AI Data Cloud företaget Snowflake presenterar  tillsammans med Enterprise Strategy Group, rapporten “Radical ROI of Generative AI”. Den visar att 92 procent av tillfrågade early adopters sett att deras AI-investeringar redan genererar ROI, och att 98 procent planerar att öka sina investeringar under 2025.  

Undersökningen frågade sammanlagt 1,900 företags- och IT-chefer från nio olika länder, från Europa, Nordamerika och Asien – där samtliga respondenter aktivt använder generativ AI för en eller flera olika användningsområden. Endast två och ett halvt år efter att generativ AI exploderat i popularitet och erövrat agendan i tech-världen har företag som tidigt implementerat tekniken upplevt framgångar med såväl intern som extern användning av generativ AI.

Mer än hälften (55 procent) av respondenterna prioriterar tjänster och lösningar till sina anställda för att öka deras produktivitet och effektivitet, medan 44 procent valde kundfokuserade tjänster för att förhöja kundupplevelser och kundnöjdhet

–  Det är ingen överraskning att företag som tidigt anammat AI redan ser positiv avkastning på sina investeringar, säger Per Enell, Sverigechef på Snowflake. För många av våra svenska kunder är det avgörande att ligga i teknologisk framkant för att bibehålla sin konkurrenskraft. Men framgångsrik AI-implementering kräver en genomtänkt data strategi. Nyckeln till framgång ligger i förmågan att effektivt samla, organisera och berika företagets data från både interna och externa källor. Detta skapar den stabila grund som krävs för att på ett säkert och effektivt sätt kunna dra nytta av AI, maskininlärning och generativa AI-modeller direkt i Snowflake.

AI investeringar driver framgång

Rapporten visar även att tidiga AI-investeringar visat sig vara framgångsrika för de allra flesta företagen, med hela 93 procent som menar att deras satsningar varit mycket, eller mestadels framgångsrika. Respondenternas AI initiativ har resulterat i mätbara förbättringar i form av effektivisering (88 procent), kundupplevelse (84 procent) och accelererad innovation (84 procent).

Det är till och med så att två tredjedelar av respondenterna redan i dagsläget börjat kvantifiera deras generativ AI ROI, där varje miljon dollar som spenderas genererar upp till 1.41 miljon dollar i avkastning genom en kombination av besparingar och ökade intäkter.

Flera globala organisationer fortsätter sina AI-resor, och respondenterna svarar att de avsatt ytterligare resurser till deras AI initiativ, detta i form av data (81 procent), LLM:er (78 procent), stöttande mjukvara (83 procent), infrastruktur (82 procent), och kompetensutveckling (76 procent). Detta strategiska fokus visar på ett fundamentalt skifte i vad företagen prioriterar för att driva sin verksamhet och konkurrera i framtiden.

Övervinna databarriärer för att maximera AI-prestanda

För att nyttja AI:s sanna potential krävs en robust datagrund. Företag använder därför i större utsträckning sin proprietära data för att maximera AI:ns effektivitet, där 80 procent väljer att finjustera modellerna med sina egna data. Trots detta har en stor andel av respondenternas utmaningar i att göra denna data AI-redo. Detta pekar många ut som några av de största hindren för att framgångsrikt använda AI:

Oväntat höga kostnader: 96 procent av early adopters upplever att en eller fler delar av deras gen AI-lösningar har kostat mer än beräknat, där 78 procent uppger att mer än hälften av deras gen AI-lösningar kostat mer än förväntat att sätta i produktion.

 Bryta ner datasilos: 64 procent av early adopters säger att det är en utmaning att integrera data från olika källor. 

 Organisera ostrukturerade data: Majoriteten av all data är ostrukturerad – upp emot 80 – 90 procent enligt mätningar, men det är endast 11% av tidiga användare som säger att mer än hälften av deras ostrukturerade data är redo för att användas för att träna och anpassa LLM:er.

 Integrera regelverk för datastyrning: 59 procent upplever att datastyrning är svårt att upprätthålla.

 Mäta och granska kvalitéten av data: 59 procent säger att de upplever svårigheter med att mäta och kvalitetsgranska deras data.

 Integrera förberedelser av data: 58 procent säger att det är en utmaning att göra deras data redo för användning av AI.

 Effektivt skalbar lagring och beräkningskapacitet: 54 procent finner det svårt att tillgodose behovet av utökade lagringsutrymmen och datorkraft.

Mer information och den fullständiga rapporten hittar du här: https://www.snowflake.com/en/blog/gen-ai-early-adopters-report/