AI Act leidt tot onzekere periode voor softwarebedrijven
Met de AI ACt en straks ook de Data Act, komt een hele lawine aan nieuwe regels op het bedrijfsleven af. Dat gaat softwarebedrijven veel tijd en inspanning kosten, waarschuwt Digital Europe . “Wij maken ons vooral zorgen over de vele MKB-softwarebedrijven die niet gewend zijn aan productwetgeving,” aldus Directeur Generaal Cecilia Bonefeld-Dahl
“We hebben een deal, maar tegen welke prijs? We stonden volledig achter een op risico gebaseerde aanpak gebaseerd op het gebruik van AI, niet op de technologie zelf, maar de last-minute poging om funderingsmodellen te reguleren heeft dit op zijn kop gezet,” schrijft Bonefeld-Dahl in een verklaring op de website van Digital Europe.
Digital Europe waar veel techbedrijven lid van zijn, vreest bureaucratie en hoge kosten voor het bedrijfsleven. Uit een studie van de Europese Commissie zou blijken dat naleving voor een bedrijf met 50 medewerkers ongeveer 300.000 euro gaat kosten. Maar dat bedrag zou nog wel eens hoger uit kunnen vallen waarschuwt René Corbijn, hoofd beleid en public affairs bij NLdigital, op Computable.
‘Want ook de ‘foundation models’ worden in de EU AI Act aan strenge regels onderworpen. Wanneer de regelgeving straks van kracht wordt en zo’n ai-basissysteem niet het groene licht krijgt, kunnen problemen ontstaan voor bedrijven die daarop applicaties hebben gebouwd. Volgens Corbijn kan het een risico zijn met zo’n toepassing door te gaan als een model in 2025 niet aan de eisen voldoet. Een onzekere periode breekt aan.’
Een onbewuste denkfout die nog altijd gemaakt wordt, is dat nieuwe wet- en regelgeving iets is dat ERBIJ komt. Het is veel meer een codificatie van zaken die er allang zijn! Dit is geen risico, maar een kans. We zitten nu eenmaal in een dataficerende samenleving. AI is een feit en een zegen (er zijn al meer dan 15000 Large Language Models operationeel) en de combinatorische effecten groeien exponentieel.
Dus wat nu state of the art is, leert van elkaar en is over een week een factor zoveel slimmer!
Het is niet zo dat er al veel bedrijven en zeker geen overheidsorganisaties last hebben van remmende voorsprong met AI, dus plaats die uitdaging gewoon in lijn met de andere uitdagingen voor bedrijfsvoering, zoals vergrijzing en schuivende logistieke lijnen en markten. Bedrijven die nog weinig ervaring hebben met AI, kunnen de ‘foundation models’ in de EU AI Act dan maar beter direct omarmen en implementeren door een stapsgewijze aanpak te hanteren. Begin met het opleiden van het management en werknemers over AI en de mogelijkheden ervan. Dit kan door middel van workshops, seminars en trainingen. (voorbeeld: https://eitca.org/ ) Ontwikkel een duidelijke AI-strategie die aansluit bij de bedrijfsdoelen en -behoeften. Bepaal welke processen en taken geautomatiseerd kunnen worden en waar AI de meeste waarde kan toevoegen. Overweeg samen te werken met ervaren AI-consultants of technologiepartners die kunnen helpen bij het navigeren door de complexiteit van AI-implementatie. Bestudeer de EU AI Act grondig om te zorgen dat alle AI-toepassingen voldoen aan de wettelijke vereisten. Dit kan het risico op boetes en reputatieschade verkleinen. Zorg voor een solide data governance structuur om de kwaliteit en integriteit van de data te waarborgen, wat essentieel is voor het succes van AI-projecten. Begin gewoon! Start met kleinschalige pilotprojecten om ervaring op te doen en het effect van AI op de bedrijfsvoering te meten zonder al significante risico’s te nemen. Na het succesvol afronden van pilotprojecten, breidt je de implementatie van AI geleidelijk uit naar andere bedrijfsonderdelen. Combineer die inzichten met andere marktontwikkelingen, zoals de opkomst van http://www.internationaldataspaces.org wat net zo goed een EU brede en daarmee ook vooral Nederlandse ontwikkeling is, waar je AI keihard bij nodig gaat hebben. Het is zeer waarschijnlijk dat deze markt zal groeien. Naarmate meer bedrijven streven naar digitalisatie en het benutten van AI, zullen de behoeften voor begeleiding en expertise in deze gebieden dus ook toenemen. Dus wordt het tijd om niet handenwringend te kermen over bureaucratische kosten, maar om jubelend van ambitie de kansen te omarmen. Niets doen is namelijk nog veel duurder in een vergrijzende samenleving.
Dus omarm zo’n Smart Six Sigma Transformation Expert model! Omarm DAMA-DMBOK!
De implementatie van kunstmatige intelligentie (AI) in een organisatiekan een complex proces zijn, maar met de juiste strategie en aanpak kan het een aanzienlijke toegevoegde waarde bieden en het is sowieso goed om elke keer te bedenken dat organisaties in synch moeten blijven met hun doelstellingen en de maatschappelijke realiteit. DAMA-DMBOK (Data Management Body of Knowledge) is een raamwerk dat een standaard biedt voor best practices in data management. Het toepassen van DAMA-DMBOK om een organisatie geschikt te maken voor AI inzet houdt in dat de organisatie moet zorgen voor een solide basis van data management. Hier zijn enkele stappen die genomen kunnen worden:
1. Data Governance: Zorg voor een duidelijke data governance structuur die rollen, verantwoordelijkheden en beleid vastlegt om de kwaliteit en integriteit van data te waarborgen. AI-systemen vereisen betrouwbare en nauwkeurige data om effectief te functioneren.
2. Data Architectuur: Ontwikkel een flexibele en schaalbare data architectuur die in staat is om grote hoeveelheden data uit verschillende bronnen te verzamelen, op te slaan, te verwerken en te distribueren die nodig zijn voor AI-toepassingen.
3. Data Modellering en Ontwerp: Creëer gedetailleerde data modellen die de structuur van de data definiëren en ervoor zorgen dat de data geschikt is voor gebruik door AI-algoritmen.
4. Data Opslag en Operaties: Implementeer robuuste data opslagoplossingen en beheerprocessen die snelle toegang tot en herstel van data mogelijk maken, wat essentieel is voor de prestaties van AI-applicaties.
5. Data Security: Versterk de data beveiliging om te zorgen voor bescherming tegen ongeautoriseerde toegang en datalekken, aangezien AI-applicaties gevoelige informatie kunnen verwerken.
6. Data Integratie en Interoperabiliteit: Zorg ervoor dat systemen en data bronnen goed kunnen integreren, zodat AI-oplossingen naadloos kunnen functioneren binnen de organisatorische infrastructuur.
7. Documentatie en Metadata: Zorg voor uitgebreide documentatie en metadata beheer om de herkomst, context en kwaliteit van de data te waarborgen.
8. Data Kwaliteit: Implementeer processen voor data kwaliteitsmanagement om te garanderen dat de data die wordt gebruikt voor AI schoon, compleet en nauwkeurig is.
9. Referentie en Master Data: Beheer referentie data en master data om een eenduidige bron van waarheid te creëren voor AI-systemen om beslissingen op te baseren.
10. Data Warehousing en Business Intelligence: Ontwikkel data warehousing en business intelligence mogelijkheden die de analyse van grote datasets mogelijk maken, wat inzichten biedt die essentieel zijn voor AI-gestuurde besluitvorming.
Door deze stappen te volgen en de principes van DAMA-DMBOK toe te passen, kan een organisatie ervoor zorgen dat haar data management praktijken klaar zijn om de inzet van AI te ondersteunen.
Dit zal niet alleen de basis leggen voor AI-initiatieven die waarde kunnen toevoegen en de bedrijfsprestaties kunnen verbeteren, maar ook alle handvatten geven om aan de EU AI Act te kunnen voldoen. De benefits hiervan zullen heel veel groter zijn dan de compliance kosten.