Inwestycje rosną, oczekiwania również, jednak problem w tym, że biznes nadal ma trudności z przełożeniem możliwości sztucznej inteligencji na trwałą wartość. Wg najnowszej edycji badania Accenture „Pulse of Change” 82 proc. przedstawicieli kadry zarządzającej deklaruje zwiększenie inwestycji w AI, ale tylko 23 proc. twierdzi, że ich organizacja osiągnęła dzięki tej technologii szeroką i trwałą wartość biznesową. Na początku roku było to 32 proc.
Dane Accenture pokazują, że entuzjazm nie znika, zmienia się natomiast jego charakter. Coraz mniej chodzi o samo pytanie, czy warto wdrażać AI, a coraz więcej o to, co zrobić, żeby rozwiązania, które dobrze wyglądają podczas pilotażu, rzeczywiście zaczęły działać w codziennej pracy.
Liczby nie kłamią
Jak wynika z ankiet, 82 proc. liderów zwiększa inwestycje w AI, a 52 proc. deklaruje, że robiłoby to nawet w przypadku pęknięcia bańki inwestycyjnej. Jednocześnie tylko 10 proc. badanych uważa, że istotna bańka AI rzeczywiście istnieje. Trudno więc mówić o odwrocie od sztucznej inteligencji. Bardziej trafne byłoby stwierdzenie, że biznes przechodzi od fascynacji możliwościami technologii do znacznie bardziej przyziemnego pytania o sposób ich wykorzystania.
To tu pojawia się jeden z paradoksów obecnej fali wdrożeń. Firmy mają dostęp do coraz bardziej zaawansowanych modeli, rosną budżety, pojawiają się agenci AI, a mimo to realna wartość nie rośnie proporcjonalnie do skali inwestycji. Zdaniem Konrada Dróżki, CRO i członka zarządu, Transition Technologies PSC źródła tego rozdźwięku należy szukać przede wszystkim w ludziach.
– Dzięki narzędziom cyfrowym i sztucznej inteligencji mamy dostęp do dużej liczby wysokiej jakości sugestii, ale łatwy dostęp do porad nie gwarantuje jeszcze lepszych decyzji. W większości sytuacji zawodowych jakość współpracy człowieka z AI zależy od osoby, która podejmuje ostateczną decyzję. To ona musi wiedzieć, kiedy zaufać systemowi, kiedy polegać na własnym osądzie i jak połączyć oba źródła informacji – zauważa.
To rozróżnienie będzie miało coraz większe znaczenie. AI może być szybkim źródłem odpowiedzi, ale nie staje się przez to automatycznie dobrym doradcą. Żeby właściwie wykorzystać jego możliwości, trzeba jeszcze wiedzieć, o co zapytać, jak ocenić odpowiedź i kiedy jej nie zaakceptować.
Technologia działa, choć nie zawsze tam, gdzie jej szukamy
Potwierdzają to również badania prowadzone przez Harvard Business School. W eksperymencie obejmującym 758 konsultantów wykorzystanie generatywnej AI pozwoliło wykonywać zadania o ponad 25 proc. szybciej, zwiększyło liczbę wykonanych zadań o ponad 12 proc., a jakość rezultatów była oceniana wyżej o ponad 40 proc. Badacze udowodnili także, że AI nie poprawia wyników w sposób uniwersalny. W przypadku zadań znajdujących się poza obszarem, w którym model radził sobie dobrze, dostęp do AI mógł wręcz obniżać prawdopodobieństwo uzyskania prawidłowego rozwiązania.
To podważa jedno z najprostszych założeń dotyczących cyfrowej transformacji: skoro narzędzie jest dostępne dla wszystkich, wystarczy nauczyć ludzi jego obsługi. W przypadku AI sprawa jest bardziej skomplikowana. Użytkownik musi rozumieć nie tylko sposób działania narzędzia, ale również granice jego zastosowania.
– Biegłość w korzystaniu z AI zaczyna przypominać kompetencję, którą kilkanaście lat temu była sprawna obsługa poczty elektronicznej. Z czasem przestaje być dodatkową umiejętnością, a staje się elementem warsztatu pracy – mówi Dróżka.
Różnica polega na tym, że nauczenie się obsługi skrzynki pocztowej nie wymagało szczególnego namysłu nad tym, czy wiadomość należy potraktować jako wiarygodne źródło wiedzy. W przypadku AI taka ocena jest częścią samego procesu pracy. Dlatego największe wyzwania związane z wdrażaniem sztucznej inteligencji coraz rzadziej dotyczą wyłącznie technologii, a koncentrują się przede wszystkim na sposobie organizacji pracy, jakości danych, odpowiedzialności za decyzje oraz kompetencji osób, które mają z AI współpracować.
Od szkolenia do współpracy
Wraz z dojrzewaniem rynku zmienia się także charakter potrzeb organizacji. Na początku wystarczało pokazać pracownikom, czym jest generatywna AI i jak korzystać z dostępnych narzędzi. Później pojawiła się potrzeba tworzenia zasad korzystania z modeli, wyboru konkretnych zastosowań i zabezpieczenia danych.
Kolejny etap jest trudniejszy, ponieważ dotyczy już nie samego narzędzia, lecz sposobu myślenia o pracy. Pracownik nie potrzebuje wyłącznie instrukcji obsługi kolejnego systemu. Potrzebuje zrozumieć, jak AI może zmienić wykonywane przez niego zadania, które decyzje nadal powinien podejmować samodzielnie i jak weryfikować rezultaty generowane przez model. W praktyce oznacza to przejście od klasycznego szkolenia technologicznego do bardziej ciągłej pracy nad sposobem współpracy człowieka z AI.
– Samo udostępnienie narzędzi nie wystarczy. Organizacja musi stworzyć warunki, w których pracownicy mogą nauczyć się świadomie z nich korzystać, testować różne sposoby pracy i rozumieć, gdzie AI rzeczywiście zwiększa ich skuteczność. Dopiero wtedy można mówić o trwałej zmianie kompetencji, a nie tylko o kolejnym wdrożeniu technologicznym – wskazuje ekspert TT PSC.
To podejście dobrze koresponduje z wnioskami Accenture. Autorzy badania wskazują, że największą przeszkodą w osiąganiu wartości z AI przestaje być sama technologia. Coraz większego znaczenia nabierają przygotowanie pracowników, przeprojektowanie procesów oraz zmiana modeli operacyjnych.
Widać to także w przypadku agentów AI. Niemal połowa badanych organizacji prowadzi ich pilotaże lub wdrożenia, a siedmiu na dziesięciu liderów najwyższego szczebla uważa, że wpływ systemów agentycznych na produktywność pracowników okazał się większy od oczekiwanego. Jednocześnie 81 proc. pracowników deklaruje wzrost własnej produktywności po wprowadzeniu narzędzi AI. To może sugerować, że technologia rzeczywiście dostarcza obiecujących rezultatów. Nie oznacza jednak, że organizacje znalazły już sposób na ich systemowe wykorzystanie.
Homo agentus
Obecna faza rozwoju AI przypomina mniej rewolucję technologiczną, a bardziej zmianę warsztatu pracy. Samo pojawienie się narzędzia nie przesądza jeszcze o jego wartości. Znaczenie ma dopiero to, czy zostanie ono właściwie włączone w sposób wykonywania konkretnych zadań.
Dotyczy to także bardziej zaawansowanych zastosowań, w których AI pracuje na danych organizacji i wspiera procesy realizowane przez zespoły. Jeżeli rozwiązanie pozostaje odseparowane od systemów, danych i rzeczywistych przepływów pracy, łatwo staje się kolejnym narzędziem używanym okazjonalnie. Po początkowym zainteresowaniu pracownicy wracają do wcześniejszych sposobów działania, a organizacja zostaje z kolejnym projektem pilotażowym.
