Kwart bedrijven worstelt met datakwaliteit voor AI-toepassingen

Steeds meer bedrijven ontdekken de voordelen van AI voor het analyseren van bedrijfsdata, maar een belangrijke voorwaarde wordt nog weleens onderschat: goede datakwaliteit. Een kwart van de bedrijven (25 procent) erkent tekortkomingen in de kwaliteit van hun data. Dat komt naar voren uit onderzoek van IT-dienstverlener Info Support onder meer dan 400 IT-managers naar de staat van AI-adoptie in het bedrijfsleven.

67 procent van de deelnemers aan het onderzoek gaf aan AI te gebruiken voor een of meerdere doeleinden. Wat blijkt? Data-analyse is de populairste toepassing: maar liefst één op de vijf bedrijven maakt hier gebruik van. Denk aan het voorspellen van klantgedrag op basis van data-analyses of het opsporen van afwijkingen in de financiële administratie. Bovendien geeft een kwart van de ondervraagden aan in 2025 AI nog intensiever te willen inzetten voor data-analyse.

Kwaliteit van data blijft uitdaging
Om succesvol te profiteren van AI bij data-analyse, is het belangrijk dat de data die als input wordt gebruikt, van hoge kwaliteit is. Data van hoge kwaliteit is accuraat, actueel, volledig, consistent, representatief en relevant voor het beoogde doel. Een deel van de respondenten erkent tekortkomingen op dit gebied:
• Slechts 35 procent van de ondervraagden beoordeelt de kwaliteit van data als zeer hoog of hoog.
• Bijna een kwart van de bedrijven (23 procent) erkent dat gebrekkige datakwaliteit voor uitdagingen zorgt bij AI-implementaties.
• Ook ná de implementatie van AI-oplossingen heeft 18 procent van de bedrijven te maken met lage kwaliteit en betrouwbaarheid van data.

Niels Naglé, Area Lead Data & AI bij Info Support, licht toe: “Het baart me zorgen dat data-analyse een van de meest gebruikte toepassingen van AI is, terwijl bijna een kwart (23 procent) de kwaliteit van data als een uitdaging ziet. Hoge datakwaliteit is de basis voor verantwoord AI-gebruik.”

Datakwaliteitsbeleid als hulpmiddel
Veel bedrijven weten niet waar te beginnen wanneer ze de datakwaliteit willen verbeteren. Het is een proces dat continue aandacht en monitoring vereist. Tegelijkertijd moeten bedrijven zich niet laten tegenhouden door data die mogelijk nog niet 100 procent op orde is. Juist door AI-projecten of pilots te starten, kun je tekortkomingen in de data ontdekken en stap voor stap verbeteren. Daarbij helpt een datakwaliteitsbeleid om verantwoord datagebruik te waarborgen en tegelijkertijd ruimte te geven aan innovatie.

Veilig en verantwoord AI-gebruik
Datakwaliteit is echter niet het enige aandachtspunt bij de inzet van AI. Met de snelle opkomst van AI groeit ook de bezorgdheid over ethische vraagstukken en veiligheid. Nieuwe regelgeving, zoals de EU AI Act, verplicht bedrijven om ethische kaders te stellen en maatregelen te treffen voor verantwoord AI-gebruik. Uit het onderzoek blijkt dat veel bedrijven hier nog niet op zijn voorbereid:
• De meerderheid van de bedrijven (67 procent) heeft geen ethisch kader rondom AI-gebruik.
• 40 procent van de bedrijven heeft nog geen maatregelen genomen om een veilig gebruik van AI te waarborgen.
• Een derde (28 procent) heeft moeite om wet- en regelgeving na te leven.

Het is belangrijk dat ethische principes vanaf het begin in een AI-strategie worden verankerd, ziet Niels Naglé. “Een ethisch kader is onmisbaar, ook al staat de toepassing van AI in jouw organisatie nog in de kinderschoenen. In dit ethisch kader leg je richtlijnen en principes over AI-gebruik vast, die je vervolgens onder de aandacht brengt bij medewerkers.”

Over het onderzoek
Het onderzoek is uitgevoerd onder 414 IT-managers in Nederland, die werkzaam zijn in de gezondheidszorg, overheid en publieke sector, maakindustrie, telecommunicatie, retailsector, logistieke sector en de agrifoodsector. Het onderzoek is uitgevoerd in november 2024.