De Succesformule: Hoe MassMutual en Mass General Brigham van AI-pilot wildgroei naar productieresultaten gingen
De reis naar succesvolle AI-implementatiestrategieën in de ondernemingswereld is vaak bezaaid met valkuilen. Hoewel briljante ideeën overvloedig zijn, stranden veel AI-projecten in ongecontroleerde pilotmodi, waardoor ze nooit de productiefase bereiken. Het is essentieel om te begrijpen hoe deze uitdagingen kunnen worden overwonnen en hoe organisaties echte waarde kunnen halen uit hun investeringen. Twee prominente namen, MassMutual en Mass General Brigham, hebben laten zien hoe How MassMutual and Mass General Brigham turned AI pilot sprawl into production results en deze valkuil hebben vermeden door discipline en strategische governance te omarmen. Hun verhalen bieden waardevolle lessen voor elke organisatie die streeft naar succesvolle AI-productie.
Bij MassMutual zijn de resultaten indrukwekkend en concreet: een toename van 30% in de productiviteit van ontwikkelaars, een reductie van de oplostijd van de IT-helpdesk van 11 minuten naar slechts één, en klantenservicegesprekken die zijn teruggebracht van 15 minuten naar één of twee. Deze cijfers spreken boekdelen over de effectiviteit van hun aanpak. Sears Merritt, hoofd van enterprise technology and experience bij MassMutual, benadrukt het belang van de 'waarom'-vraag: "We beginnen altijd met de vraag waarom dit probleem ons interesseert? Als we het probleem oplossen, hoe weten we dan dat we het hebben opgelost? En hoeveel waarde is er verbonden aan het doen daarvan?" Deze fundamentele vragen zijn de kern van How MassMutual and Mass General Brigham turned AI pilot sprawl into production results.
Metrieken definiëren en sterke feedbackloops opzetten
MassMutual, een bedrijf met 175 jaar geschiedenis en miljoenen klanten, heeft AI succesvol geïmplementeerd in diverse bedrijfsonderdelen, waaronder klantenservice, IT, klantacquisitie, verzekering, serviceverlening en claims. Merritt legt uit dat zijn team de wetenschappelijke methode volgt, beginnend met een hypothese en deze testend om te zien of deze tastbaar bijdraagt aan de vooruitgang van het bedrijf. Sommige ideeën zijn fantastisch, maar kunnen "onuitvoerbaar zijn in het bedrijf" door factoren als gebrek aan data, toegang, of regelgevende beperkingen. Het team gaat pas verder met een idee als er kristalhelder is gedefinieerd hoe succes zal worden gemeten. Dit is een cruciale stap in het beheersen van AI-pilots en het voorkomen van wildgroei.
Uiteindelijk is het aan de verschillende afdelingen en leiders om te bepalen wat kwaliteit betekent: kies een metric en definieer het minimale kwaliteitsniveau voordat een tool wordt uitgerold naar teams en partners. Dit startpunt creëert een snelle feedbackloop. Merritt merkt op dat gebrek aan gedeelde duidelijkheid over het gewenste resultaat vertragingen veroorzaakt en leidt tot voortdurende aanpassingen. "We gaan pas naar productie als een zakenpartner zegt: 'Ja, dat werkt.'" Dit principe is fundamenteel voor How MassMutual and Mass General Brigham turned AI pilot sprawl into production results.
Zijn team is strategisch in het evalueren van opkomende tools en "uiterst rigoureus" in het testen en meten van wat 'goed' betekent. Ze voeren bijvoorbeeld vertrouwensscores uit om hallucinaties te verminderen, stellen drempels en evaluatiecriteria vast, en monitoren op feature- en outputdrift. Merritt hanteert ook een 'no-commitment'-beleid, wat betekent dat het bedrijf zich niet bindt aan één specifiek model. Ze beschikken over een "ongelooflijk heterogene" technologieomgeving die de beste modellen combineert met mainframes die draaien op COBOL. Deze flexibiliteit is geen toeval; zijn team heeft gemeenschappelijke servicelagen, microservices en API's gebouwd die tussen de AI-laag en de onderliggende systemen zitten. Dit maakt het mogelijk om, wanneer een beter model beschikbaar komt, deze eenvoudig te vervangen zonder helemaal opnieuw te hoeven beginnen. Want, zoals Merritt uitlegde: "Het beste van vandaag kan morgen het slechtste zijn, en we willen niet het risico lopen achterop te raken." Dit benadrukt het belang van aanpassingsvermogen in de uitrol van enterprise AI.
Wieden in plaats van duizend bloemen laten bloeien
Mass General Brigham (MGB) koos in eerste instantie voor een 'spray and pray'-aanpak. Ongeveer 15.000 onderzoekers binnen het not-for-profit gezondheidssysteem gebruikten de afgelopen 10 tot 15 jaar AI, ML en deep learning. Maar vorig jaar nam CTO Nallan "Sri" Sriraman een moedige beslissing: zijn team sloot een wildgroei aan onbeheerde AI-pilots. Aanvankelijk volgden ze wel de 'duizend bloemen bloeien'-methodologie, maar, zo merkte hij op, "we hadden geen duizend bloemen, we hadden waarschijnlijk een paar tientallen bloemen die probeerden te bloeien." Het succesvol navigeren door deze complexiteit is een kernaspect van How MassMutual and Mass General Brigham turned AI pilot sprawl into production results.
Net als MassMutual's team, draaide MGB naar een meer holistische benadering, waarbij ze onderzochten waarom ze bepaalde tools ontwikkelden voor specifieke afdelingen of workflows. Ze stelden vragen over welke capaciteiten ze wilden en nodig hadden, en welke investeringen daarvoor nodig waren. Sriraman's team sprak ook met hun primaire platformproviders – Epic, Workday, ServiceNow, Microsoft – over hun roadmaps. Dit was een "cruciaal moment," merkte hij op, aangezien ze zich realiseerden dat ze in-house tools aan het bouwen waren die leveranciers al leverden (of van plan waren uit te rollen). Sriraman verwoordde het treffend: "Waarom bouwen we het zelf? We zitten al op het platform. Het zal in de workflow zitten. Maak er gebruik van." Dit inzicht is cruciaal voor het opschalen van AI-initiatieven.
De markt is echter nog nascent, wat lastige beslissingen kan opleveren. "De analogie die ik geef, is wanneer je zes blinde mannen vraagt een olifant aan te raken en te zeggen hoe deze eruitziet," zei Sriraman. "Je krijgt zes verschillende antwoorden." Dat is prima, merkte hij op; iedereen ontdekt en experimenteert terwijl het landschap blijft verschuiven. In plaats van een 'wild West'-omgeving distribueert Sriraman's team Microsoft Copilot aan gebruikers binnen het bedrijf en gebruikt het een "kleine landingszone" waar ze veilig complexere producten kunnen testen en het tokengebruik kunnen controleren. Dit is een bewijs van een gestructureerde AI-governance.
Ze begonnen ook "bewust AI-kampioenen in te bedden" binnen bedrijfsgroepen. "Dit is een soort omkering van duizend bloemen laten bloeien, waarbij zorgvuldig wordt geplant en gevoed," zei Sriraman. Observability is een andere belangrijke overweging; hij beschrijft real-time dashboards die modeldrift en veiligheid beheren en IT-teams in staat stellen AI "een beetje pragmatischer" te besturen. Gezondheidsmonitoring is cruciaal bij AI-systemen, merkte hij op, en zijn team heeft principes en beleid vastgesteld rond AI-gebruik, om nog maar te zwijgen van least access privileges. Deze aandacht voor detail toont aan dat How MassMutual and Mass General Brigham turned AI pilot sprawl into production results niet zomaar is gebeurd.
In klinische omgevingen zijn de vangrails absoluut: AI-systemen nemen nooit de uiteindelijke beslissing. "Er zal altijd een arts of physician assistant in de loop zijn om de beslissing af te ronden," zei Sriraman. Hij noemde het genereren van radiologierapporten als een gebied waar AI intensief wordt gebruikt, maar waar een radioloog altijd de definitieve goedkeuring geeft. Sriraman was duidelijk: "Dit mag je niet doen: toon geen PHI [beschermde gezondheidsinformatie] in Perplexity. Zo simpel is het, toch?" En, belangrijk, er moeten veiligheidsmechanismen aanwezig zijn. "We hebben een grote rode knop nodig, om het uit te schakelen," benadrukte Sriraman. "We plaatsen niets in een operationele setting zonder dat." Dit bewijst de toewijding aan veilige en praktische AI-toepassingen.
Uiteindelijk, hoewel agentic AI een transformatieve technologie is, hoeft de bedrijfsbenadering ervan niet dramatisch anders te zijn. "Er is niets nieuws aan," zei Sriraman. "Je kunt het woord BPM [business process management] uit de jaren '90 en 2000 vervangen door AI. Dezelfde concepten zijn van toepassing." Het benadrukt dat How MassMutual and Mass General Brigham turned AI pilot sprawl into production results draait om tijdloze principes van goed projectmanagement en governance.
Veelgestelde Vragen over AI Pilot Sprawl naar Productieresultaten
1. Wat is het grootste obstakel voor organisaties om AI-pilots succesvol in productie te nemen?
Het grootste obstakel is vaak het gebrek aan governance en duidelijke metrieken. Veel AI-pilots blijven hangen in een experimentele fase zonder gedefinieerde succesindicatoren of een gestructureerd pad naar schaalvergroting, wat resulteert in wildgroei en projecten die nooit de productiefase bereiken. Dit is precies wat How MassMutual and Mass General Brigham turned AI pilot sprawl into production results laat zien.
2. Hoe zorgden MassMutual en Mass General Brigham voor duidelijke succesmeting en waardecreatie?
MassMutual begon met het "waarom" en definieerde concrete metrieken voor succes, zoals productiviteitswinsten en reductie van responstijden, en stelde heldere feedbackloops in. Mass General Brigham schakelde over van een 'spray and pray'-aanpak naar een gerichte strategie, waarbij ze de waarde van interne ontwikkeling afwogen tegen bestaande leveranciersoplossingen, en implementeerde duidelijke AI-governance en observability-mechanismen. Dit toont aan hoe How MassMutual and Mass General Brigham turned AI pilot sprawl into production results door strategische planning.
3. Welke rol speelt flexibiliteit in de AI-strategie van deze bedrijven?
Flexibiliteit is cruciaal. MassMutual vermijdt vendor lock-in door een 'no-commitment'-beleid en bouwt universele servicelagen, waardoor ze eenvoudig AI-modellen kunnen uitwisselen als er betere opties verschijnen. Mass General Brigham erkent de snel veranderende markt en richt zich op het benutten van bestaande platformen en het creëren van veilige testomgevingen, wat essentieel is voor How MassMutual and Mass General Brigham turned AI pilot sprawl into production results in een dynamisch landschap.
Ben je geïnspireerd door de efficiëntie en innovatie die deze bedrijven hebben gerealiseerd? Optimaliseer ook jouw entertainmentervaring! Ontdek de grenzeloze mogelijkheden van ons platform. Met een breed scala aan zenders, on-demand content en een gebruiksvriendelijke interface, brengen wij topentertainment direct naar jouw scherm.
Kies voor gemak, kwaliteit en een ongeëvenaarde kijkervaring. Verhoog vandaag nog jouw entertainmentstandaard en sluit je aan bij de toekomst van tv!
Koop nu jouw IPTV-abonnement en duik in een wereld van entertainment!