Nedavno je Bank of England izdala dosad najoštrije upozorenje o valuacijama u sektoru umjetne inteligencije, ističući kako višemilijunski investicijski zamah financiran dugom nosi rizik potpunog sloma. Samo nekoliko dana ranije, Michael Burry, investitor koji je predvidio kolaps tržišta nekretnina 2008. godine, a čija je priča popularizirana u filmu The Big Short, usporedio je trenutačnu AI groznicu s dot-com balonom s prijelaza stoljeća. U međuvremenu, piše TechRadar, istraživači s MIT-a otkrili su da čak 95 posto pilot-projekata umjetne inteligencije u poslovnom svijetu ne ostvaruje nikakav povrat ulaganja. Rasprava se tako sve više pomiče s pitanja postoji li AI balon na pitanje što će se dogoditi kada on pukne.
Međutim, takav pristup promašuje bit problema. Pitanje s kojim se suočavaju lideri poslovne tehnologije nema stvarne veze s tržišnim valuacijama ni s eventualnim pucanjem balona. Ono što je doista važno jest stvaraju li konkretne primjene umjetne inteligencije mjerljivu i održivu vrijednost za poslovanje. Odgovor zahtijeva pragmatičan pristup koji prednost daje rezultatima, a ne tehnološkoj sofisticiranosti. Vrijednost, a ne hype, mora biti polazišna točka svake odluke.
Trendovi u poslovnoj tehnologiji redovito se pojavljuju, sazrijevaju i povremeno implodiraju. Obrazac se gotovo uvijek ponavlja: pojavi se transformativna tehnologija, dobavljači preplave tržište svojim rješenjima, očekivanja narastu do nerazumnih razina, a tvrtke se bore razlučiti koristan signal od buke. Umjetna inteligencija slijedi taj poznati put, no njezine temeljne sposobnosti stvarne su i značajne. Izazov, kao i uvijek, leži u pravilnoj implementaciji i jasnom fokusu. Tehnologija je stvarna – očekivanja često nisu.
Implementacije umjetne inteligencije u poduzećima najčešće propadaju zato što timovi optimiziraju pogrešan cilj. Izgradnja AI sposobnosti koje su tehnički impresivne, ali operativno besmislene, samo troši resurse i narušava povjerenje u tehnologiju. Test za svaku AI primjenu trebao bi biti jednostavan: rješava li ona korisnikov problem bolje od bilo koje postojeće alternative? Prestanite kupovati umjetnu inteligenciju isključivo na temelju obećanja i tehničkih specifikacija. Funkcionalnost mora imati prednost pred fascinacijom tehnologijom.
Kako razlikovati tehnološki teatar od stvarne vrijednosti
Ovo načelo jasno se vidi, primjerice, u SAP operacijama. Operateri koji upravljaju složenim sustavima suočavaju se s tri ključna izazova: bržim otkrivanjem problema, preciznim identificiranjem uzroka i što ranijim oporavkom sustava. Interakcije vođene umjetnom inteligencijom koje ciljano rješavaju upravo te bolne točke stvaraju opipljivu vrijednost. Sve ostalo svodi se na tehnološki teatar čija je svrha impresionirati, a ne pomoći. Stvarna korist mora biti mjerljiva.
Razmotrimo što se događa kada kritični SAP sustav doživi anomaliju. Tradicionalni sustavi nadzora generiraju upozorenja na temelju prekoračenja unaprijed definiranih pragova, ostavljajući operaterima zadatak da samostalno analiziraju podatke, povezuju događaje i utvrđuju stvarni utjecaj problema.
S druge strane, AI aplikacija koja skraćuje taj ciklus pružajući relevantan kontekst, identificirajući vjerojatne uzroke i predlažući konkretne korake za rješavanje problema donosi mjerljivu poslovnu vrijednost. Operater brže rješava incident, korisnici imaju manje prekida u radu, a poslovanje zadržava kontinuitet. Isti princip vrijedi za sve poslovne operacije. AI aplikacije trebaju pomagati ljudima da bolje obavljaju svoj posao, a ne služiti kao demonstracija algoritamske sofisticiranosti. Poslovni ishod važniji je od elegancije modela.
Dokazivanje povrata ulaganja u stvarnom svijetu
Implementacija umjetne inteligencije usmjerena na ishode zahtijeva jasne metrike povezane s iskustvom krajnjeg korisnika. Kod tehničkih proizvoda to znači pouzdanost i performanse API-ja, dok je kod poslovnih aplikacija ključan kontinuitet radnih procesa. Takve metrike usidruju donošenje odluka i sprječavaju timove da teže tehničkom perfekcionizmu bez konkretne poslovne vrijednosti. Mjerenje postaje temelj upravljanja.
Naravno, neće svako ulaganje u AI uspjeti. Neke aplikacije koje tijekom razvoja djeluju obećavajuće ne ostvaruju očekivana poboljšanja u produkciji, dok druge stvaraju vrijednost na neočekivane načine.
Razlika između visokoučinkovitih poduzeća i onih koja se bore s primjenom umjetne inteligencije svodi se na disciplinu mjerenja. Timovi koji prate konkretne ishode, uče iz neuspjeha i brzo se prilagođavaju izdvajaju se od onih koji slijede najnovije tehnološke trendove bez jasne svrhe. Ta disciplina također pomaže prepoznati gdje AI aplikacije stvaraju složenu, kumulativnu vrijednost. Mala poboljšanja s vremenom postaju velika prednost.
Poboljšanja kvalitete i operativne učinkovitosti ne ostaju statična, već se akumuliraju kroz vrijeme. AI sposobnost koja smanjuje vrijeme dijagnostike za 20 posto može se činiti skromnom, ali tijekom mjeseci i godina oslobađa kapacitete za rad veće vrijednosti i sprječava gomilanje operativnog duga.
Razlikovanje vrhunske umjetne inteligencije od bezvrijednih rješenja
Tržište poslovne umjetne inteligencije danas pati od prevelikog broja rješenja koja traže problem koji bi riješila. Svaki dobavljač tvrdi da posjeduje AI sposobnosti, no većina ne uspijeva dokazati jasnu poslovnu vrijednost. Tehnološki lideri zato trebaju okvir koji omogućuje filtriranje buke i prepoznavanje stvarnih prilika. Početna točka moraju biti stvarni problemi.
Započnite analizom najtvrdokornijih operativnih izazova — ondje gdje ručni procesi troše previše vremena ili gdje se ponavljajući problemi opiru konvencionalnim rješenjima. Zatim zahtijevajte dokaz vrijednosti prije ulaganja resursa. Pilot-projekti trebali bi pokazati mjerljiva poboljšanja u tjednima, a ne mjesecima. Na kraju, oduprite se porivu implementacije umjetne inteligencije samo zato što je tehnologija dostupna. AI nije strategija sam po sebi.
Hoće li tržište doživjeti korekciju ili nastaviti uzlazni trend znatno je manje važno od načina na koji poduzeće pristupa implementaciji umjetne inteligencije. Bank of England i Michael Burry možda će se pokazati točnima u procjenama valuacija, ali to ne bi smjelo određivati odluku o ulaganju u AI sposobnosti. Nalazi MIT-a govore nešto drugo: većina organizacija umjetnu inteligenciju implementira pogrešno, a ne da tehnologija nema vrijednost. Održivi uspjeh proizlazi iz rješavanja stvarnih operativnih problema. Poduzeća koja će stvoriti trajnu vrijednost iz umjetne inteligencije bit će ona koja zadrže pragmatičan pristup usmjeren na ishode. Na kraju opstaju praktične primjene.
