Skip to ContentSkip to Navigation

Groningen Digital Business Centre

Faculty of Economics and Business
Blog
Header image Blog GDBC

Blog GDBC

AI-as-a-Service: Wanneer wordt het gebruikt en wanneer loont het?

Datum:02 oktober 2020
AI
AI

Auteurs: Patryk Zapadka, André Hanelt, Sebastian Firk en Jana Oehmichen

See English text below.

Door de toegenomen beschikbaarheid van gegevens en rekenkracht kunnen bedrijven in alle bedrijfstakken kunstmatige intelligentie technologieën toepassen in hun producten en processen. Deze AI-technologieën maken bijvoorbeeld gebruik van recente ontwikkelingen in natural language processing (NLP), machine learning (ML) en computer vision. Ze bieden vele nieuwe technologische mogelijkheden om de prestaties van de organisatie te verbeteren op verschillende gebieden, zoals productontwikkeling, supply chain management en data-analyse. Toch vereist het effectief inzetten van AI hoge investeringen. Bedrijven kunnen echter ook een beroep doen op platformaanbieders (bijv. Google, Microsoft, IBM of Amazon) en AI-mogelijkheden (bijv. Cognitive computing of machine learning-services) rechtstreeks implementeren als AI-as-a-service, zoals via application programming interfaces (API's). Door bijvoorbeeld gebruik te maken van IBM's Watson Conversation Service en de onderliggende computerinfrastructuur, kon Autodesk een virtuele agent bouwen die autonoom met klanten communiceert en de response tijden naar de 99% versnelde. In ons onderzoekspaper (Zapadka, Hanelt, Firk, & Oehmichen, 2020) laten we zien dat het gebruik van AI-as-a-service de afgelopen jaren enorm is toegenomen. In 2018 maakte 31% van alle S&P500-bedrijven gebruik van AI-as-a-service, wat vijf keer meer is dan vijf jaar eerder in 2013. Verder onderzoeken we in deze paper welke factoren het gebruik van AI-as-a-a-service beïnvloeden en of het gebruik ervan gunstig is voor de onderneming?

Op basis van een empirisch onderzoek van een paneldataset van 500 grote Amerikaanse bedrijven voor de jaren 2010 tot 2018, vinden we dat:

1) Bedrijven met een hoog niveau interne AI-capaciteiten zullen met name AI-as-a-service gebruiken voor procesverbeteringen: vanwege hun interne kennis kiezen bedrijven ervoor om geen volledige externe inkoop van AI te gebruiken. De interne kennis helpt hen echter ook om externe kennis te vinden die de eigen kennis aanvult, en te identificeren en te waarderen. Deze bedrijven zijn beter in staat om externe AI-oplossingen in hun organisatorische omgeving te assimileren met als specifieke doel procesverbeteringen. Deze bedrijven zien het gebruik van AI-as-a-service dus als een haalbaar mechanisme om hun interne AI-capaciteiten aan te vullen of te vergroten, met name voor het automatiseren van taken of het verbeteren van besluitvormingsprocessen.

2) Bedrijven die worden geconfronteerd met een hoge marktdruk, zullen met name AI-as-a-service gebruiken voor klantoplossingen: bij aanwezigheid van digitale ondernemingen, die optreden als potentiële digitale disruptors, voelen bedrijven zich aangespoord om snel gebruik te maken van AI-mogelijkheden. Digitale ondernemingen schalen hun bedrijf snel op en worden doorgaans gedreven door een perceptie van de ‘winner-takes-it-all’. En aangezien digitale technologieën het consumentengedrag fundamenteel hebben veranderd zien klanten zichzelf niet langer als captives van de diensten van het bedrijf en hebben ze dus hoge verwachtingen. Om snel op deze veranderende eisen te kunnen inspelen en klantverlies te voorkomen, voelen bedrijven zich aangespoord om AI (bijvoorbeeld stem assistenten) via AI-as-a-service te integreren in hun klantoplossingen.

3) Het gedifferentieerde gebruik van AI-as-a-service heeft een positief effect op de performance: wanneer bedrijven AI-as-a-service gebruiken voor procesverbeteringen, realiseren ze voordelen met betrekking tot efficiëntie. Evenzo realiseren bedrijven die AI-as-a-service gebruiken voor klantoplossingen voordelen met betrekking tot omzetgroei.

Dus wat betekent dat voor bedrijven? AI-as-a-service is bijzonder effectief wanneer het wordt gebruikt voor een duidelijk omschreven doel (bijvoorbeeld procesverbetering of productverbetering). Maar het implementeren van AI-as-a-service in producten kan ook resulteren in verminderde controle over de klantinterface. Hoewel het gebruik van AI-as-a-service voor klantoplossingen een handige kortetermijn oplossing lijkt te zijn voor het implementeren en benutten van direct beschikbare AI-mogelijkheden, belichaamt het dus ook een potentieel gevaarlijke afhankelijkheid van de providers op de langere termijn. Niettemin moeten managers in voortdurend evoluerende en steeds meer onderling verbonden digitale bedrijfsomgevingen snel gebruik maken van nieuwe partnerships en digitale technologieën. Daarom zou het gebruik en uitwisselen van boundary resources de nieuwe norm kunnen zijn. Daarom moeten besluitvormers nadenken over nieuwe governance mechanismen om te voorkomen dat ze hun economisch voordeel van directe klanttoegang tot de AI-as-a-service provider verliezen.

Meer details over de paper zijn hier te vinden.

Patryk Zapadka

University of Kassel, Chair of Digital Transformation Management

Kleine Rosenstraße 3, 34109 Kassel

patryk.zapadka@uni-kassel.de

 

André Hanelt

University of Kassel, Chair of Digital Transformation Management

Kleine Rosenstraße 3, 34109 Kassel

hanelt@uni-kassel.de

 

Sebastian Firk

University of Groningen, Department of Accounting

Nettelbosje 2, 9747 AE Groningen

s.firk@rug.nl

Jana Oehmichen

University of Groningen, Department of Innovation Management & Strategy

Nettelbosje 2, 9747 AE Groningen j.d.r.oehmichen@rug.nl

“AI-as-a-Service”  
When is it used and does it pay off?

Authors: Patryk Zapadka, André Hanelt, Sebastian Firk and Jana Oehmichen

Increased data availability and computing power allows businesses across industries to employ artificial intelligence technologies in their products and processes. These AI technologies leverage, for example, recent advances in natural language processing (NLP), machine learning (ML), and computer vision. They offer many new technological opportunities for improving organizational performance in various areas, such as product development, supply chain management, and data analytics. Yet, leveraging AI effectively requires high investments. However, companies can also turn to platform providers (e.g., Google, Microsoft, IBM, or Amazon) and implement AI capabilities (e.g., cognitive computing or machine learning services) directly as AI-as-a-service such as via application programming interfaces (APIs). For instance, by taking advantage of IBM’s Watson Conversation Service and its underlying computing infrastructure, Autodesk was able to build a virtual agent that interacts autonomously with customers and sped up response times by 99%. In our research paper (Zapadka, Hanelt, Firk, & Oehmichen, 2020), we show that the use of AI-as-a-service has increased drastically in the recent years. In 2018, 31% of all S&P500 firms have used AI-as-a-service, which is five times more than five years before in 2013. Furthermore, we examine in this paper which contextual factors influence the use of AI-as-a-service and whether its use is beneficial for the firm?

Based on an empirical investigation of a panel dataset of 500 large U.S. firms for the years 2010 to 2018 we find that:

1) Firms with high levels of internal AI capabilities are particularly likely to adopt AI-as-a-service for process improvements: Due to their internal knowledge, firms opt against complete external sourcing of AI. However, the internal knowledge also helps them to identify and value external knowledge that complements their own. In particular, these firms are more capable of assimilating external AI solutions in their organizational environment for the specific purpose of process improvements. Thus, these firms perceive the use of AI-as-a-service as a viable mechanism to complement or augment their internal AI capabilities, particularly for automating tasks or improving decision-making processes 

2) Firms confronted with high external market pressure are particularly likely to use AI-as-a-service for customer solutions: In high presence of digital ventures, acting as potential digital disruptors, firms feel urged to quickly utilize AI capabilities. Digital ventures rapidly scale their business and are typically driven by a winner-takes-it-all perception. Furthermore, since digital technologies have fundamentally altered consumer behavior, customers perceive themselves no longer as captives of the firm’s services and, thus, have increased expectations. In order to respond quickly to these changing demands and prevent customer loss, firms feel urged to integrate AI (e.g., voice assistants) via AI-as-a-service in their customer solutions. 

3) The differentiated use of AI-as-a-service has a positive performance effect: When firms use AI-as-a-service for process improvements they realize benefits related to efficiency. Similarly, firms using AI-as-a-service for customer solutions realize benefits related to sales growth.

So what does that mean for firms? AI-as-a-service is particularly effective when employed for a clearly defined purpose (e.g., process improvement or product enhancement). Yet, implementing AI-as-a-service into products can also result in reduced control over the customer interface. Consequently, although using AI-as-a-service for customer solutions seems to be a convenient shortcut for implementing and leveraging readily available AI capabilities, it embodies a potentially dangerous dependency from the respective providers in the long term. Nevertheless, in constantly evolving and increasingly interconnected digital business environments, managers must quickly leverage new partnerships and digital technologies. Therefore, using and exchanging boundary resources might be the new norm, which is why decision-makers have to think about new governance mechanisms to avoid the threat of losing their economic rent of direct customer access to the AI-as-a-service provider.

More details about the paper can be found here.

Patryk Zapadka

University of Kassel, Chair of Digital Transformation Management

Kleine Rosenstraße 3, 34109 Kassel

patryk.zapadka@uni-kassel.de

 

André Hanelt

University of Kassel, Chair of Digital Transformation Management

Kleine Rosenstraße 3, 34109 Kassel

hanelt@uni-kassel.de

 

Sebastian Firk

University of Groningen, Department of Accounting

Nettelbosje 2, 9747 AE Groningen

s.firk@rug.nl

Jana Oehmichen

University of Groningen, Department of Innovation Management & Strategy

Nettelbosje 2, 9747 AE Groningen j.d.r.oehmichen@rug.nl