
A kép csak illusztráció (Forrás: Pexels)
Egy friss MIT-kutatás szerint a vállalatok többsége hiába fektet komoly erőforrásokat a mesterséges intelligencia bevezetésébe, a generatív AI pilotprogramok elsöprő többsége nem hoz valódi üzleti eredményt.
Az AI ígéret és a valóság közötti szakadék
Az MIT NANDA kezdeményezésének 2025-ös jelentése, The GenAI Divide: State of AI in Business 2025, rávilágít arra, hogy a generatív AI ugyan hatalmas lehetőségeket tartogat, a projektek csupán 5%-a ér el gyors bevételnövekedést. A maradék 95% elakad, és szinte semmilyen kézzelfogható hatást nem gyakorol a vállalatok pénzügyi eredményeire.
A kutatás 150 vezetővel készített interjú, 350 alkalmazott felmérése, valamint 300 nyilvános AI-projekt elemzése alapján készült, írja a yahoo!finance.
Miért bukik el a legtöbb projekt?
A jelentés vezető szerzője, Aditya Challapally szerint nem az AI-modellek minősége a probléma, hanem a „tanulási szakadék” a vállalatok és az eszközök között. A vezetők gyakran a szabályozást vagy a modellek teljesítményét hibáztatják, de a kutatás arra mutat rá, hogy a fő gond a rossz vállalati integráció.
Míg az olyan általános eszközök, mint a ChatGPT, kiválóan működnek egyéni felhasználóknál rugalmasságuk miatt, a vállalati környezetben elakadnak, mivel nem illeszkednek szervesen a munkafolyamatokhoz.
Rossz fókusz a költségvetésekben
A felmérés szerint a vállalatok AI-költségvetésének több mint fele az értékesítési és marketingeszközökre megy el. Ezzel szemben a legnagyobb megtérülés a háttérirodai automatizálásból származik: a folyamatok kiszervezésének kiváltásából, az ügynökségi költségek csökkentéséből és a működés egyszerűsítéséből.
Mi teszi sikeressé az AI-bevezetést?
Az MIT-jelentés szerint a siker kulcsa a beszerzés és az együttműködés. Az AI-megoldások megvásárlása és a specializált beszállítókkal való partnerség az esetek kétharmadában működik, míg a házon belüli fejlesztések csak egyharmadban bizonyulnak eredményesnek.
Ez különösen fontos a pénzügyi szolgáltatások és más szigorúan szabályozott szektorok számára, ahol sok cég saját rendszert próbál építeni – a statisztikák azonban azt mutatják, hogy ezek gyakrabban vallanak kudarcot.
Az alkalmazottak szerepe és az árnyék-AI terjedése
A siker másik kulcsa, hogy ne csak a központi AI-laborokra hagyatkozzanak, hanem a helyi menedzsereket is bevonják az eszközök használatába. Emellett fontos, hogy a választott rendszerek képesek legyenek mélyen integrálódni és idővel alkalmazkodni.
A munkaerőpiacra gyakorolt hatás már most érezhető: különösen az ügyfélszolgálati és adminisztratív feladatoknál nem pótolják a távozó dolgozókat. A változás főleg az alacsony hozzáadott értékű, gyakran kiszervezett munkaköröket érinti.
Mindeközben egyre nő a „shadow AI” használata, vagyis a nem hivatalos eszközök – például a ChatGPT – bevetése a mindennapi munkában. Ez azonban tovább nehezíti az AI-termelékenység és nyereségesség mérhetőségét.
A következő lépés: önállóan tanuló rendszerek
A legfejlettebb szervezetek már az úgynevezett agentikus AI-rendszerekkel kísérleteznek, amelyek képesek tanulni, emlékezni és önálló döntéseket hozni meghatározott keretek között. Ezek a rendszerek adhatják meg a választ arra, hogyan válhat a mesterséges intelligencia valóban értékteremtővé a vállalatok számára.
Kapcsolódó anyagok:
Így használják a cégek az AI-t!
A nyitókép csak illusztráció, forrás: Photo by ThisIsEngineering: pexels