Novi izvještaj istraživačke inicijative MIT NANDA otkriva da unatoč velikim očekivanjima, gotovo 95% pilot projekata generativne umjetne inteligencije u kompanijama ne donosi očekivane rezultate. Ovaj tekst detaljno analizira razloge iza ovih neuspjeha, te što uspješni primjeri mogu naučiti ostale.
Generativna umjetna inteligencija i prijelomni izazovi u poslovanju
Generativna umjetna inteligencija, koja uključuje napredne modele sposobne za stvaranje teksta, slika i drugih sadržaja, obećava značajne koristi u različitim poslovnim procesima. Ipak, izvještaj The GenAI Divide: State of AI in Business 2025, temeljen na podacima prikupljenim kroz 150 intervjua s industrijskim liderima, anketom između 350 zaposlenika i pregledom 300 primjera primjene AI, pokazuje zabrinjavajuću statistiku – većina pilot projekata zapinje već na samom početku.
Samo oko 5% kompanija uspjeva ostvariti brzu i mjerljivu financijsku korist od svojih AI inicijativa. Većina projekata ne postiže utjecaj na dobit i gubitak, ostajući nedovoljno usklađena s organizacijskim potrebama i procesima.
Ključni razlozi neuspjeha implementacije generativne AI
Glavni problem nije u tehnologiji ili kvaliteti AI modela, već u tzv. “praznini u učenju” unutar organizacija. To znači da tvrtke često nemaju dovoljno iskustva niti odgovarajuće strategije za integraciju ovih alata u svoje radne tokove. Dok su popularni alati poput ChatGPT-a učinkoviti za pojedince zbog svoje fleksibilnosti, oni nisu prilagođeni specifičnim potrebama velikih organizacija.
Izvještaj također ističe neracionalnu alokaciju sredstava: više od pola budžeta za generativnu AI troši se na alate za prodaju i marketing, dok se veći povrat na investiciju pronalazi u automatizaciji administrativnih i back-office funkcija, uključujući smanjenje troškova poslovnog proces outsourcinga te potporu internih operacija.
Što odlikuje uspješne AI projekte?
Uspješnost AI inicijativa uvelike ovisi o pristupu tvrtki. Kompanije koje nabavljaju gotova rješenja od specijaliziranih dobavljača i grade čvrste partnerstva bilježe oko 67% uspjeha, dok tvrtke koje same razvijaju vlastite sustave imaju dvostruko manju stopu uspjeha.
Ovaj trend je posebno izražen u financijskom i reguliranom sektoru gdje je izgradnja vlastitih sustava popularna, ali MIT-ovo istraživanje pokazuje da su takvi projekti najčešće manje uspješni.
Od ključne je važnosti i da ne samo centralne AI timove, već i voditelji direktnih poslovnih jedinica imaju ovlasti i znanja za implementaciju ovih tehnologija. Alati koji se mogu duboko integrirati u postojeće procese i prilagođavati promjenama u organizaciji donose znatno bolje rezultate.
Promjene na tržištu rada
Već sada se jasno vidi da AI mijenja način rada u mnogim industrijama, posebno u korisničkoj podršci i administraciji. Umjesto da tvrtke masovno otpuštaju ljude, češće je da jednostavno ne zapošljavaju nove kad netko ode ili se neki posao privremeno oslobodi. Ove promjene su posebno očite kod poslova koje su prije često vanjskim suradnicima povjeravali zbog niske vrijednosti ili troškova. Sad, kad AI može brzo obaviti te zadatke, te uloge sve manje se trebaju outsourcati ili popunjavati novim radnicima. To pomaže tvrtkama da smanje troškove, ali i da brže reagiraju na promjene u poslovanju. S druge strane, takvi poslovi postaju manje dostupni ljudima, što zahtijeva prilagodbu za one koji se bave ovim vrstama poslova.
Također, izvještaj upozorava na opasnosti “maskiranog” korištenja AI alata poput ChatGPT-a unutar organizacija, što predstavlja izazov za standardizaciju i mjerenje rezultata AI inicijativa.
Budućnost AI u poduzećima: agentni sustavi
Najnaprednije kompanije već sada eksperimentiraju s tzv. agentnim AI sustavima – sustavima koji mogu učiti, pamćenjem prilagođavati svoje ponašanje i djelovati samostalno unutar zadatih granica. Ovakav razvoj može označiti sljedeći veliki korak u evoluciji umjetne inteligencije unutar poslovnih okruženja.
Sažetak
Iako postoji veliki interes i investicije u generativnu umjetnu inteligenciju, glavnina pilot projekata u tvrtkama ne postiže željene rezultate. Razlozi leže u organizacijskim nedostacima, neadekvatnoj integraciji alata i krivom usmjerenju resursa. Uspjeh postižu oni koji se fokusiraju na specifične probleme, razvijaju čvrste partnerske veze te omogućuju uključivanje menadžmenta linijskih odjela u primjenu AI rješenja. Budućnost poslovne umjetne inteligencije bit će obilježena pametnijim, samoučećim agentnim sustavima, koji će podići integraciju i vrijednost AI na novu razinu.
Često postavljana pitanja (FAQ)
1. Zašto većina pilot projekata generativne AI u tvrtkama ne uspijeva?
Većina neuspjeha proizlazi iz nedostatka prilagođene implementacije unutar organizacije. Tvrtke često koriste generičke alate koji nisu integrirani s njihovim specifičnim radnim procesima, a nedostaje im i iskustvo te strategija za učinkovito uvođenje AI-a.
2. Koji su segmenti poslovanja najprofitabilniji za primjenu generativne AI?
Iako se većina investicija ulaže u prodajne i marketinške alate, veći povrat na ulaganje zapravo se postiže automatizacijom back-office funkcija, uključujući smanjenje troškova vanjskog outsourcinga i unaprjeđenje internih operacija.
3. Kako tvrtke mogu povećati šanse za uspjeh u AI projektima?
Uspješnije su one koje kupuju gotova rješenja od stručnih prodavača i grade dugoročne partnerske odnose. Također je ključno da menadžeri u različitim odjelima budu uključeni i imaju ovlasti nadvođenja primjene AI tehnologija.
4. Koju promjenu donosi agentni AI sustav u poslovanju?
Agentni AI sustavi mogu samostalno učiti i prilagođavati svoje funkcije unutar zadanih pravila, što omogućava dublju integraciju u poslovne procese i povećava autonomiju te efikasnost AI rješenja.
Ovaj izvještaj MIT-a daje jasan pregled stanja generativne umjetne inteligencije u poslovnim okruženjima, naglašavajući što je potrebno kako bi organizacije uspješno iskoristile potencijal ove moćne tehnologije.
