Dirbtinio intelekto ateitis 2026-aisiais: ką svarbu žinoti

Dauguma generatyvinio DI projektų užstringa dar prieš pasiekdami apčiuopiamą vertę

DI banga tikra. Rezultatai - ne visada. Matome, kaip komandos išleidžia tūkstančius bandomiesiems projektams, kurie taip ir nepasiekia realios gamybos stadijos. Lieka tik prarasti biudžetai ir nusivylimas.

Kodėl tai svarbu? Nes DI ateitį formuos ne demonstracijos ar pažadėti rezultatai, o tai, ką įmonės geba realiai įdiegti, valdyti ir palaikyti. Microsoft AI tendencijų ataskaita (opens in new tab) prognozuoja, kad DI agentai taps tikrais komandos nariais. Bet perspėja - tik tos organizacijos, kurios išmoks užtikrinti pasitikėjimą ir įveikti valdymo kliūtis, galės diegti sprendimus dideliu mastu.

Nemaloni tiesa: garsioji „30% DI vertės taisyklė“ - mitas. Gyvenime dauguma įmonių mato naudą tik mažais etapais, o ne vienspalviais perversmais. Todėl mes ne tik skaičiuojame prognozes, bet ir ieškome apčiuopiamų pergalių, kurias kiti nuvertina.

DI ateitis 2026-aisiais nepriklausys nuo triukšmo ar įspūdingų demo. Ją kurs tie, kurie moka nustumti šurmulį į šalį ir statyti tai, kas veikia jau šiandien.

DI dabartis: Triukšmas, lyderiai ir griežta realybė

Didžiausios DI įmonės

Kalbant apie dirbtinį intelektą, dažniausiai minimos didžiosios technologijų įmonės - „OpenAI“, „Google“, „Microsoft“ ir „Amazon“. Jos nuolat figūruoja naujienose ir konferencijose, todėl dažnai būtent jos formuoja supratimą, kur link juda DI. Tačiau toks fokusas ne visada parodo visą vaizdą.

Svarbiausi pokyčiai dažnai gimsta ne iš valdybos posėdžių, o iš mažų, koncentruotų komandų, kurios sumaniai sprendžia konkrečią problemą. Pavyzdžiui - Midjourney: jų proveržiai generatyvinio meno srityje priverčia sekti paskui.

Kas iš tikrųjų pirmauja dirbtinio intelekto srityje?

Vis ginčijamasi, kuri šalis šiandien yra dirbtinio intelekto lyderė. Ar tai Kinija su savo duomenų mastu, ar Silicio slėnis su savo technologijų ekosistema? Iš praktikos matome viena: kur dirba stipriausi talentai, ten ir kuriama didžiausia vertė - geografija čia turi vis mažiau reikšmės.

MIT Technology Review analizė (opens in new tab) prognozuoja, kad iki 2026 m. atviri Kinijos DI modeliai bus naudojami vis daugiau pasaulinių produktų. Tačiau verta pažvelgti, kur iš tikrųjų gyvena ir dirba šiuos sprendimus kuriantys inžinieriai. Stipriausios komandos šiandien išsidėsčiusios nuo Toronto iki Bangalore ir Berlyno, bendradarbiaujančios per „Slack“ kanalus net vidurnaktį.

Lyderystę šioje srityje įgyja tos įmonės, kurios geba pritraukti aukščiausio lygio talentus, nepriklausomai nuo jų pilietybės ar kilmės.

Taip pat nereikėtų aklai tikėti eksponentinio augimo pažadais, neatsižvelgiant į kontekstą. Vanguard 2026 ekonomikos prognozė (opens in new tab) numatokad dirbtinis intelektas JAV BVP augimą padidins vos apie 2,25 %, nepaisant milžiniškų investicijų. Tikrasis poveikis formuojasi palaipsniui, o ne per vieną naktį.

DI realybėje: Mūsų klientų istorijos

Teoriškai DI sprendimai žada greitus proveržius, tačiau realybėje diegimas yra gerokai sudėtingesnis ir ne toks nuspėjamas.

Esame kūrę individualius kalbos modelius mažmeninės prekybos komandoms, kurios dar prieš metus net nebuvo susidūrusios su Python. Vienas atvejis ypač įstrigo: jau antrą sprinto savaitę su e. komercijos klientu mūsų modelis pradėjo žymėti „pristatymo riziką“ užsakymuose dar prieš tai, kai jų ERP sistema apskritai pastebėjo besiformuojančią vėlavimų eilę.

Tačiau ne kiekviena sėkmė atsiduria antraštėse ar atvejų analizėse. Pavyzdžiui, mėginome automatizuoti sąskaitų nuskaitymą logistikos įmonei, naudodami standartines vaizdo atpažinimo API. Sprendimas visiškai „subyrėjo“ susidūręs su ranka rašytomis lietuviškomis sąskaitomis. Iš šios nesėkmės išmokome ne mažiau nei iš sėkmingų projektų.

Kalbant apie dirbtinio intelekto ateitį 2026 metais, realią persvarą įgis ne tie, kurie daugiausia kalba apie DI, o tie, kurie jau šiandien diegia sprendimus, sprendžiančius konkrečias verslo problemas.

Mūsų požiūris: DI, kuris veiks 2026-aisiais

Ar jūsų organizacija iš tikrųjų pasirengusi DI diegimui?

Dauguma įmonių imasi DI sprendimų dar tam nepasiruošusios - pirmiausia vejasi įrankius, o tik vėliau pradeda tvarkyti pagrindus. Prieš imantis bet kokio techninio sprendimo, verta trumpam sustoti ir įsivertinti situaciją. Atsakykite sau atvirai - tai padės suprasti, kiek jūsų organizacija iš tiesų pasirengusi.

Duomenų infrastruktūra

• Duomenys, su kuriais dirbame, nėra išmėtyti po atskiras sistemas.
• Turime bent 12 mėn. duomenis, kad galėtume analizuoti ir automatizuoti pasirinktus procesus.
• Duomenų kokybė yra pakankama, kad procesai veiktų stabiliai ir be nuolatinių nesklandumų.
• Aišku, kas organizacijoje atsakingas už duomenų tikslumą ir tvarką.
• Jau reguliariai sekame bazinius KPI (konversijas, procesų laiką, klaidų dažnumą).

Komandos pasiruošimas

• Vadovai gali tiksliai įvardyti, kokias problemas DI turėtų spręsti (ne tiesiog „reikia DI“).
• Bent vienas komandos narys supranta, kaip tarpusavyje yra susijusios sistemos ir turi prieigos teises.
• Komanda yra pasirengusi keisti darbo eigą, o ne laikytis principo „taip visada darėme“.
• Pirmąjį mėnesį galime skirti 5-10 val. per savaitę testavimui ir tobulinimui.
• Esame pasirengę sustoti ar keisti kryptį, jei per pirmas 30 dienų sprendimas nepasiteisina.

Procesų aiškumas

• Aiškiai suprantame, kaip darbai realiai vyksta šiandien, įskaitant nestandartines situacijas ir išimtis.
• Žinome, kurios užduotys kiekvieną savaitę atima daugiausia laiko.
• Procesai dažniausiai vyksta pagal pasikartojančius modelius, net jei pasitaiko pavienių išimčių.
• Įvardijome bent tris pasikartojančias užduotis, tinkamas automatizavimui.
• Galime aiškiai apibrėžti, kaip atrodys sėkmė - greičiau, pigiau ar tiksliau.

Biudžeto realybė

• Esame numatę 15 000-50 000€ biudžetą DI testavimams per artimiausius 6-12 mėn.
• Vadovybė supranta, kad investicijų grąža matuojama mėnesiais, ne savaitėmis.
• Esame pasirengę netikėtoms išlaidoms - duomenų valymui, integracijoms, mokymams.
• Neatsisakysime projekto vien dėl to, kad pirmasis bandymas neparodė idealių rezultatų.
• Turime biudžetą nuolatinei priežiūrai, ne tik diegimui.

Atitiktis ir rizika

• Žinome, kokie teisės aktai taikomi mūsų duomenims ir jų naudojimo atvejams.
• Prieš diegimą peržiūrime tiekėjų sutartis ir duomenų tvarkymo sąlygas.
• Suprantame, kur ir kaip yra apdorojami bei saugomi mūsų duomenys.
• Esame įvertinę galimas šališkumo ir rizikos problemas klientams skirtuose sprendimuose.
• Esame pasiruošę dokumentuoti DI sprendimus, jei to prireiktų.

Kaip vertinti rezultatą

• 20-25 taškai: Esate pasiruošę. Galima pradėti nuo vieno aiškaus bandomojo projekto ir palaipsniui plėsti sprendimą.
• 15-19 taškų: Esate arti, tačiau pirmiausia verta sutvarkyti spragas - dažniausiai tai duomenų kokybė arba procesų aiškumas.
• 10-14 taškų: Reikėtų stabtelėti. Pradėjus dabar, tikėtina bus švaistomas biudžetas. Geriau skirti 2-3 mėnesius pagrindų sustiprinimui.
• Mažiau 10 taškų: Dar ne laikas, bet viskas tvarkoje.Pradėkite nuo procesų aprašymo ir duomenų sutvarkymo, tik po to galvokite apie DI.

Esame matę įmonių, kurios, turėdamos labai silpną pasirengimą, vis tiek bandė diegti DI vien todėl, kad „taip daro visi“. Rezultatas dažniausiai tas pats - išleistas biudžetas, vidutiniai rezultatai ir išvada, kad „DI mums neveikia“.

O organizacijos, kurios turi tvirtą pagrindą, dažnai pamato grąžą per pirmus šešis mėnesius. Ne todėl, kad naudoja geresnius įrankius, o todėl, kad buvo pasiruošusios.

Dirbtinis intelektas neišspręs chaotiškų procesų ar netvarkingų duomenų. Jis tik sustiprins tai, ką jau turite - tiek gerus, tiek blogus dalykus.

Kaip DI kuria vertę kasdienėje veikloje

Dauguma įmonių vis dar reaguoja į dirbtinio intelekto naujienas ir antraštes. Mes žiūrime kitaip. Kiekvieną projektą laikome procesu, kuriame klientai patys kuria pokytį, o mūsų vaidmuo - padėti jiems išsigryninti kryptį ir priimti aiškius sprendimus.

2026 metais bus daug kalbama apie dar galingesnius modelius, spartesnę infrastruktūrą ir naujas milžiniškas investicijas. Tačiau visa tai mažai reiškia, jei kasdienybėje komanda vis dar paskendusi rankiniuose, pasikartojančiuose darbuose. Tikroji dirbtinio intelekto vertė atsiskleidžia ne pristatymuose, o paprastą darbo dieną - tada, kai procesai tampa lengvesni ir aiškesni.

Vienam mūsų klientui mažmeninėje prekyboje kasdien tekdavo po kelias valandas rankiniu būdu tvarkyti sąskaitas. Tai ne teorinė problema, o realus nuovargis ir prarastas laikas. Mes pirmiausia stebėjome, kaip iš tikrųjų vyksta darbas, susidėliojome visą procesą ir tik tada pritaikėme sprendimą, atitinkantį jų realias sąlygas.

Pirmasis bandymas nebuvo tobulas. Kai kurios situacijos buvo neįvertintos, o klaidų laikinai net padaugėjo. To neslėpėme. Kartu su komanda peržiūrėjome kiekvieną atvejį, pakoregavome eigą ir patobulinome sprendimą. Po mėnesio rezultatas buvo akivaizdus: darbas, kuris anksčiau trukdavo valandas, tapo kelių dešimčių minučių užduotimi, o rankinių klaidų praktiškai neliko. Žmonės galėjo susitelkti į klientus, o ne į mechaninį suvedimą.

Dažnai sakoma, kad dirbtinis intelektas pakeis žmones. Mūsų patirtis rodo priešingai. Automatizavimas kelia baimę tik tol, kol tampa aišku, kad jis pašalina nuobodžias, mažai vertės kuriančias užduotis ir atveria erdvę prasmingesniam darbui.

Tas pats kartojasi įvairiose srityse. Didžiausią poveikį sukuria ne garsūs sprendimai ar didelės investicijos, o nuoseklūs, iš pirmo žvilgsnio nedideli patobulinimai.

Daugelis vadovų nepastebi vieno dalyko: dirbtinio intelekto nauda neatsiranda per naktį. Ji kaupiasi palaipsniui. Tačiau per kelerius metus toks augimas iš esmės pakeičia darbo pobūdį. Finansų komanda nepraranda savo vaidmens - jis tiesiog evoliucionuoja. Iš rankinio darbo pereinama prie analizės, įžvalgų ir strateginių sprendimų.

Didžiausia klaida - arba tikėtis staigaus lūžio, arba manyti, kad niekas nepasikeis. Pokytis jau vyksta. Jis tiesiog nėra triukšmingas. Ir būtent todėl jis dažnai lieka nepastebėtas.

Kaip vedame klientus per DI kelionę

Mes niekada nežadame stebuklų ar greitų pokyčių. Rinka jau pilna neįgyvendintų pilotinių projektų ir pamirštų chatbotų. Todėl vietoje pažadų renkamės atvirą, nuoseklų darbą kartu su vadovais

Pirmiausia stebime, kaip iš tikrųjų vyksta darbas. Ne tik procesų diagramos, bet ir netipinės, sudėtingos situacijos.

Toliau pereiname prie greitų prototipų kūrimo, paremtų tikrais duomenimis, o ne demonstracinėmis versijomis. Leidžiame komandai testuoti, klausti ir „laužyti“ sprendimą tol, kol jis atlaiko realias sąlygas.

Kai tampa aišku, kad reikia keisti kryptį (o tai neišvengiama), sakome tai atvirai: „Šis sprendimas dar neveikia.“ Vienas pavyzdys - logistikos įmonė, bandžiusi naudoti standartinius OCR sprendimus dokumentų atpažinimui. Tikslumas sustojo ties 62 %. Vietoje bandymo „išspausti daugiau“ iš netinkamo įrankio, kartu atsisakėme šio kelio ir kūrėme sprendimą iš naujo - remdamiesi realiomis, kasdien naudojamomis formomis, o ne idealiais PDF failais.

Žvelgdami į priekį, manome, kad iki 2030 metų sėkmingos organizacijos dirbtinį intelektą matys ne kaip atskirą technologiją, o kaip nuolatinį procesą. Tai bus kelionė, kurioje komandos keičiasi kartu su įrankiais, o sprendimai kuriami atsižvelgiant į žmogišką kontekstą, o ne teorinius modelius.

Norint pasiekti realių rezultatų ateities dirbtinio intelekto pasaulyje, lyderiams reikia ne ne daugiau triukšmo (opens in new tab), o daugiau aiškumo, atvirumo ir žmogiškos partnerystės.

Ar pusė šiandienos profesijų pasikeis ar išnyks?

Daugelis įmonių, kalbėdamos apie dirbtinio intelekto ateitį 2026 metais, nepastebi esmės. Jos mato efektyvumą ir kaštų mažinimą, bet ignoruoja žmogiškąją pusę. Mūsų pozicija aiški: iki 2030 metų pusė šiandieninių profesijų atrodys visiškai kitaip. Kai kurios išnyks. Kitos pasikeis taip stipriai, kad net neturės dabartinių pavadinimų. Tai ne prognozės - tai jau vyksta.

Pavyzdys iš praktikos: praėjusiais metais dirbome su logistikos įmone, kuri automatizavo pirkimo užsakymų procesą. Darbas, kuriam anksčiau reikėjo penkių žmonių, dabar telpa į vieno specialisto atsakomybę, kuris sprendžia tik išskirtines situacijas. Likę darbuotojai buvo perkvalifikuoti arba perkelti į kitas roles.

MIT tyrimas (opens in new tab) rodo, kad dauguma įmonių vis dar blaškosi tarp bandomųjų projektų, ne didelio masto diegimo. Tikras pasiruošimas - tai pergalvoti procesus, o ne tiesiog pridėti įrankių.

Automatizacija sparčiai įsibėgėja ir ofisiniuose darbuose. Tai ypač paliečia finansus, klientų aptarnavimą, atitiktį reikalavimams ir bazinį turinio kūrimą. Jei jūsų darbas daugiausia paremtas taisyklėmis ar pasikartojančiomis užduotimis - pokyčių tikėtis reikėtų jau artimiausiu metu.

Trys rolės, kurių DI nepajėgs pakeisti

Dažnai girdime frazę: „dirbtinis intelektas atims visus darbus“. Mūsų požiūris kitoks. Yra trys sritys, kuriose technologijos pasiekia ribą, nes jos negali atkartoti to, kas iš esmės yra žmogiška: kūrybos, strateginio sprendimų priėmimo ir gilių žmogiškų santykių.

Pirmoji - kūrybinė kryptis. Ne mechaninis dizaino ar turinio gaminimas pagal šablonus, o gebėjimas sugalvoti naujus produktus, prekių ženklus ir prasmingas istorijas nuo nulio. Dirbant su vienu mažmeninės prekybos klientu, jokie modeliai nebūtų pakeitę įžvalgų, kurios atsirado kalbantis gyvai su pirkėjais - tais, kurie kasdien patiria nepasitenkinimą stovėdami eilėse prie kasų. Tokios patirtys gimsta tik per tiesioginį žmogišką kontaktą.

Antroji - strateginis vadovavimas. Dirbtinis intelektas gali apdoroti didžiulius kiekius duomenų, tačiau jis nekuria krypties neapibrėžtumo sąlygomis. Jis nepriima sprendimų, kai rizika didelė, ir neįtikina investuotojų tikėti vizija sudėtingais laikotarpiais. Strategija vis dar reikalauja atsakomybės, intuicijos ir gebėjimo veikti be pilnos informacijos.

Trečioji - santykiais grįsti vaidmenys. Pasitikėjimo kūrimas išlieka nepakeičiamas tiek derybose, tiek vedant komandas per reikšmingus pokyčius. Technologijos gali padėti, bet jos negali sukurti ryšio, kuris gimsta per patirtį, empatiją ir žmogišką atsakomybę.

Ne veltui vis daugiau dėmesio skiriama ir dirbtinio intelekto riboms. Žiniasklaidoje daugėja diskusijų apie pokalbių sistemų poveikį psichikos sveikatai, o Stanford HAI (opens in new tab)tyrėjai perspėja apie pavojingus šališkumus, „ypač nagrinėjant sudėtingus psichikos sveikatos atvejus. Tai dar kartą parodo: visuomenės nerimas vis dažniau kyla ne dėl to, ką DI gali padaryti, o dėl to, kur jis susiduria su žmogiškomis ribomis.

Sunkiausi klausimai: kaip pasiruošti

Matome, kaip klientus sukausto nežinomybė bandant suprasti, kurie dabari išnyks iki 2030-ųjų.

Tikrasis iššūkis slypi ne technologijose, o žmonėse - jų perkvalifikavime ir pokyčių valdyme. Goldman Sachs prognozuoja (opens in new tab), kad daugiau nei 500 mlrd. JAV dolerių, investuotų į DI „Big Tech“ sektoriuje, turės gana ribotą poveikį, nes organizacijos vis labiau orientuosis į apčiuopiamą grąžą, o ne į pažadus.

Dažnai girdime argumentą, kad „visi tiesiog išmoks promptų rašymo“. Tai pernelyg supaprastina realybę. Žmonėms reikia ne tik naujų įgūdžių, bet ir aiškios istorijos apie tai, kur jie juda - kas laukia jų ateityje, o ne tik koks bus jų kitas pareigų pavadinimas.

Ateitis priklauso lyderiams, kurie kuria prasmingas DI istorijas

Tai matėme savo akimis: ilgalaikiai rezultatai atsiranda tada, kai dirbtinis intelektas suvokiamas ne kaip technologijų lenktynės, o kaip žmogiška kelionė. Mūsų klientai ne tiesiog „pridėjo algoritmų“ - jie iš esmės perrašė tai, kaip jų komandos sprendžia problemas ir aptarnauja klientus. Taip viena finansų įmonė sutrumpino sąskaitų apdorojimą nuo aštuonių valandų iki dvidešimties minučių.

Artimiausi metai bus palankūs tiems, kurie kiekviename DI diegimo etape kuria pasitikėjimą ir aiškumą. Technologijų demokratizacija mažins įėjimo barjerus, tačiau tik tie lyderiai, kurie kasdienius sprendimus grįs etika ir atsakomybe, pelnys tikrą lojalumą - tiek iš klientų, tiek iš talentų.

Mes tikime, kad 2026-ieji priklausys lyderiams, kurie investuoja į aiškią kryptį, įgalina drąsias komandas ir renkasi partnerius, pasirengusius kartu kurti sąžiningą pažangą, o ne pardavinėti stebuklingas formules.

Kaip galime padėti

Kaip galime padėti

„Mygom.tech“ dirbame su įmonėmis, kurios nori daugiau nei dar vieno DI eksperimento. Padedame pereiti nuo neaiškių pilotų ir pažadų prie sprendimų, kurie realiai veikia kasdienėje veikloje. Mūsų patirtis apima ir nesėkmes, ir proveržius - todėl žinome, kur DI dažniausiai stringa ir kaip tą išspręsti dar prieš sudeginant laiką ar biudžetą.

Jei atpažįstate save šiame tekste, verta pasikalbėti (opens in new tab). Pradėsime nuo sąžiningo pokalbio apie jūsų situaciją: kur esate šiandien, kas realiai įmanoma ir kur DI gali (ar negali) sukurti apčiuopiamos vertės.

Kartais didžiausia pažanga prasideda ne nuo technologijos, o nuo teisingo sprendimo, kada ir kaip jį taikyti.