Bijna 70 procent van de MKB-bedrijven wereldwijd bevindt zich nog in de vroege, experimentele fase van AI-volwassenheid. Dat blijkt uit internationaal onderzoek van IDC in opdracht van SAS onder ruim 1.600 bedrijven in 28 landen. De voornaamste struikelblokken zijn versnipperde data, losstaande initiatieven en een gebrek aan expertise en governance.
De meeste MKB-bedrijven zetten AI inmiddels in voor afzonderlijke toepassingen, maar beschikken nog niet over de juiste combinatie van datastrategie, governance, vaardigheden en processen om de technologie structureel bedrijfsbreed in te zetten. Volgens het IDC-onderzoek, uitgevoerd in opdracht van SAS, resulteert dat in een duidelijke kloof tussen AI-ambities en daadwerkelijke resultaten.
Structurele obstakels
Het onderzoek — uitgevoerd onder ruim 1.600 MKB-bedrijven in 28 landen — identificeert vier terugkerende knelpunten: versnipperde data, losstaande AI-initiatieven, een tekort aan interne expertise en onvoldoende inzicht in rendement en governance. MKB-bedrijven die deze obstakels niet adresseren, blijven steken in projecten die nauwelijks schaalbaar of meetbaar zijn, zo stelt het onderzoek.
De onderzoekers onderscheiden meerdere fasen van AI-volwassenheid, waarbij de experimentele en opportunistische fasen de laagste niveaus vertegenwoordigen. Bijna 70 procent van de onderzochte bedrijven haalt de hogere niveaus — waarbij AI structureel is ingebed in bedrijfsprocessen en aantoonbaar waarde levert — nog niet.
Van experimenteren naar fundament
Robert Slotema, Country Director Nederland bij SAS, geeft aan dat de volgende stap voor veel organisaties niet ligt in méér experimenteren, maar in het leggen van een fundament waarop AI schaalbaar, betrouwbaar en verantwoord kan worden ingezet. Volgens Slotema is het verbinden van AI-projecten aan concrete bedrijfsdoelstellingen en meetbare waardecreatie daarbij de sleutel.
SAS brengt het volledige Engelstalige rapport beschikbaar via de eigen website.