Kodėl DI projektai žlunga ir kaip to išvengti

Jūs tikriausiai matėte šį skaičių - „95 % DI projektų žlunga“. Jis nuolat kartojamas konferencijose, LinkedIn diskusijose, straipsniuose apie dirbtinio intelekto burbulą - bet beveik niekieno nepatikrintas (opens in new tab). O jei vadovaujate verslui ir vis dar dvejojate dėl DI - gal komanda jau naudoja ChatGPT, gal išbandėte vieną kitą įrankį, bet pokyčio taip ir nepajutote - toks skaičius tampa patogiu pretekstu nieko nedaryti. Jei nepasiteisina devyniolika projektų iš dvidešimties, kam rizikuoti savuoju?

Bet toks požiūris klaidina. Mes patikrinome, iš kur tas skaičius apskritai atsirado. Statistika tikra, tik reiškia visai ne tai, ką teigia antraštės. Įsigilinus paaiškėja, kad tai ne raginimas laukti, o veikiau nuoroda, kaip nešvaistyti pinigų.

Iš kur atsirado „95 %“

Ši statistika kyla iš vieno šaltinio: MIT Media Lab projekto NANDA ataskaitos, The GenAI Divide: State of AI in Business 2025 (opens in new tab). Beveik visi, kas kartoja „95 %“, remiasi antrašte apie šį tyrimą, o ne pačiu tyrimu.

Ir labai svarbu, ką ši ataskaita iš tikrųjų matavo. Ji vertino tik vieną dalyką – ar bandomieji DI projektai turėjo apčiuopiamą poveikį įmonės pelnui. Ataskaita neparodė, kad 95 % DI sprendimų neveikė ar sugedo. Ji parodė ką kita: tik apie 5 % bandomųjų DI projektų (opens in new tab)greitai padidino įmonės pajamas, o dauguma neturėjo matomo poveikio rezultatui. Tai rodo ne tai, kad technologija neveikė, o tai, kad iš jos nebuvo gauta nauda. Dažniausiai DI veikė puikiai - tiesiog nepajudino verslo. O tai išspręsti kur kas lengviau nei techninius nesklandumus.

Ne viskas taip paprasta, kaip atrodo

Tie „95 %" atrodo tvarkingai - kol nepradedi gilintis.

Pirma, jis remiasi tik dalimi projektų - būtent individualiais, konkrečioms užduotims kurtais GenAI įrankiais. O apie 40 % įmonių, išbandžiusių universalius kalbos modelius (LLM), juos sėkmingai įsidiegė (opens in new tab). Antra, net pati ataskaitos metodika skirtinguose šaltiniuose pateikiama nevienodai - vienur minima 150 vadovų interviu, (opens in new tab) 350 darbuotojų apklausų ir 300 projektų, kitur pateikiami gerokai mažesni skaičiai. Ir trečia, kritikai abejoja tyrimo patikimumu, anot jų, jei MIT tiki savo išvadomis, (opens in new tab)turėtų paviešinti visus duomenis, o jei ne - tyrimą atšaukti.

Tai nereiškia, kad tyrimas bevertis. Tik tikroji jo išvada skamba kur kas kukliau: dauguma GenAI projektų kol kas neatnešė apčiuopiamos finansinės grąžos. Tiesa, tik tokia antraštė nesusilauktų tiek paspaudimų kaip „95 % žlunga".

Kai tyrimas pats siūlo sprendimą

Yra ir dar vienas svarbus niuansas. Pati ataskaita iškart pasiūlo ir sprendimą, kad viską išspręs pažangesni agentiniai DI sprendimai, kuriuos kuria pati NANDA. Net ir Fortune (opens in new tab), rimtai nagrinėjusi tyrimą, pridūrė: NANDA suinteresuota rodyti, kad esami metodai neveikia, tad į šaltinį verta žiūrėti atsargiai.

Tai dar nereiškia, kad tyrimo išvados klaidingos. Tiesiog tokius DI skaičius dažniausiai skleidžia tie, kurie turi ką parduoti - tai galioja ir mums kaip IT partneriams. Todėl svarbiausia čia ne pats skaičius, o tai, kas už jo slypi.

Tikroji DI projektų nesėkmių priežastis

Tad kodėl tie projektai iš tikrųjų stringa? Tyrimas duoda aiškų atsakymą. Ši dalis nuskamba kur kas rečiau nei pats skaičius, nors yra daug vertingesnė.

Kai DI projektai žlunga, kaltas retai būna pats modelis. MIT tai vadina „mokymosi spraga": komandos tiesiog nemokėjo perkurti procesų taip, kad DI duotų realią naudą. Pats įrankis veikė – tik aplink jį nebuvo jokio proceso. Tą patį rodo ir visos rimtesnės analizės: problema slypi ne modeliuose, (opens in new tab)o prastoje integracijoje ir netinkamai sudėliotuose prioritetuose.

Dar viena klaida - išteklių paskirstymas. Štai kas svarbu: daugiau nei pusė DI biudžetų (opens in new tab) skiriama pardavimų ir rinkodaros įrankiams, nors didžiausią grąžą MIT aptiko vidinių procesų automatizavime- mažinant rangos ir agentūrų išlaidas bei supaprastinant kasdienes operacijas. Įmonės perka tai, kas efektingai atrodo klientui, o nuobodžioms, bet finansiškai naudingiausioms vidinėms sritims dėmesio skiria per mažai.

Ir galiausiai - kaip sėkmingosios įmonės to pasiekė: tos, kurios pirko iš nišinių tiekėjų ar kūrė per partnerystes, sėkmės sulaukė maždaug 67 % atvejų, o dariusios viską savo jėgomis - tris kartus rečiau (opens in new tab).

Ką tai reiškia tiems, kurie dvejoja

Sudėjus šias tris išvadas, vaizdas apsiverčia. Dauguma DI projektų žlunga ne dėl technologijos trūkumų, o dėl to, kaip jie pasirenkami ir valdomi. Sėkmę lemia ne geresni modeliai – juk tuos pačius gali turėti kiekvienas – o keli paprasti, nuoseklūs žingsniai: pasirinkti procesą, kurį iš tiesų verta automatizuoti; dar prieš pradedant aiškiai nusibrėžti, kas bus laikoma sėkme; ir integruoti įrankį į jau veikiančią tvarką, o ne prijungti jį prie netvarkingo proceso ir tikėtis, kad DI pats sutvarkys chaosą.

Būtent taip ir elgiasi tie 95 % - nusiperka įrankį ir tikisi, kad pokytis ateis pats.

Šią problemą pažįstame iš savo patirties. Mūsų pačių vidiniai procesai buvo tikras chaosas - sąskaitos klaidžiojo per penkias tarpusavyje nesusikalbančias sistemas. Užuot klausę „kokį DI čia pridėjus", pirma išsiaiškinome, kur realiai dingsta laikas ir tik tada sukūrėme tai sprendžiančią sistemą (opens in new tab): apdorojimo greitis išaugo 40 %, įrankių sąnaudos sumažėjo 30 %, o apdorojamų sąskaitų kiekis išaugo 10 kartų. Nuobodus, vidinis darbas, bet būtent toks, kuris, pasak MIT, duoda didžiausią grąžą. Tik įsitikinę patys, pasiūlėme šį sprendimą klientams.

Nuo ko pradėti, kad DI atsipirktų

Jei iš šios statistikos verta pasiimti vieną mintį, ji būtų tokia: pradėkite ne nuo DI, o nuo realaus darbo.

Pažiūrėkite, kur iš tikrųjų dingsta didžioji dalis komandos laiko. Suraskite vieną procesą, kuris kas savaitę atima daugiausia laiko ir vis dar atliekamas rankiniu būdu - dažniausiai tai sąskaitos, ataskaitų rengimas arba duomenų kilnojimas iš vienos sistemos į kitą. Dar prieš pradėdami aiškiais skaičiais nusistatykite, ką laikysite sėkme. Ir tik tada automatizuokite būtent tą vieną procesą, įjungdami jį į jau veikiančią sistemą. Įsitikinkite, kad rezultatas pasitvirtina, ir tik tada plėskite toliau. DI projektai žlunga būtent tada, kai šis žingsnis praleidžiamas ir pradedama tiesiog nuo naujo įrankio įdiegimo.

Štai ir visas skirtumas tarp tų 5 % ir 95 %. Ne modelis, o procesas po juo.

Būtent tam ir skirtas DI auditas (opens in new tab) - detaliai peržiūrime ir išanalizuojame, kur automatizavimas jūsų versle realiai atsipirktų, o kur ne. Kartais atsakymas yra nauja sistema. Kartais - kur kas paprastesnis sprendimas. O galbūt DI jums išvis nereikia.

Susisiekite su mumis (opens in new tab) ir kartu išsiaiškinsime, nuo ko jums verta pradėti.