Zum Hauptinhalt springen

76% der Unternehmen priorisieren KI und maschinelles Lernen in den IT-Budgets für 2021

Gastbeitrag von Louis Columbus

 

  • 43% der Unternehmen geben an, dass ihre Initiativen für KI und maschinelles Lernen (ML) "wichtiger sind, als wir dachten", wobei jedes vierte Unternehmen sagt, dass KI und ML schon früher oberste Priorität hätten haben sollen.
  • 50% der Unternehmen planen, in diesem Jahr mehr für KI und ML auszugeben, wobei 20% sagen, dass sie ihre Budgets deutlich erhöhen werden.
  • 56% aller Unternehmen geben an, dass Governance-, Sicherheits- und Prüfbarkeitsprobleme derzeit die höchste Priorität haben.
  • In etwas mehr als einem Drittel der befragten Unternehmen (38%) verbringen Data Scientists mehr als 50% ihrer Zeit mit der Bereitstellung von Modellen.  

Unternehmen haben ihre Einführung von KI und maschinellem Lernen im Jahr 2020 beschleunigt und sich dabei auf die Initiativen konzentriert, die Umsatzwachstum und Kostensenkung bringen. Im Einklang mit vielen anderen Umfragen über die Beschleunigung von KI- und Machine-Learning-Projekten in Unternehmen im vergangenen Jahr zeigt Algorithmias dritte jährliche Umfrage "2021 Enterprise Trends in Machine Learning", dass Unternehmen in ein breiteres Spektrum von Anwendungen expandieren, beginnend mit Prozessautomatisierung und Customer Experience. Die Studie basiert auf Interviews mit 403 Geschäftsführern und Praktikern, die Einblicke in die Machine-Learning-Bemühungen ihres Unternehmens haben, und repräsentiert eine zufällige Auswahl von Branchen über ein Spektrum von Machine-Learning-Reifegraden. Algorithmia hat sich dafür entschieden, die Umfrage auf Unternehmen mit einem Umsatz von 100 Millionen Dollar oder mehr zu beschränken. Weitere Details zur Methodik finden Sie auf Seite 34 der Studie. 

Zu den wichtigsten Erkenntnissen aus der Studie gehören die folgenden:

  • 76% der Unternehmen priorisieren KI und maschinelles Lernen (ML) gegenüber anderen IT-Initiativen im Jahr 2021. Sechs von zehn (64%) geben an, dass die Prioritäten von KI- und ML-Initiativen im Vergleich zu anderen IT-Prioritäten in den letzten zwölf Monaten gestiegen sind. Die Umfrage von Algorithmia aus dem letzten Sommer ergab, dass Unternehmen im letzten Jahr begonnen haben, ihre Ausgaben für KI und ML zu verdoppeln. Die Pandemie schuf ein neues Gefühl der Dringlichkeit, KI- und ML-Projekte abzuschließen - ein wichtiger Punkt, den CIOs aus dem Finanzdienstleistungs- und Technologiesektor im letzten Jahr in Interviews für vergleichbare Forschungsstudien äußerten.

  • 83% der Unternehmen haben ihre Budgets für KI und maschinelles Lernen von 2019 bis 2020 im Vergleich zum Vorjahr erhöht. 20% der Unternehmen haben ihr Budget zwischen 2019 und 2020 um über 50% erhöht. Laut der Studie "The State of AI Divergence Study" von MMC Ventures nutzt inzwischen jedes zehnte Unternehmen zehn oder mehr KI-Anwendungen, wobei Chatbots, Prozessoptimierung und Betrugsanalyse alle Kategorien anführen. Ein aktueller Bericht von Salesforce Research, Enterprise Technology Trends, ergab, dass 83% der IT-Führungskräfte sagen, dass KI & ML das Kundenengagement transformiert und 69% sagen, dass es ihr Geschäft transformiert. Im Folgenden werden die jährlichen Veränderungen der KI- und ML-Budgets zwischen dem Geschäftsjahr 2018 - 2019 und dem Geschäftsjahr 2019 - 20 gegenübergestellt.

In dem Impulsseminar werden wir anhand von einem Praxisbeispiel die Erfolgsfaktoren für KI aufzeigen.

Im Workshop wird anhand eines Beispielunternehmens die Auswirkungen von Makrofaktoren auf die Wertschöpfungskette und den Wertestrom des Unternehmens untersucht.
 

Nutzen Sie Ihre Chance

  • Die Verbesserung des Kundenerlebnisses zur Steigerung des Umsatzes und die Automatisierung von Prozessen zur Kostenreduzierung sind die beiden beliebtesten Anwendungsfälle bzw. Anwendungsbereiche für KI und ML in Unternehmen heute. Bemerkenswert ist, dass sieben der Top 20 Anwendungsfälle kundenorientiert sind, also fast die Hälfte aller in der Algorithmia-Umfrage erfassten Anwendungsfälle.  46% der Unternehmen setzen KI & ML zur Betrugsbekämpfung ein, was angesichts der Zunahme und Schwere von Sicherheitsverstößen, einschließlich der Cyberattacke von SolarWinds, höchstwahrscheinlich zunehmen wird. Die jüngste Studie von Capgemini über den Einsatz von KI in der Cybersicherheit ergab, dass Netzwerk-, Daten- und Endpunktsicherheit die drei führenden Anwendungsfälle von KI in der Cybersicherheit sind, wobei für jeden von ihnen bis 2021 eine höhere Förderung prognostiziert wird, so die für den Bericht befragten CISOs.

  • KI- und ML-Business Cases, die für mehr Kundenumsatz, geringere Kosten und größere finanzielle Transparenz sorgen, haben heute in jedem Unternehmen die höchste Priorität, finanziert zu werden. Die Kombination aus der Verbesserung des Kundenerlebnisses, der Automatisierung von Prozessen (zur Kostensenkung) und der Generierung finanzieller Erkenntnisse (für eine größere finanzielle Transparenz) ist die ideale Kombination, um einen Proof of Concept für ein KI- oder ML-Projekt zu starten. Die Verbreitung von KI- und ML-Anwendungsfällen, die in der folgenden Grafik dargestellt sind, ist darauf zurückzuführen, wie jeder einzelne dazu beiträgt, dass Unternehmen einen greifbaren, positiven ROI erzielen, indem sie sie zur Lösung spezifischer Geschäftsprobleme kombinieren.

Die Original-Version in Englisch erschien am 17. Januar 2021 auf Forbes.com

Mit freundlicher Genehmigung des Autors durften wir den Beitrag in diesem Blog veröffentlichen.

Louis Columbus

Leiter für Software-Produktmarketing und Produktmanagement mit Erfahrung im Marketingmanagement, Channel- und Direktvertrieb mit Schwerpunkt Cloud, Katalog- und Content-Management, Vertrieb und Produktkonfiguration, Preisgestaltung und Angebotssysteme. Frühere Positionen umfassen Produktmanagement bei Ingram Cloud, Produktmarketing bei iBASEt, Plex Systems, Senior Analyst bei AMR Research (jetzt Gartner), Marketing und Geschäftsentwicklung bei Cincom Systems, Ingram Micro, einem SaaS-Startup und bei Hardware-Unternehmen. Außerdem ist er Mitglied bei den Enterprise Irregulars.