Dlaczego 95% wdrożeń AI nie przynosi wartości biznesowej?

Wg raportu Massachusetts Institute of Technology aż 95% wdrożeń spośród 40 mld USD wydatkowych na generatywną sztuczną inteligencję nie przynosi żadnych efektów finansowych. Ten problem spędza sen z powiek wielu dyrektorom finansowym, którzy czuwają nad rentownością swoich przedsięwzięć.

Przyczyny braku wartości z wdrożeń GenAI

Z ankiety McKinsey & Company wynika, że choć ponad trzy czwarte firm deklaruje wykorzystanie AI w co najmniej jednej funkcji biznesowej, tylko 23% firm zgłasza, że przynajmniej 5% EBIT pochodzi z AI. To wskazuje, że obecnie większość wdrożeń AI odbywa się na zasadzie wydatku na innowacje, a nie inwestycji z określoną stopą zwrotu.

Mając to na uwadze warto zadawać 5 praktycznych pytań, które są kluczowe z punktu widzenia dostarczenia wartości dla organizacji lub firmy z tytułu wdrożeń GenAI:

1. Jakie są główne dźwignie kosztowe w Państwa organizacji?

Na rynku często spotykam się z przekonaniem, że wdrożenie generatywnej sztucznej inteligencji to zadanie technologiczne, dla inżynierów. Nic bardziej mylnego. To element transformacji biznesowej. I jak w przypadku każdego procesu transformacji należy rozpocząć od trzeźwego, krytycznego spojrzenia na organizację z lotu ptaka. Które procesy są najbardziej kosztotwórcze? Czy jest to energia zużywana przez firmowe procesy produkcyjne, koszt materiałów czy może koszt wynagrodzeń? W zależności od odpowiedzi na to pytanie inaczej dobierzemy projekty do wdrożenia. Wdrożenie technologii daje największe efekty wtedy, gdy zostanie zastosowane wobec największych grup kosztowych w organizacji, czy też firmie.

2. Jaki problem chcemy rozwiązać?

Przyczyną braku zwrotu z projektów jest wdrażanie GenAI w sposób wyspowy, zamknięty w ramach jednej funkcji biznesowej np. tylko w obszarze marketingu. Takie rozwiązanie wspiera wprawdzie produktywność poszczególnych osób, odciąża ich od monotonnych zadań, jednak nie na tyle, aby dostarczyć miarodajne efekty finansowe w postaci znacznej redukcji kosztów. Wartość kryje się na styku obszarów biznesowych i w efekcie gruntownego przemodelowania procesów, a nie tylko wsparcia ich narzędziami. Do tego potrzeba jednak otwartości w podejściu do transformacji procesów w swojej organizacji i przekrojowego podejścia.

3. Jak definiować sukces z wdrożenia projektu GenAI?

Większość projektów w GenAI nie posiada określonej definicji sukcesu projektu, a tym bardziej oszacowania jego efektów. Jeżeli w przypadku wdrożenia GenAI w call center nie wiemy, czy naszym oczekiwanym efektem jest np. 80% zadań obsłużonych przez agenta, skrócenie czasu obsługi klienta do 30 sekund czy poprawa satysfakcji klienta, to trudno o wskazanie, czy mówimy o sukcesie z wdrożenia tego narzędzia. Określenie mierników sukcesu jest zatem kluczowe przed rozpoczęciem każdego projektu.

4. Czy zostały uwzględnione wszystkie wydatki z tytułu wdrożenia rozwiązań GenAI, w tym zaangażowanie pracowników?

Gdy siądziemy do opracowania business case’u wdrożenia projektu generatywnej sztucznej inteligencji, czeka na nas wiele pułapek. Najczęstszym błędem jest niedoszacowanie kosztów rozwoju rozwiązania, które mogą iść nawet w setki tysięcy złotych. Często są to skrojone na miarę aplikacje, które wymagają skrupulatnego przygotowania wymagań razem z kilkoma obszarami biznesowymi. Drugim najczęściej popełnianym błędem jest szacowanie nakładów tylko na etap rozwoju projektu. Tymczasem etapem równie ważnym jest utrzymanie rozwiązania i jego dostosowanie do zmieniających się założeń biznesowych i regulacyjnych. Co ważne, każdy z projektów powinien mieć przypisanego opiekuna po stronie biznesu, który zadba o dopasowanie projektu do potrzeb biznesowych organizacji. Warto zatem szacować nie tylko koszty rozwoju technologii, wykorzystanych tokenów, ale również koszty zaangażowania pracowników w ich rozwój i utrzymanie. Może się to odbywać na zasadzie szacunku kosztu alternatywnego – w jakie inne czynności byłby zaangażowany pracownik, gdyby nie obsługiwał tego konkretnego projektu? To ważne rozważania, które pozwolą wziąć pod uwagę wszystkie niezbędne do poniesienia koszty.

5. Czy poza GenAI jest prostsze rozwiązanie biznesowego problemu?

Często spotykam się z chęcią zastosowania GenAI do rozwiązania każdego problemu w organizacji. Jest to efekt popularności tego narzędzia, jednak nie zapominajmy, że mamy do dyspozycji całą paletę innych rozwiązań takich jak zwykła scenariuszowa automatyzacja, robotyzacja (RPA), uczenie maszynowe (ML) i wiele innych. Wśród nich są rozwiązania prostsze i tańsze w zastosowaniu niż GenAI. Dodatkowo zanim siądziemy do wdrożenia GenAI, potrzebujemy dobrze zdefiniować i rozpisać proces, a następnie zastanowić się, w którym momencie możemy wykorzystać to narzędzie. Często, poza wdrożeniem GenAI, potrzebne jest bardziej szczegółowe rozpisanie wszystkich możliwych scenariuszy przebiegu procesu.

Ostatnie lata pokazały, że szybkość pojawiania się nowych modeli LLM znacząco wyprzedziła umiejętność ich wykorzystania w biznesie. Sama technologia nie generuje wartości; dopiero odniesienie jej do konkretnych dźwigni kosztowych i celów operacyjnych pozwala przełożyć ją na wynik finansowy. Jeżeli GenAI zacznie być traktowana nie jako deklaracja innowacyjności, lecz jako narzędzie optymalizacji procesów, wskaźnik nieudanych wdrożeń znacząco spadnie.

W nadchodzących latach przewaga rynkowa będzie wynikała nie z dostępu do najbardziej zaawansowanego modelu, lecz z właściwego doboru i jakości jego adopcji — zdolności do selekcji projektów, opracowania rzetelnych business case’ów i wytrwałej realizacji projektów, które realnie wzmacniają EBIT oraz przepływy finansowe.