Zakaj pilotni projekti umrejo ob stiku z vašim podjetjem
Podjetja so umetno inteligenco postavila skoraj povsod in spremenila skoraj nič. Poročilo MIT State of AI in Business 2025 ugotavlja, da 95 odstotkov organizacij nima donosa od porabljenih 30 do 40 milijard dolarjev, vzrok pa niso modeli. Vzrok je to, kar se zgodi, ko pilot zapusti predstavitev in trči ob podjetje.
Modeli delujejo. Prav zato je tistih 95 odstotkov obsodba.
Poročilo MIT State of AI in Business 2025 razkoraku pripiše številko: kljub 30 do 40 milijardam dolarjev naložb 95 odstotkov organizacij nima nobenega donosa od generativne umetne inteligence [S1]. Poročilo vzorec imenuje razkorak generativne umetne inteligence, njegova osrednja ugotovitev pa je tista, ki je nihče noče na prosojnici. Razkoraka ne poganjata kakovost modela ali regulacija, temveč pristop [S1]. Orodja sama so v redu. Več kot 80 odstotkov organizacij je preizkusilo orodja, kot sta ChatGPT in Copilot, skoraj 40 odstotkov jih je uvedlo, a dvigujejo produktivnost posameznika, ne izkaza poslovnega izida [S1]. Pogled s terena to pove bolj naravnost: piloti nimajo merljivega učinka na izid, in to ne zato, ker bi bili modeli šibki [S2].
Če model ni težava, je težava vse tisto, česar predstavitvi ni treba preživeti. Natančneje tri stvari.
Merjenje je prvo, kar predstavitev preskoči.
Le 5 odstotkov vključenih pilotov ustvarja resnično vrednost; ostali stojijo brez merljivega učinka na izid [S1]. Ekipe na napačni strani ponavadi merijo napačno stvar. Piloti padejo, ker stavijo na spremembo vedenja; ekipe z resničnim donosom počnejo nekaj dolgočasnega, in sicer poiščejo, kje delo čez noč obstane, umetno inteligenco postavijo točno v ta korak in merijo čas cikla, ne uporabe [S5]. Uporabo je lahko pokazati in lahko ponarediti. Predstavitev lahko dokaže, da so ljudje orodje uporabili. Ne more dokazati, da je podjetje kaj dobilo nazaj.
Nato model trči ob nered.
Piloti, ki umrejo, umrejo ob stiku z resničnim podjetjem: podedovanimi bazami, službami za skladnost in pokvarjenimi vmesniki, torej neredom, ki se ga predstavitev nikoli ne dotakne [S2]. MIT-jev lijak pokaže, kako strm je padec. Šestdeset odstotkov organizacij je ocenjevalo sisteme poslovnega razreda, le 20 odstotkov jih je prišlo do pilota in le 5 odstotkov do produkcije, večina jih je padla na krhkih potekih dela in neusklajenosti z vsakodnevnim delovanjem [S1]. Številke s terena se ujemajo: 88 odstotkov pilotov nikoli ne pride v produkcijo, le 4 od 33 preživijo do razširitve, uspešnost agentov pa pod produkcijsko obremenitvijo pade s 60 na 25 odstotkov [S3]. Glasovna umetna inteligenca kaže isto obliko, s 97 odstotki uvajanja proti 27 odstotkom produkcije [S4]. Natančna številka se spreminja glede na to, kdo šteje. Smer se ne. Neuspeh se pokaže pod obremenitvijo, potem ko je bil pilot že razglašen za uspeh.
In nihče se ni odločil, kdo sme reči da.
MIT je glede temeljnega vzroka natančen: ovira za razširitev niso infrastruktura, regulacija ali kader, temveč učenje, saj večina sistemov nikoli ne ohrani povratne informacije in se ne izboljša [S1]. Obstaja upravljavska različica iste vrzeli in ta je bolj neposredna. Nasvet s terena je, da pred začetkom naslednjega pilota pregledate infrastrukturo, upravljanje in donos [S3], en primer pa pokaže, zakaj. Sistemski administrator s 23 leti izkušenj je opazoval, kako je sodelavec pomočniku z umetno inteligenco dodelil povišan dostop SSH do resničnega strežnika, ne navideznega stroja, za opravilo, ki bi ga sodelavec lahko opravil sam, in sodelavec pri tem ni videl nič spornega [S6]. Administrator je to označil za varnostni vdor in povedal, da umetni inteligenci ne zaupa niti opravila niti tega, da bi točno poročala, kaj je storila [S6]. To je razkorak v malem. Tehnologija dobi pooblastilo, preden se kdorkoli odloči, kdo odgovarja za posledice.
Vrzel je vrzel v odgovornosti.
Organizacije, ki razkorak premostijo, niso tiste z najboljšimi modeli. Zahtevajo prilagoditev posameznemu procesu, orodja sodijo po poslovnih rezultatih in ne po primerjalnih testih ter zmagujejo z zunanjimi partnerstvi, ki so dvakrat uspešnejša od gradnje v hiši [S1]. Za vodjo se to zvede na tri odločitve, sprejete pred naslednjim pilotom, ne po njem. Vežite ga na poslovno merilo, kot je čas cikla, ne na uporabo [S5]. Vgradite ga v en resničen potek dela namesto v široko stavo na spremembo vedenja [S5]. Poimenujte, kdo odgovarja za to, česa se sistem sme dotakniti [S6]. Razdalja med 97 odstotki uvajanja in 27 odstotki produkcije ni tehnološka vrzel [S4]. Je vrzel v odgovornosti in zapre se z odločitvami, ne z modeli.
Viri