Per praėjusius metus įmonių, kurios naudoja dirbtinį intelektą (DI) vidinių procesų efektyvinimui, skaičius padvigubėjo, o DI kūrėjai pasiekė net 1.5 kartų didesnį pajamų augimą. Tačiau naujausi tyrimai, pavyzdžiui, MIT mokslininkų 2025 m. rugsėjį paskelbta analizė, rodo, kad 95 proc. įmonių nejaučia apčiuopiamos naudos iš savo investicijų į DI. Kodėl investuojama daug, bet beveik negaunama grąžos?
Viena iš priežasčių yra ta, kad DI įrankiais besinaudojantys darbuotojai pamažu praranda gebėjimus kritiškai mąstyti, mažiau stengiasi dėl rezultato, todėl jų darbus tenka perdaryti kolegoms. Darbuotojai vis dažniau pasitelkia DI, kad produktyviau išnaudotų darbo laiką, pavyzdžiui, kuria pristatymus, rengia ataskaitas, ar net rašo programinį kodą. Vis dėlto, kol vieni DI naudoja rezultatų kokybei gerinti, dauguma juo tik paspartina procesą neatsižvelgdami į rezultatų kokybę.
Remiantis nauju „Harvard Business Review“ tyrimu, 10 000 darbuotojų turinčiai įmonei tokie atvejai sudaro iki 41 proc. visų DI panaudojimo scenarijų, o prarasto produktyvumo sąnaudos gali siekti per 7 mln. eurų per metus. Toks atmestinas požiūris į DI panaudojimą ne tik mažina produktyvumą, bet ir kenkia darbinei atmosferai – net trečdalis darbuotojų teigia, jog gavę tokį „DI pagerintą“ rezultatą iš kolegų ateityje nebenorėtų su jais vėl bendradarbiauti.
Galima teigti, kad daugiausia – apie 70 proc. – už DI diegimo problemas yra atsakingi patys darbuotojai. Kad to išvengti, įmonei svarbu nustatyti aiškias DI naudojimo gaires ir apsibrėžti gerąsias praktikas – kokius įrankius naudoti, kaip, kur ir kada juos pritaikyti.
Šiuo metu DI taikymo lyderių daugiausia yra fintech (49 proc.), programinės įrangos (46 proc.) ir bankininkystės (35%) sektoriuose. „Boston Consulting Group“ apklaustos įmonės teigia, kad daugiau nei pusė DI sukuriamos vertės padeda pagrindinėms verslo funkcijoms: valdymo (23 proc.), pardavimų ir rinkodaros (20 proc.) bei mokslinių tyrimų ir eksperimentinės plėtros (13 proc.) sektoriams; pagalbinės funkcijos bendrai sudaro tik 38 proc. vertės. Subalansuotas DI diegimas tiek pagrindinėse, tiek pagalbinėse funkcijose suteikia įmonėms konkurencinį pranašumą. Pirmaujantys naudotojai integruoja DI į keletą prioritetinių sričių, kad galėtų maksimaliai išnaudoti sukuriamą vertę, didžiausia dėmesį skiriant generatyviniam dirbtiniam intelektui (GDI).
Vienas didžiausių GDI barjerų yra tai, kad beveik 95 proc. įmonių neturi kokybiškų duomenų modelių apmokymui, turi prastas sistemų integracijas. Organizacijos, bandančios išplėtoti savo pačių GDI sprendimus nuo nulio, dažnai patiria nesėkmę, nes dauguma įrankių negali efektyviai „mokytis“, neturi „atminties“ ir prastai integruojasi į egzistuojančius darbo srautus. Tyrimai, rodo, kad net 67 proc. įmonių sėkmingiau integruoja jau sukurtus, rinkoje esančius GDI sprendimus.
Kaip užtikrinti, kad DI diegimas versle būtų sėkmingas?
Pirmiausia, būtina išsikelti aiškius tikslus. Aiškiai įvardykite, kokią problemą bandote spręsti ir kokį rezultatą laikysite sėkme. Tokie tikslai sutaupys laiką ir biudžetą, veiks kaip kelrodis komandai ir padės išvengti nekontroliuojamo projekto apimties didėjimo. Kokius tikslus kelti nuspręskite įvertinę procesus, kuriuose stringa operacinis efektyvumas, pavyzdžiui, apsvarstykite, kur DI galėtų sutrumpinti klientų laukimo laiką ar automatizuoti pasikartojančias užduotis. Tikslus formuluokite konkrečiai, pagal SMART metodą. Vietoje migloto „pagerinti efektyvumą“ vartokite „per 6 mėn. 30% sutrumpinti atsakymo laiką pasitelkiant GDI pokalbių robotus“.
Antra, kadangi DI rezultatų kokybę lemia įvesties duomenys, ankstyvas duomenų paruošimas yra kritiškai svarbus. Pradėkite nuo duomenų kokybės peržiūros: ar jie yra tikslūs, išsamūs, nuoseklūs ir aktualūs jūsų problemai. Jei duomenys prasti, modelių naudojimo rezultatai dažniausiai netenkina, o prognozės tampa netikslios. Svarbus ir duomenų prieinamumas. Jie turėtų būti tvarkingi (struktūruoti), mašininiu būdu nuskaitomi, suderinti tarp sistemų ir prižiūrimi pagal privatumo nuostatus bei gerąsias saugumo praktikas.
Duomenų tvarkos svarbą galima iliustruoti vienu pavyzdžiu – neseniai užbaigėme bendradarbiavimą su viena iš lietuviškųjų viešojo sektoriaus agentūrų. Norėdami su DI įvertinti tūkstančius gaunamų paramos prašymų, agentūros darbuotojai pirmiausia didžiausią laiko dalį skyrė būtent duomenų tvarkymui – laukelių pavadinimų suvienodinimui, supildymui skirtų formų atnaujinimui ir standartizavimui, sukūrė vieningus identifikatorius, įdiegė aiškų duomenų kilmės žymėjimą ir kitas priemones. Tik po šių „namų darbų“ galėjome veiksmingai ir sėkmingai pritaikyti rizikos modeliavimą bei pažangius DI sprendimus.
Trečia, aiški įmonės DI strategija sumažins riziką, taupys mokymų ir diegimo biudžetą, tad skirkite laiko jai parengti. Pradėkite nuo bandomųjų projektų nekritinėse srityse, kur galima aiškiai apibrėžti sėkmės rodiklius. Strategija turi apimti ir būdus DI įrankių saugumui užtikrinti. IBM duomenimis, per pastaruosius metus net 97% organizacijų patyrė tam tikro lygio DI saugumo pažeidimų. Dalis šių pažeidimų yra dėl neoficialių DI įrankių naudojimo. Įdiekite privalomą duomenų klasifikavimą, priegos kontrolę, užtikrinkite DI veiksmų atsekamumą, įskaitant ir „stop“ mygtuką visiškam DI įrankių išjungimui, kurį galėtų paspausti tik žmogus. Imituokite netikras kibernetines atakas, stebėkite nuokrypius ir periodiškai pertreneriruokite modelius su švariais duomenimis. Siekite, kad saugumas taptų organiška vertės kūrimo dalimi.
Galiausiai, sėkmingiems DI projektams įgyvendinti reikia žmonių, kurie vienodai gerai suprastų ir algoritmus, ir verslo procesus. Investuokite į darbuotojų augimą, kad stiprėtų vidiniai pajėgumai ir mokymosi kultūra. Pradėkite nuo bazinio duomenų raštingumo visiems, kokybiškų kursų analitikams ir inžinieriams, organizuokite dirbtuves ir hakatonus. Darbo vietoje kurkite kultūrą, kuri skatina darbuotojus mokytis atpažinti rizikas, riboja nepatvirtintų įrankių naudojimą ir ugdo jų DI žinias.
DI investicijų grąžą lemia ne algoritmai, o tikslumas, tvarkingi duomenys ir darbuotojų parengimas. Įmonės, kurios aiškiai apibrėžia DI tikslus, investuoja į duomenų kokybę, užtikrina sistemos saugumą ir nuosekliai augina darbuotojų kompetencijas, sugebės augti greičiau. Jei įmonės diegs DI sprendimus be konkrečių tikslų, strategijos ir ilgalaikio plano – jų pastangos nepasiteisins ir DI potencialas liks neišnaudotas. Todėl prieš šokant į DI inovacijų laivą yra būtina iš esmės permąstyti kaip suprantame ir organizuojame darbus.
