Umjetna inteligencija zaposlenicima može povećati osobnu produktivnost, ali to ne znači da će kompanije ostvariti i bolje financijske rezultate, upozorili su na to u utorak stručnjaci na Spanovoj konferenciji The Intelligent Business održanoj u Zagrebu.
Na tom su stručnom skupu predstavnici Spana, Span Evolvea, Microsofta, Aircasha, FourVisiona te HGSS-a govorili o mogućnostima umjetne inteligencije, preduvjetima za njezinu primjenu i otpornosti poslovanja.
Spremnost podataka
Krešimir Mlinarić, direktor Span Evolvea, predstavio je podatke istraživanja McKinseyja prema kojima 80 posto ispitanika kaže da im umjetna inteligencija povećava osobnu produktivnost, dok 37 posto kompanija navodi određeni učinak na dobit prije kamata i poreza na razini organizacije.
“Imamo 80 posto ljudi u organizaciji koji kažu da su postali produktivniji, a s druge strane njihove organizacije uopće nisu produktivnije. Veća učinkovitost pojedinaca ne donosi nužno korist cijeloj kompaniji ako se ne promijene poslovni procesi i način organizacije rada”, rekao je Mlinarić.
PwC-ovo istraživanje pokazalo je da je samo 12 posto kompanija zahvaljujući umjetnoj inteligenciji istodobno povećalo prihode i smanjilo troškove. Više od polovine direktora, njih 56 posto, izjavilo je da njihove kompanije nisu ostvarile ni rast prihoda ni smanjenje troškova zahvaljujući toj tehnologiji, dok je 22 posto navelo da su im troškovi porasli. Rezultati pokazuju da samo uvođenje umjetne inteligencije ne jamči i bolje financijske rezultate.
Petar Galeković, viši direktor za poslovna rješenja za velike poslovne sustave u Spanu, upozorio je da kompanije često više razgovaraju o tome što žele postići umjetnom inteligencijom nego o tome jesu li za njezinu primjenu spremne. “Prije odabira alata potrebno je provjeriti kvalitetu podataka, sustave i poslovne procese. Ako su podaci neuredni, nepotpuni ili razbacani po nepovezanim sustavima, AI neće riješiti problem, nego ga može dodatno zakomplicirati.
“Generativni AI koristi se za pretraživanje dokumenata i izradu nacrta tekstova, no veći potencijal leži u autonomnim agentima koji obavljaju složenije zadatke. Za njihovu primjenu potrebni su kvalitetni, strukturirani podaci i jasan poslovni kontekst. Dobro pripremljeni podaci omogućuju razvoj i primjenu manjih, bržih i jeftinijih AI modela”, rekao je Galeković.
Mlinarić je upozorio da bi kupci AI agentima mogli prepustiti usporedbu ponuda različitih tvrtki i odabir proizvoda ili usluga za kupnju, pa će tvrtkama biti važno jesu li njihove ponude razumljive i relevantne tim sustavima.
Glavni izvršni direktor Spana Nikola Dujmović upozorio je da kompanije moraju pronaći ravnotežu između korištenja podataka i njihove zaštite. “Ako podatke ne želimo dijeliti s AI sustavima, ne možemo očekivati ni punu korist od njih”, poručio je, istaknuvši važnost tehnološke suverenosti i kontrole nad podacima. Budući da se najnapredniji AI modeli razvijaju u relativno malom broju zemalja, njihova primjena otvara i pitanja ovisnosti o stranim tehnologijama, sigurnosti podataka i utjecaja na poslovno odlučivanje.
Naglasio je da brži rad pojedinaca ne znači nužno veću produktivnost organizacije. Tvrtke zato moraju jasno odrediti problem koji žele riješiti umjetnom inteligencijom i mjeriti rezultate, uz odgovarajuću zaštitu podataka i sigurnosne kontrole.
Govoreći o automatizaciji, istaknuo je važnost ljudske kreativnosti i prosudbe. “AI agenti mogu automatizirati zadatke i pomoći u analizi, ali ljudi su i dalje ključni u nepredviđenim okolnostima i razvoju novih poslovnih strategija”, kazao je.
Upozorio je i da bi automatizacija početničkih poslova mogla smanjiti zapošljavanje juniora, čime bi kompanije dugoročno mogle ostati bez budućih stručnjaka koji iskustvo stječu upravo na tim pozicijama.
Podaci, ciljevi, priprema
“Kako ćemo imati seniore ako ne budemo zapošljavali juniore i omogućili im da uče? Kad seniori odu u mirovinu, tko će ih zamijeniti ako nismo razvijali nove generacije stručnjaka?”, zapitao se Dujmović.
Kao primjer neadekvatne pripreme za primjenu umjetne inteligencije naveo je britansku korporaciju s tradicijom dugom oko 150 godina koja je željela razviti AI platformu za prodaju. Projekt nije ostvario očekivane rezultate jer podaci i poslovni procesi nisu bili dovoljno pripremljeni, a cilj nije bio jasno definiran. “Tehnologija sama po sebi ne može nadomjestiti kvalitetne podatke, jasne ciljeve i pripremljenost organizacije”, naglasio je.
Otpornost poslovanja opisao je kao sposobnost prilagodbe i izlaska iz krize spremnijim nego prije. “Tračnice iza nas više ne postoje”, poručio je, istaknuvši potrebu stalne prilagodbe promjenama.
