Sztuczna inteligencja miała być hitem, który przyspieszy pracę i obniży koszty. Na razie biznes ma w tej sprawie odmienne zdanie: większość pierwszych wdrożeń AI kończy się niepowodzeniem. Zjawisko opisują „Rzeczpospolita” i „Parkiet”, powołując się na analizy sieci badawczej MIT NANDA, raport ABB oraz globalne badanie Bain & Company. Skala problemu jest wyraźna: dotyczy zarówno projektów generatywnej AI, jak i szerszych wdrożeń w przedsiębiorstwach.

95 proc. pilotaży bez mierzalnego efektu

Jak wynika z analiz sieci badawczej MIT NANDA, na które powołuje się „Rzeczpospolita”, aż 95 proc. pilotaży generatywnej sztucznej inteligencji nie przyniosło mierzalnego efektu w rachunku zysków i strat. Dziennik podaje również, że trzy na pięć pierwszych wdrożeń AI w biznesie kończy się niepowodzeniem.

W tekście „Parkietu” pojawia się podobny wniosek: inwestycje, które miały przyspieszać i zwiększać skuteczność działania firm, w wielu przypadkach mają odwrotny skutek. Część przedsiębiorstw musiała zwolnić tempo. Zdaniem „Parkietu” winna nie jest technologia, lecz przedsiębiorstwa, które nie były gotowe na wdrożenie. Pierwsze doświadczenia z AI w firmach nie potwierdzają więc optymistycznych zapowiedzi.

Co blokuje projekty AI?

Raport ABB wskazuje, że za problemami stoją przede wszystkim dane, rozproszone systemy i brak strategii. Do tego dochodzą konkretne bariery organizacyjne. Najczęściej wymieniane to:

  • ograniczenia organizacyjne i budżetowe — 50 proc.,
  • wymogi regulacyjne — 41 proc.,
  • procedury wewnętrzne — 28 proc.,
  • brak długofalowej strategii — 25 proc.

Eksperci, do których odwołuje się „Rzeczpospolita”, zwracają uwagę, że firmy często zaczynają od technologii, zamiast najpierw uporządkować procesy i określić, jaki konkretny efekt biznesowy chcą osiągnąć. Innymi słowy: decyzja o wdrożeniu bywa podejmowana szybciej niż analiza, czy organizacja jest do niego gotowa.

Ludzie, dane i rosnące koszty

Wąskim gardłem – jak to ujmuje „Rzeczpospolita” – okazują się także ludzie. 72 proc. prezesów inwestuje w rozwój nowych kompetencji pracowników, ale przedsiębiorstwa wciąż mają problemy ze znalezieniem specjalistów od integracji danych, architektury rozwiązań, cyberbezpieczeństwa i zarządzania zmianą.

Jarosław Sokolnicki, współzałożyciel exeAI, mówi „Rzeczpospolitej”:

Firmy kupują licencje, budują piloty, szkolą zespoły i eksperymentują z agentami. Użytkownicy widzą produktywność, zarządy widzą rosnące koszty, a wynik operacyjny często pozostaje bez zmian.

Ta wypowiedź obrazuje rozdźwięk między poziomem operacyjnym a finansowym: jedno to codzienna produktywność widoczna użytkownikom, a drugie – efekt w rachunku wyników. Słowa te współgrają z danymi MIT NANDA o braku mierzalnego efektu w rachunku zysków i strat.

Polskie firmy: priorytet bez powszechnych wdrożeń

Mimo tych trudności AI pozostaje w Polsce jednym z priorytetów inwestycyjnych przedsiębiorstw produkcyjnych. „Rzeczpospolita” pisała, że tylko co piąte z nich prowadzi obecnie pilotażowe wdrożenia. „Parkiet” doprecyzowuje, że chodzi o pilotażowe przemysłowe wdrożenia i że tylko co piąty podmiot je prowadzi — wynika to z badań ABB.

Sztuczna inteligencja jest przy tym najczęściej wskazywanym priorytetem inwestycyjnym na najbliższe trzy lata wśród polskich producentów. Część firm traktuje jednak AI jak kolejny projekt IT, a nie jak element strategicznej transformacji biznesu. Z danych wynika, że w Polsce AI jest na razie na etapie pilotaży, a nie powszechnych wdrożeń. To pokazuje różnicę między deklarowanymi planami a bieżącą praktyką.

Koniec epoki samych deklaracji

Deklarowanie inwestycji w AI już nie wystarcza. Zarządy oczekują konkretnych wskaźników: wzrostu produktywności, niższych kosztów czy szybszych procesów. Takie wskaźniki mają zastąpić ogólne deklaracje o stawianiu na sztuczną inteligencję. Sam zakup licencji i budowa pilotaży to za mało, by mówić o udanej transformacji.

Globalne badanie Bain & Company, na które wskazuje „Rzeczpospolita”, pokazuje jednak, że na razie efekty bywają odległe od założeń: 59 proc. szefów firm ocenia, iż ich organizacje osiągają tylko część zakładanych efektów transformacji AI.