Ifølge den kendte schweiziske jurist hæmmer overudbud, selektiv efterspørgsel og organisatoriske problemer skalerbarheden af ​​kunstig intelligens i virksomheder.

I det europæiske panorama af kunstig intelligens, Timea Nagy etablerer sig som en stadig mere relevant og autoritativ stemme i krydsfeltet mellem jura, teknologi og strategi. En advokat med speciale i Datasikkerhed og AI, er grundlægger og administrerende direktør for "Schweizisk AI-topmøde", en platform, der i de senere år har været i stand til at udmærke sig ved sin deciderede forretningsorienterede tilgang, der forbinder løsningsudbydere kunstig intelligens og beslutningstagere i erhvervslivet med det formål at fremskynde dens konkrete implementering.

Baseret på Zürich og aktiv internationalt, støtter det bestyrelser og topledere i at definere strategier relateret til kunstig intelligens, med fokus på governance, compliance og adgang til europæiske markeder. Især Nagy støtter globale teknologivirksomheder i at navigere i de regulatoriske og operationelle kompleksiteter ved Schweiz og af 'Den Europæiske Union, og omsætter lovgivningsmæssige krav til strategiske løftestænger.

I løbet af sin karriere har han udviklet en profil, der kombinerer færdigheder gyldige, teknologisk e iværksætterEfter oplevelserne i Niederer Kraft Frey, arbejdede som Senior juridisk rådgiver in EY om emner af databeskyttelse, kunstig intelligens og teknologiret, for derefter at dykke dybere ned i ETERNYZE AG aspekterne relateret til blockchain, FinTech e DLTHun var også medstifter af Kvinder i Web3 SchweizI dag leder han sin platform som grundlægger og opererer i krydsfeltet mellem governance, marked og strategisk AI-udvikling.

Udsigten til schweizisk jurist Det kendetegnes ved kombinationen af ​​tre dimensioner: juridisk ekspertise dybdegående, et privilegeret observatorium om markedsdynamik takket være "Schweizisk AI-topmøde" og direkte involvering i opbygning af iværksætterinitiativer i sektoren. Gennem "topmødet" faktisk, Timea har adgang til en kontinuerlig strøm af interaktioner mellem leverandører og virksomheder og observerer i realtid, hvordan købernes forventninger, salgsstrategier og vanskelighederne forbundet med implementering i stor skala udvikler sig.

En dukker op pragmatisk vision og eksekveringsorienteret: i et stadig mere overfyldt marked AI-løsninger, den virkelige forskel er ikke længere teknologisk sofistikering, men evnen til at skabe konkret værdi, integrere i forretningsprocesser og imødekomme specifikke behov. Det er i dette rum, mellem innovation og anvendelse i den virkelige verden, at arbejdet med Timea Nagy, der tilbyder en klar forståelse af de muligheder og friktioner, der omdefinerer forholdet mellem teknologi og forretning.

I har designet Swiss AI Summit som en forretningsfokuseret platform snarere end en rent akademisk eller politisk drevet konference. Hvilke konkrete ændringer observerer I fra jeres perspektiv i dag i den måde, AI-leverandører og virksomhedskøbere interagerer på, og hvorfor er dette øjeblik særligt transformerende?

Ud fra hvad jeg har observeret på det schweiziske AI-topmøde, er den mest åbenlyse ændring ubalancen mellem udbud og efterspørgsel. Der er et enormt overudbud af AI-værktøjer og -leverandører, der kommer ind på markedet, mens antallet af virksomheder, der virkelig er klar til at købe og implementere AI i stor skala, stadig er begrænset. Desuden er branchen nu meget mere fokuseret på eksekvering, demonstration af ROI og opbygning af interne kapaciteter. Den er ikke længere imponeret over AI's generiske evner: det, der nu søges, er konkrete, forretningsspecifikke løsninger integreret i processer. Det betyder, at vi bevæger os fra en teknologidrevet fase til en værdidrevet fase, hvor eksekvering og implementering betyder meget mere end ren innovation.

Hvad er de største udfordringer for AI-virksomheder i dag, når de går fra pilotprojekter til implementering i virksomhedsskala? Hvor går handler oftest i stå?

Den største udfordring er at få kontrakten underskrevet, efterfulgt af at gå fra en vellykket demo eller pilotprojekt til den faktiske operationelle implementering. Dette er forståeligt i betragtning af overudbuddet. De to sider har forskellige mål: Ingeniørerne ønsker at innovere og sælge, mens virksomhederne fokuserer på eksekvering og demonstration af investeringsafkast.

Omvendt, på udførelsessiden i virksomheder, hvad er de største flaskehalse efter kontrakten er underskrevet? Er den reelle vanskelighed teknologisk, organisatorisk, kulturel eller andet?

Det afhænger af virksomhedens modenhed og størrelse. Yngre virksomheder bevæger sig hurtigere, har en ny kultur og tilpasser sig derfor lettere, mens scaleups og store virksomheder står over for større udfordringer. I de fleste tilfælde er den største flaskehals organisatorisk snarere end teknologisk. Virksomheder undervurderer ofte den nødvendige indsats og behovet for intern forandringsledelse for at implementere AI: for eksempel nye arbejdsgange, processer, koordinering mellem afdelinger og frem for alt den nødvendige tid.

På "Swiss AI Summit" kan du se både leverandører præsentere værktøjer og beslutningstagere teste dem i realtid. Hvilke mønstre viser sig i forhold til, hvad købere virkelig værdsætter versus, hvad leverandører har tendens til at lægge vægt på?

Et tydeligt mønster er, at leverandører har en tendens til at lægge vægt på tekniske fremskridt, mens købere fokuserer på integration og målbar effekt. Købere er generelt mindre interesserede i de mest avancerede modeller og mere interesserede i at forstå, om løsningen løser et specifikt problem, om den rent faktisk er nødvendig og bruges af kunderne, og hvordan proprietære data administreres. Især i Europa er sikker datahåndtering og uafhængige infrastrukturer ved at blive et reelt salgsargument. Virksomheder ønsker at vide, hvor deres data er lagret, og hvem der har adgang til dem, herunder med hensyn til land og antal involverede personer. Derfor er de vindende løsninger ikke de mest teknologisk komplekse, men ofte de enkleste og mest 'kedelige'.

Mange organisationer hævder at være "AI-parate". Hvad adskiller i praksis en virksomhed, der er strukturelt klar til at integrere AI i stor skala, fra en, der stadig eksperimenterer?

En AI-parat virksomhed har typisk fire elementer: rene data, datastyring, klart ejerskab og lederskabsengagement. Disse virksomheder integrerer AI i deres driftsstrategi og anvender en tilgang med flere interessenter, der involverer IT, juridiske og andre relevante afdelinger fra starten.

Du har et tredelt perspektiv: juridisk ekspertise inden for databeskyttelse og kunstig intelligens, forretningsmæssig eksponering gennem topmødet og direkte involvering i platformudvikling. Hvordan ændrer denne kombination den måde, du evaluerer kunstig intelligens-produkter og go-to-market-strategier på?

Det giver mig en unik position og ekspertise, som skaber et mere pragmatisk og realistisk syn. Fra et juridisk perspektiv forstår jeg de lovgivningsmæssige krav til data, privatliv og AI-styring. Fra topmødet observerer jeg den virkelige dynamik mellem leverandører og købere. Og ved at bygge produkter forstår jeg, hvor dyr udførelse er. Derfor fokuserer jeg i dag, når jeg evaluerer AI-produkter, mindre på selve teknologien og mere på, om produktet virkelig er nødvendigt, og om det accelererer processer og arbejdsgange. Derudover investerer jeg kraftigt i at forstå de grundlæggende elementer, hvilket er afgørende for at skalere og tilpasse sig hurtigt på det rigtige tidspunkt.

Hvor tidligt bør arkitekturbeslutninger inddrage regulatoriske og compliance-hensyn, når man designer et AI-produkt i dag? Kan compliance blive et forretningsaktiv snarere end blot en risikoreducerende øvelse?

"Helt fra begyndelsen, selv i de tidligste stadier af produktarkitekturen. For eksempel, når vi designer vores platform, spørger vi os selv, hvordan vi ønsker, at den skal se ud om fem år i det ideelle scenarie. Når vi har en klar vision, opdeler vi den i faser og sprints. I denne sammenhæng er compliance ikke længere et spørgsmål, men en forudsætning."

Ser I på tværs af brancher et skift i den måde, hvorpå investeringsafkast (ROI) for AI-initiativer måles? Fokuserer virksomhederne stadig på omkostningsreduktion, eller skifter fortællingen mod omsætningsgenerering og konkurrencedygtig positionering?

Jeg ser et skift i, hvordan virksomheder tænker på AI-ROI, men det er mere nuanceret end et simpelt skift fra omkostningsreduktion til indtægtsgenerering. Problemet i mange organisationer er, at AI-initiativer starter uden et klart defineret forretningsresultat, hvilket er grunden til, at en stor del af pilotprojekterne – omkring 82 procent – ​​mislykkes. Flere og flere virksomheder indser, at AI skal være forbundet med målbar værdi fra starten: forbedret time-to-market, kvalitet, højere implementeringsrater eller medarbejdernes evne til at fokusere på aktiviteter med højere værdi i stedet for gentagne opgaver. Tidsbesparelser alene er ikke længere en tilstrækkelig målestok. Det bliver tydeligt, at AI skaber maksimal værdi, når det behandles som en organisatorisk transformation, ikke et isoleret teknologiprojekt. Ledere bevæger sig ud over den eksperimentelle fase og fokuserer på use cases, der er integreret i kerneprocesser og skalerbare på tværs af virksomheden. Selvom omkostningseffektivitet fortsat er vigtig, kommer konkurrencefordele i stigende grad fra tilpassede AI-løsninger, baseret på proprietære data og i overensstemmelse med strategiske prioriteter, med en betydelig indvirkning på virksomhedens konkurrencefordel. "klar til at løse".

Hvad er efter din mening de mest undervurderede risici, som AI-udbydere står over for i dag, ikke fra et juridisk perspektiv, men fra et kommercielt eller strategisk?

"Måske er det antagelsen om, at teknologisk overlegenhed automatisk fører til markedsadoption. Med det nuværende overudbud af AI-løsninger er differentiering ekstremt vanskelig."

Når vi ser fremad, med modningen af ​​AI-platforme, agenter og vertikale løsninger, hvordan tror du så, at forholdet mellem AI-leverandører og virksomhedskunder vil udvikle sig i løbet af de næste to år? Hvor ser du de største muligheder og de største friktioner?

"I løbet af de næste to år forventer jeg, at markedet vil konsolidere sig omkring et mindre antal mere specialiserede løsninger. Virksomheder vil i stigende grad foretrække leverandører med en dyb forståelse af deres branche frem for generalistiske AI-udbydere."

"Swiss AI Summit": Lanceringsvideoen mellem identitet og innovation

Højdepunkter fra det schweiziske kunstig intelligens-topmøde i 2025

Højdepunkter fra det schweiziske kunstig intelligens-topmøde i 2024

Her er tre indsigter, som måske interesserer dig:

Apertus er den schweiziske "åbne AI" for en mere gennemsigtig fremtid.
Ser frem til Zürich AI Festival 2026, mellem etik og fremtid
Europa accelererer med kunstig intelligens: her er AI-fabrikkerne