel trainingsmodellen als productiesystemen.
5. Monitor en observeer: Gebruik DataOps om patronen en veranderingen in data continu te volgen.

Governance als sluitstuk

Naast de techniek is de aansturing cruciaal. Gartner introduceert hiervoor Enterprise Governance of AI (EGoAI). Dit is een flexibele methode waarbij besluitvorming over IT, risico’s en data wordt gecombineerd op directieniveau.

"De reis begint bij de top," aldus Edjlali. "Directies moeten de kaders scheppen voor waarde, kosten en risico’s. Maar zonder volwassen metadatabeheer als fundament, zullen organisaties grote moeite hebben om hun data ooit echt klaar te stomen voor het AI-tijdperk."