mei 2024 - ICTberichten.nl

Archive for mei, 2024

Wat betekent ESG voor AI toepassingen?

Geen categorie
Reacties uitgeschakeld voor Wat betekent ESG voor AI toepassingen?
Wat betekent ESG voor AI toepassingen?
Het aantal AI toepassingen in producten en processen neemt snel toe. Daarbij moet rekening gehouden worden met ESG voorschriften. Zo is de keuze belangrijk van de IT omgeving waar je alle AI workloads laat draaien.

Rond 2027 zullen AI toepassingen wereldwijd evenveel energie verbruiken als een land met de omvang van Nederland. Algoritmen zijn zeer CPU intensief en het gebruik ervan groeit exponentieel. Daar moeten bedrijven ook rekening mee houden in het kader van de ESG voorschriften rond duurzaamheid.

Wat is ESG?

ESG staat voor environmental, social & governance. Eisen aan ESG moeten ertoe leiden dat aspecten zoals klimaat, energieverbruik, veiligheid, grondstoffengebruik, gezondheid en goed bedrijfsbestuur meebepalend zijn voor beleidsmatige keuzes op alle onderdelen waar een bedrijf mee te maken heeft. Een blauwdruk dus voor jullie omgang met milieu-, sociale en bestuurlijke aspecten.

Eisen en alternatieven

Uit onderzoek blijkt dat bedrijven hun AI toepassingen het liefst on-premise of in een private cloud willen laten draaien. Dan hebben ze er de meeste grip op. Maar deze oplossing kost meer energie dan wanneer gebruik gemaakt wordt van een public cloud met shared resources. Tussenweg is een standalone AI platform dat lokaal ‘on the edges’ draait, waardoor het totale eigen energieverbruik kleiner is.

In het kader van ESG is ook meer aandacht nodig voor de manier waarop (klant)gegevens worden verzameld en beveiligd. Verder mag het AI systeem geen vooroordelen hebben. Dat zijn dus belangrijke pijlers bij het uitwerken van governance in je AI strategie. Om toekomstbestendig om te kunnen gaan met AI, zal je dus niet alleen oog moeten hebben voor de functionaliteit van AI toepassingen, maar ook voor de duurzaamheid, het datagebruik en de veiligheid van je AI systemen.

Lees verder

Geen belangrijke ontwikkelingen meer missen? Meld je aan voor de ICT nieuwsbrief

Leerzame IT projecten

Geen categorie
Reacties uitgeschakeld voor Leerzame IT projecten
Leerzame IT projecten
Door de verplichte openheid erover kan veel geleerd worden van grote IT projecten bij de overheid. Zoals van de IT projecten bij het UWV, waar zichtbaar is welke invloed het management kan hebben op het succes en falen van IT projecten.

Ruim een jaar geleden kregen EY, KPMG, Gartner, McKinsey en nog een enkele andere adviesbureaus de opdracht voor het ontwikkelen van strategieën om het UWV optimaal te digitaliseren. Tot op heden is daar nog nauwelijks iets over naar buiten gekomen. Reden voor onafhankelijk oud-hoogleraar IT Daan Rijsenbrij om eens te duiken in de problemen waar het UWV tegenaan loopt met het vernieuwen van hun IT landschap. De schade van mislukte IT projecten bij het UWV in de afgelopen jaren loopt inmiddels al in miljoenen. Voorlopig blijkt nog uit weinig dat het UWV de IT problemen binnen redelijke tijd kan oplossen.

Wat zijn de belangrijkste conclusies en waarnemingen tot nu?

Geen centrale visie en sturing – Er is geen duidelijke digitaliseringsstrategie, centrale visie of sturing. Bovendien is er geen digitale architectuur. Zonder dit stuurinstrument zijn veranderingen niet goed realiseerbaar en kan geen rekening gehouden worden met de toepassing van moderne IT oplossingen.

Onduidelijkheden rond data – Er is geen eenduidige datastrategie en er zijn geen duidelijke strategieën voor cybersecurity en privacy. Voor heel veel deeloplossingen is niet duidelijk wat het doel daarvan is en voor wie de oplossingen bedoeld zijn.

Geen plan voor legacy – Er is geen goed plan voor het afbouwen en vervangen van de legacy systemen. Er worden bij het UWV nog steeds enorm oude in Cobol geschreven systemen gebruikt. Bijna alle legacy systemen verhinderen de digitale transformatie en leiden tot een grote datachaos. Hier zou een gefaseerd plan voor moeten zijn, maar dat is er niet.

Remmende interne organisatie – De interne organisatie belemmerd de goede uitvoering van de IT projecten, waardoor gebrekkige IT langer dan gewenst in stand blijft. De kennis van het businessmanagement over IT en digitalisering is te gering om hier goede beslissingen over te kunnen nemen.

Aanwezige kennis wordt niet gebruikt – De belabberde IT situatie bij het UWV is niet te wijten aan een gebrek aan gekwalificeerde IT’ers. Er is voldoende gekwalificeerd personeel, maar zij krijgen te weinig sturing en ruimte hun ideeën of inzichten te delen.

Eigenwijs topmanagement – Het topmanagement doet te weinig of niets met signalen en concrete adviezen van interne IT’ers. De business overheerst. De hoogste leiding denkt het meestal beter te weten, ondanks beperkte IT kennis. Zij negeerden adviezen en reageerden niet op waarschuwingen van IT’ers die betrokken waren bij het uitvoeren van de IT projecten.

Aangepaste organisatie – Er zou een goed beeld moeten komen van een modern gedigitaliseerde organisatie die burgervriendelijk opereert en optimaal functioneert. Er zou een goed IT management moeten komen net onder de hoogste leiding. Een regisseur of programmamanager zou daarnaast de totale digitalisering eenduidig, vastberaden en stapsgewijs moeten leiden naar het nagestreefde einddoel.

Hoe toepasselijk is in deze situatie het boek Komt een CEO bij de IT dokter, waarin de problemen van mislukte IT projecten worden verklaard, zodat deze tijdig te voorkomen zijn. Het had wellicht veel kosten en dus belastinggeld kunnen besparen.

Lees verder

Geen belangrijke ontwikkelingen meer missen? Meld je aan voor de ICT nieuwsbrief

Vier pijlers van een goede datastrategie

Geen categorie
Reacties uitgeschakeld voor Vier pijlers van een goede datastrategie
Vier pijlers van een goede datastrategie
Om data zinvol te kunnen gebruiken om je organisatie bijvoorbeeld slagvaardiger, efficiënter of winstgevender te maken, moet je vooraf goed bepalen hoe je omgaat met al jullie data. Dat leg je vast in een datastrategie. Met een datastrategie beschrijf je hoe jullie data management eruit ziet, hoe je omgaat met steeds meer data en hoe de veilige opslag daarvan geregeld is.

Heeft je organisatie nog geen datastrategie, dan wordt het hoog tijd deze te bepalen. Dit zijn vier aandachtspunten bij het ontwikkelen van een goede, solide datastrategie:

Breng de data onder één noemer – Bouw een data fabric die gegevens uit verschillende bronnen integreert, ongeacht hun file format. Met machine learning is de data vervolgens te transformeren om patronen te herkennen en inzichten te genereren.

Stel de data taakgericht beschikbaar – Maak een framework dat medewerkers in staat stelt om gecontroleerd en veilig data te gebruiken. Daardoor hoeven ze niet steeds bij IT aan te kloppen met hun informatieverzoeken. Zo’n framework is idealiter gebaseerd op een set concepten, best practices of richtlijnen voor datagebruik.

Regel de omgang met data – Nieuwe technologieën kunnen de manier waarop medewerkers data genereren en gebruiken veranderen. Denk aan generatieve AI, bijvoorbeeld ChatGPT. Identificeer daarom de behoeften van interne doelgroepen en formuleer richtlijnen voor de omgang met data.

Implementeer de datastrategie – Er staan allerlei wetten op stapel, waaronder de Data Act die richtlijnen stelt voor datagebruik in de Europese Unie. Implementatie van de regelgeving in een datastrategie vraagt om verantwoord classificeren en beheren van data. Daarmee zijn niet alleen boetes te voorkomen, maar ook reputatieschade door onvoldoende bescherming van gevoelige data.

Lees verder

Vaker dit soort berichten lezen? Meld u aan voor de ICT nieuwsbrief

Warehouseprocessen verbeteren door digitalisering

Geen categorie
Reacties uitgeschakeld voor Warehouseprocessen verbeteren door digitalisering
Warehouseprocessen verbeteren door digitalisering
Verdere digitalisering van warehousing legt de basis voor slimmere logistieke processen. Maar hoe pak je zo’n traject voor het digitaliseren en optimaliseren van logistieke taken aan? Twee stappen zijn daarbij belangrijk.

De eerste stap is het bepalen welke processen je precies wilt optimaliseren. Denk aan orderpicking routes, yardmanagement (aan- en afvoer van ladingen) of voorraadbeheer. Om te bepalen wat er beter kan, heb je veel data nodig. Deze is vaak al aanwezig in de organisatie en bij ketenpartners. Deze moeten dan nog wel worden samengebracht en opgeschoond.

De volgende stap is het ontwikkelen van bedrijfsspecifieke algoritmes. Die zijn te trainen met de data die vanuit je logistieke processen beschikbaar is. Het ontwikkelen van algoritmes is echter een vak apart, zodat hiervoor vaak experts worden binnengehaald.

Lees verder

Vaker dit soort berichten lezen? Meld u aan voor de ICT nieuwsbrief