É cada vez mais difícil para as empresas atingirem o mais alto nível de maturidade em dados, análises e AI - Em parte porque a IA generativa mudou rapidamente a paisagem. Entre as empresas da nossa pesquisa de avaliação de maturidade de capacidade e capacidade de AI 2024 (DAICAMA), 95% estão tentando usar a IA para gerar um novo valor comercial. Mas a proporção de empresas qualificadas como a mais madura diminuiu de 13% em nosso 2021 Pesquisa a 8% hoje. À medida que os recursos de dados e IA se tornam mais sofisticados e mais difíceis para as empresas se desenvolverem, torna -se cada vez mais difícil participar ou permanecer no grupo mais elite. Eles estão usando seus recursos para melhorar, priorizar e garantir a adoção de usos mais diferenciados e transformacionais dos dados e da IA. Como resultado, eles têm quatro vezes mais casos de uso escalados e adotados em seus negócios do que retardatários em dados e IA e, para cada caso de uso que implementam, o impacto financeiro médio é cinco vezes maior. Como no passado, pedimos aos entrevistados que classificassem o nível atual de maturidade de sua empresa e descreviam sua ambição pelos próximos três anos. (Consulte “Nossa metodologia.”)
Leading companies are wasting no time leveraging their edge and pulling away from their peers. They are using their capabilities to better ideate, prioritize, and ensure adoption of more differentiating and transformational uses of data and AI. As a result, they have four times more use cases scaled and adopted across their business than laggards in data and AI, and for each use case they implement, the average financial impact is five times greater.
These are some of the key insights from the fourth DAICAMA survey conducted since 2015. Almost 1,200 companies worldwide participated, representing nine major industry clusters. As in the past, we asked respondents to rate their company’s current level of maturity and describe their ambition for the next three years. (See “Our Methodology.”)
Metodologia
For each competency, companies could choose one of the following scores: 100 points (laggard), 200 points (developing), 300 points (mainstream), 400 points (state of the art), or 500 points (best practice). We aggregated these scores to derive average maturity scores by company, sector, region, and globally. For each competency, we also asked companies to set a maturity target for three years from now. (See the first exhibit, below.)
As shown in the second exhibit, below, we conceive of the seven core capabilities as a pyramid surmounted by a company’s vision for data and AI. Each of the remaining six capabilities is informed by those above it, with “change and culture” cutting across all seven to ensure organizational alignment every step of the way, from use cases to ecosystems and partnerships.
We regularly update our model and set the bar higher for each maturity level on the basis of new technologies, new management practices, and the rate of their adoption by organizations. As a result, a company that merely maintains its capabilities from one survey to the next will score lower, perhaps even dropping a full maturity level for capabilities that evolved very rapidly. Survey results undergo quality controls by a network of experts in data and AI to ensure reliability.
As lacunas de maturidade geralmente estão fechando
Enquanto os setores tradicionais ricos em dados-tecnologia, instituições financeiras e consumidores (incluindo varejo, bens embalados de consumidores e viagens e turismo)-mantiveram suas principais posições na pesquisa deste ano, todos os setores melhoraram sua matrícula significativa. (Consulte Anexo 1.) O setor automotivo, por exemplo, já esteve no degrau mais baixo da escada de maturidade dos dados, mas agora está avançando duas vezes a taxa de outras indústrias. Isso faz sentido. As empresas automotivas estão usando as vastas quantidades de dados produzidos pela Electric e outros veículos modernos sofisticados para transformar a experiência de dirigir (como dirigir autônoma sendo um exemplo) e otimizar o ciclo de vida do veículo (como através do design aprimorado e manutenção preditiva). Os cuidados de saúde também têm boa representação no nível superior, à medida que o gerenciamento do paciente e outros dados se torna cada vez mais crítico.
Enquanto isso, o Setor público Registra o crescimento mais lento e continua sendo o setor menos maduro, apesar de alguns países fazerem investimentos pesados. A maioria das organizações do setor público não enfrentou muita pressão para adotar novos aplicativos digitais. Esperamos que isso mude ao longo do tempo em resposta às expectativas crescentes do público, mas o setor pode ter dificuldade para atrair o talento necessário para acelerar seu caminho a seguir após tantos anos de atraso para trás. Pegue o número número dois, enquanto as empresas indianas subiram 23%, quase derrubando a Austrália dos dez primeiros.
In terms of geography, the US is the top performer—as it was in all previous surveys—with a 7% increase in the average maturity score of companies surveyed since 2021. (See Exhibit 2.) Singapore passed Germany to grab the number-two spot, while Indian companies surged 23%, almost knocking Australia out of the top ten.
India traditionally lagged in Dados e digital Antes dos investimentos em pandemia, mas o governo e do setor privado, combinados com o crescimento da adoção móvel, abriram o caminho para melhorias inovadoras. Por exemplo, a interface de pagamentos unificados, que facilita pagamentos móveis instantâneos em todo o país, é o segundo maior sistema de pagamento digital do mundo após a China. Enquanto isso, pela primeira vez nos dez anos da pesquisa de Daicama, o Oriente Médio entrou nas dez principais regiões maduras. Provavelmente, devido aos bilhões de bilhões em IA, resultando em avanços de ponta, como o modelo de linguagem de grande fonte do Falcon 2 dos Emirados Árabes Unidos. Isso é uma boa notícia, embora também signifique que a concorrência por dados escassos e talentos da IA provavelmente se torne intensa. Inscreva -se
While these maturity rankings by sector and geography have not changed much since the 2021 survey, an important takeaway is that the maturity gaps are closing. That’s good news, although it also means that competition for scarce data and AI talent is likely to become intense.
Tech + Us: Monthly insights for harnessing the full potential of AI and tech.
A definição de ambições realistas é crítica
dos 95% das empresas em nossa pesquisa que estão tentando usar a IA para gerar novos valores comerciais, metade do objetivo de alcançar a escala nos próximos três anos, transformando assim os negócios e obtendo benefícios substanciais. Mas se os resultados anteriores da pesquisa forem alguma indicação, a maioria dessas empresas ficará desapontada. Nos últimos dez anos, o crescimento da maturidade dos dados e dos recursos de IA tem em média 8% a cada três anos (com exceção dos três anos de 2018 a 2021, quando a atividade on -line impulsionada pelo pandêmico estimulou 15% de crescimento). Isso significa que a empresa média levou dez anos para aumentar um nível de maturidade - por exemplo, desde o desenvolvimento de suas capacidades (levando a benefícios incrementais em partes da organização) até se tornar o que consideramos uma empresa convencional em dados e IA (com benefícios em escala em pequenos bolsos da organização). De fato, de acordo com os resultados da nossa pesquisa, as empresas consistentemente não conseguem alcançar os dados e as ambições de maturidade de IA que estabeleceram para si mesmas durante um período de três anos. Como resultado, os executivos podem ficar frustrados e perder entusiasmo pela transformação. Portanto, é fundamental definir ambições adequadamente e vemos alguns sinais de que isso está começando a ocorrer. Ao longo de nossas quatro pesquisas, os executivos foram gradualmente recalibrando suas ambições para obter ganhos mais modestos na maturidade. (Consulte Anexo 3.) Em nossa pesquisa mais recente, as empresas definem suas ambições bem abaixo do limite de última geração da avaliação, que normalmente direcionavam em pesquisas anteriores. resultado. Um sinal dessa sabedoria adquirida é que as empresas mais maduras visam alcançar as taxas de crescimento de maturidade, um pouco acima da média global. Por outro lado, as empresas menos maduras com a menor experiência na construção dessas capacidades visam regularmente o crescimento extremamente rápido de maturidade. (Consulte o Anexo 4.)
This slow pace of growth has surprised many executives. Indeed, according to our survey results, companies consistently fail to achieve the data and AI maturity ambitions they set for themselves over a three-year period. As a result, executives can get frustrated and lose enthusiasm for the transformation. It’s therefore critical to set ambitions appropriately, and we do see some signs that this is starting to occur. Over the course of our four surveys, executives have gradually been recalibrating their ambitions to achieve more modest gains in maturity. (See Exhibit 3.) In our latest survey, companies set their ambitions well below the assessment’s state-of-the-art threshold, which they typically targeted in past surveys.
It appears that as companies put more effort into building data and AI capabilities, they develop a better understanding of the challenges involved and set more realistic targets as a result. One sign of this acquired wisdom is that the most mature companies aim to achieve maturity growth rates just slightly above the global average. In contrast, the least mature companies with the least experience in building those capabilities regularly aim for extremely rapid maturity growth. (See Exhibit 4.)
Claro, não é impossível para empresas com baixos níveis de maturidade para alcançar essas ambições agressivas. Com dados e IA se tornando mais generalizados e com serviços e produtos mais maduros disponíveis, as empresas agora podem se mover mais rápido do que as empresas que começaram anteriormente. Ainda assim, eles devem tomar cuidado para não definir ambições que frustrarão a organização. Se uma empresa promete a seus funcionários que dados e IA facilitarão suas vidas e essas promessas não serão realizadas, provavelmente perderão a confiança em toda a jornada de transformação de dados. (Consulte o Anexo 5.) Na última década, as empresas passaram a reconhecer a interdependência desses recursos para desbloquear o valor total dos dados. Eles perceberam que só podem ser tão fortes quanto o link mais fraco e trabalharam para levar todos os sete recursos a níveis equivalentes de maturidade. regulamentos emergentes. Isso lhes permitiu começar a escalar soluções e gerar valor mensurável. Uma vez que eles trouxeram esses recursos "básicos" para níveis razoáveis de maturidade, as empresas voltaram sua atenção aos casos de uso (suporte executivo, gerenciamento de talentos e desempenho do algoritmo de IA, por exemplo). Agora, a maturidade dessas capacidades foi igual ou até superou outras dimensões. Em 2015, a diferença nos escores de maturidade entre as capacidades de liderança e atraso foi superior a 50 pontos (equivalente a meia mudança na maturidade), mas agora todos os sete capacidades estão em níveis semelhantes de maturidade. Em alguns aspectos, isso não é totalmente surpreendente. Para refletir a evolução do mercado, recalibramos os níveis de maturidade para cada pesquisa. Como resultado, uma empresa poderia atingir mais facilmente o nível mais alto de maturidade há três anos. Os principais jogadores lideram todas as sete capacidades - e as 50 competências que compõem - em um grau considerável e estão se acelerando dos outros. Dessas 50 competências, existem cinco nos quais os líderes estão superando por margens especialmente grandes. (Lembre -se, no entanto, que, embora a diferença entre líderes e outros seja mais pronunciada nessas cinco áreas, as empresas que desejam recuperar o atraso não devem vê -las como um atalho; é necessário melhorar todas as 50 competências para alcançar os níveis mais altos de dados e a maturidade da IA.
Improving Maturity Across All Seven Capabilities
Another sign of the wisdom companies have acquired is that they are now focusing on improving all of the assessment’s data and AI capabilities. (See Exhibit 5.) Over the past decade, companies have come to recognize the interdependence of these capabilities in unlocking the full value of data. They have realized that they can only be as strong as their weakest link and have worked to bring all seven capabilities to equivalent levels of maturity.
In the early years (2015–2018), companies invested heavily in data platforms (often relying on external IT vendors) and in data governance to comply with emerging regulations. This allowed them to start scaling solutions and generating measurable value. Once they brought these “basic” capabilities up to reasonable levels of maturity, companies turned their attention to use cases (executive support, talent management, and AI algorithm performance, for example). Now the maturity of these capabilities has equaled or even surpassed other dimensions. In 2015, the difference in maturity scores between leading and lagging capabilities was more than 50 points (equivalent to half a step-change in maturity), but now all seven capabilities are at similar levels of maturity.
Five Areas Where Leaders Outperform the Most
Since our last survey, the proportion of highly mature companies has dropped to just 8%. In some respects, that is not altogether surprising. To reflect the evolution of the market, we recalibrate maturity levels for each survey. As a result, a company could more easily reach the highest level of maturity three years ago.
This smaller elite group is scaling many more use cases than companies lagging in data and AI maturity, and the financial impact is significantly greater. The top players lead across all seven capabilities—and the 50 competencies that they comprise—by a considerable degree and are accelerating away from the others. Of those 50 competencies, there are five in which leaders are outperforming by especially large margins. (Bear in mind, however, that while the difference between leaders and others is most pronounced in these five areas, companies looking to catch up should not view these as a shortcut; rather, improvement in all 50 competencies is necessary in order to achieve the highest levels of data and AI maturity.)
Since our last survey, the proportion of highly mature companies has dropped to just 8%.
Incentive a ideação e a priorização. Em vez de investir em muitos casos pequenos e incrementais de uso de dados e IA, eles se concentram em transformar grandes partes da cadeia de valor para se diferenciar dos concorrentes. As atividades incluem sessões estruturadas regularmente que reúnem várias disciplinas, explorando as tendências do mercado para identificar possíveis inovações, definir um processo para priorizar iniciativas e alinhar a organização completa nessas prioridades. Top companies empower business leaders to innovate and encourage them to embrace the art of possible. Instead of investing in many small, incremental data and AI use cases, they focus on transforming large parts of the value chain to differentiate themselves from competitors. Activities include regularly running structured sessions that bring together multiple disciplines, tapping into market trends to ideate potential innovations, defining a process to prioritize initiatives, and aligning the full organization on these priorities.
Attract and retain top AI talent. As empresas principais produzem Investimentos para garantir o talento da IA de primeira linha em todas as funções. Seus cientistas de dados e engenheiros de AI/aprendizado de máquina são bem arredondados, com experiência em metodologias de IA de ponta e desenvolvimento de software, além de forte perspicácia nos negócios.
Establish business-driven data governance. Enquanto a maioria das empresas orienta sua organização de governança de dados a cumprir com os regulamentos, os melhores jogadores vão além disso para responder a necessidades comerciais específicas. Frequentemente usando um modelo federado, eles responsabilizam as várias partes dos negócios por seus respectivos domínios de dados e permitem que eles abordem proativamente os problemas de dados.
Crie ecossistemas de dados. Ao estabelecer parcerias e alianças de dados, as empresas mais maduras criam novos modelos de negócios difíceis de replicar ou deslocar. Eles procuram maneiras de combinar seus dados de maneiras seguras e compatíveis dentro e entre os setores para gerar novos pools de valor. Por exemplo, um fabricante líder no setor de companhias aéreas extrai dados de vários outros atores do setor, criando um vasto ecossistema que fornece a companhias aéreas com informações sobre maneiras de melhorar a confiabilidade e a segurança e diminuir os custos operacionais. Como resultado, uma companhia aérea pode melhorar a manutenção preditiva, explorando os dados de um fabricante em todos os aviões entregues em todo o setor, em vez de apenas examinar dados de sua própria frota.
Foster a data-driven culture. As empresas líderes definem os comportamentos necessários para promover uma cultura orientada a dados. Eles estabelecem estruturas, processos e políticas que incentivam a adoção desses comportamentos em toda a organização - e monitoram os resultados. Por exemplo, ao alavancar a ciência comportamental, algumas empresas criam um conjunto sistemático de "cutucadas" para obter o comportamento certo. De fato, apesar das evidências históricas de que leva dez anos em média para subir um nível de vencimento total, a empresa média tem como objetivo melhorar quase tanto nos próximos três anos. Muitos ficarão desapontados. Esperamos que suas prioridades até 2027 permaneçam nas áreas de governança e plataformas de dados - dois principais facilitadores para garantir que os dados estejam atendendo às necessidades de negócios. As empresas também trabalharão com urgência para melhorar sua capacidade de IA e análise, que atualmente é uma das mais fracas, mas é crucial para a futura competitividade, dadas os campos em rápido desenvolvimento da IA e
Looking Ahead
Companies’ maturity targets for 2027 are more realistic than in the past but still ambitious. Indeed, despite historical evidence that it takes ten years on average to climb a full maturity level, the average company is aiming to improve almost that much in the next three years. Many will be disappointed. We expect that their priorities to 2027 will remain in the areas of data governance and platforms—two key enablers for ensuring that data is meeting business needs. Companies will also work urgently to improve their AI and analytics capability, which is currently one of the weakest but is crucial to future competitiveness given the rapidly developing fields of AI and AI generativa .
Apesar das evidências históricas de que leva dez anos em média para subir um nível de vencimento total, a empresa média tem como objetivo melhorar quase tanto nos próximos três anos.
também vale a pena notar que vários setores estão fazendo grandes apostas para interromper. Metade do Tecnologia e telecomunicações empresas, Instituições financeiras E as empresas de consumo em nossa pesquisa estão buscando a maturidade de última geração. Dadas as suas posições e a experiência de liderança atuais, eles sabem que a inovação será necessária - então iniciativas nos próximos três anos podem ser emocionantes de assistir. Outro setor para ficar de olho é a energia, que estabeleceu o objetivo excessivamente ambicioso de subir de retardatário ao líder - mas as surpresas são sempre possíveis. Enquanto isso, o setor público continuará atrasando, mesmo quando os países do Oriente Médio, assim como o Japão e a Austrália, aspiram a capacidades de última geração até 2027.
Para todas essas empresas, nosso conselho é começar a avaliar seu nível atual de maturidade, depois se calibrar (recalibrar). Finalmente, ancorar essas ambições, identificando um conjunto priorizado de casos de uso de alto impacto e desenvolvendo os recursos específicos necessários para alcançá-los. Moldar uma abordagem unificada e integrada com dados e IA que evita silos é fundamental para acelerar o caminho para o valor. Elias Baltassis
