Tržište je preplavljeno procjenama o milijardama dolara potencijalnih ušteda i rastu efikasnosti kroz transformaciju poslovanja pomoću AI tehnologije Međutim, iza velikog interesa i snažnog marketinga ostaje pitanje koliko su stvarni financijski efekti umjetne inteligencije zaista veliki, i jesu li očekivanja možda dijelom prenapuhana.
Posljednjih nekoliko godina umjetna inteligencija postala je jedna od dominantnih tema u poslovnom svijetu. Gotovo svaka velika kompanija govori o automatizaciji procesa, povećanju produktivnosti i korištenju AI tehnologije. Iako postoje brojni primjeri uspješnih implementacija, stvarni učinak AI-ja u poslovanju ovisi o mnogo više faktora od same tehnologije. U praksi se pokazuje da umjetna inteligencija može značajno smanjiti troškove u određenim procesima, ali jednako tako može postati vrlo skup projekt bez jasnog povrata investicije.
Koji su argumenti u korist AI-ja?
Najčešći argument u korist AI-ja jest automatizacija repetitivnih zadataka. Poslovi poput obrade dokumenata, korisničke podrške, unosa podataka ili administrativnih procedura relativno su predvidivi i temelje se na velikom broju ponavljajućih radnji. Upravo u takvim procesima umjetna inteligencija pokazuje najbolje rezultate jer može ubrzati obradu informacija i smanjiti potrebu za ručnim radom.
Primjerice, mnoge kompanije posljednjih godina implementirale su AI chatbotove za korisničku podršku. U teoriji, takvi sustavi omogućuju smanjenje troškova zaposlenika i bržu komunikaciju s korisnicima. U nekim slučajevima to se doista pokazalo uspješnim. Velike kompanije poput švedske fintech kompanije Klarne objavile su podatke prema kojima AI sustavi obrađuju velik dio korisničkih upita uz znatno niže operativne troškove i bez potrebe za ljudskim agentima. Prema podacima koje je sama kompanija objavila, chatbot obavlja posao ekvivalentan radu stotina zaposlenika te značajno smanjuje vrijeme potrebno za rješavanje korisničkih problema. Klarna je pritom procijenila da bi takav sustav mogao donijeti desetke milijuna dolara godišnjih ušteda. Ipak, taj primjer pokazuje i drugu stranu AI implementacije.
A koji su protiv?
Uspjeh takvog modela moguć je prvenstveno zato što Klarna raspolaže ogromnim brojem korisnika, velikim količinama podataka i značajnim financijskim resursima za razvoj i održavanje sustava. Zbog toga se njihov slučaj ne može jednostavno preslikati na manje kompanije koje nemaju istu infrastrukturu ni opseg poslovanja. Također, dio javnih kritika odnosi se na pitanje kvalitete korisničke podrške i činjenicu da AI sustavi i dalje imaju ograničenja kod kompleksnijih ili nestandardnih problema gdje korisnici očekuju komunikaciju sa stvarnom osobom, što povećava frustraciju korisnika i smanjuje kvalitetu usluge.
Ono što se rjeđe spominje jest činjenica da implementacija AI sustava zahtijeva značajna ulaganja u infrastrukturu, integraciju i održavanje. Također, AI podrška ne funkcionira jednako dobro u svim situacijama.
Može li AI pomoći firmama koje imaju lošu internu strukturu?
Slična situacija vidi se i kod administrativne automatizacije. AI može ubrzati obradu računa, sortiranje dokumentacije i organizaciju podataka, što posebno privlači kompanije koje imaju velike administrativne troškove. Problem je u tome što uspješnost takvih sustava ovisi o kvaliteti postojećih procesa. Ako firma već ima neorganizirane podatke i lošu internu strukturu, umjetna inteligencija često samo ubrzava postojeći kaos umjesto da ga riješi.
Zbog toga se u praksi pokazuje da AI nije zamjena za lošu organizaciju poslovanja. Kompanije koje ostvaruju najveće uštede obično su već ranije imale standardizirane procese i kvalitetno uređene podatke. Drugim riječima, umjetna inteligencija češće optimizira dobro organiziran sustav nego što spašava loše organiziran.
Još jedno područje u kojem se često spominju velike AI uštede jest logistika. Sustavi za optimizaciju ruta, predviđanje potražnje i planiranje dostave mogu smanjiti troškove prijevoza i poboljšati efikasnost operacija. To je posebno važno u industrijama gdje logistika čini velik dio ukupnih troškova. Ipak, ni ovdje rezultati nisu univerzalni.
Kakav je ROI u stvarnim situacijama?
Velike međunarodne kompanije s ogromnim količinama podataka imaju puno više koristi od AI optimizacije nego manje firme s ograničenim opsegom poslovanja. Upravo je to jedan od ključnih problema u raspravama o ROI-ju umjetne inteligencije. Primjeri koji se najčešće navode dolaze iz velikih tehnoloških ili globalnih kompanija koje raspolažu milijunima korisnika i ogromnim budžetima. Njihove uštede često se predstavljaju kao dokaz univerzalne učinkovitosti AI-ja, iako mnoge manje firme nemaju ni približno iste uvjete za implementaciju takvih sustava.
Zanimljiv uvid u ekonomski učinak umjetne inteligencije daje i istraživanje kompanije Snowflake, prema kojem dvije trećine firmi koje koriste AI već bilježi konkretan povrat investicije, dok prosječan povrat iznosi oko 1,41 dolar za svaki uloženi dolar. Takvi podaci često se koriste kao dokaz da AI postaje financijski opravdana tehnologija, a ne samo eksperimentalni trend. Međutim, važno je pažljivo interpretirati ovakve statistike. Prije svega, riječ je o prosjeku koji uključuje kompanije različitih veličina i sektora, pri čemu najveće organizacije s razvijenom digitalnom infrastrukturom obično ostvaruju znatno bolje rezultate od manjih firmi. Također, “povrat investicije” u AI projektima nije uvijek jednostavno mjeriti jer dio koristi dolazi kroz povećanje produktivnosti, bržu obradu podataka ili poboljšanje korisničkog iskustva, što se ne može uvijek direktno pretvoriti u precizne financijske brojke. Zbog toga ovakva istraživanja pokazuju da AI može imati pozitivan poslovni učinak, ali ne znače nužno da će svaka implementacija automatski biti profitabilna.
Prema KPMG istraživanju, a prenosi ga Techradar, 74% kompanija izjavljuje da je AI ispunio ili premašio ROI očekivanja, ali mnogi AI projekti i dalje ne uspijevaju skalirati.
Osim toga, troškovi AI-ja često se prikazuju pojednostavljeno. Kada se govori o uštedama, fokus je uglavnom na smanjenju potrebe za određenim vrstama rada. No, stvarni troškovi uključuju licence za AI alate, cloud infrastrukturu, održavanje sustava, sigurnosne rizike i edukaciju zaposlenika. Kod generativnog AI-ja dodatni problem predstavlja činjenica da troškovi korištenja mogu brzo rasti s povećanjem količine podataka i broja korisnika.
Jesmo li u fazi pretjeranog ili opravdanog optimizma?
Postavlja se i pitanje koliko su trenutna očekivanja dugoročno održiva. Dio analitičara smatra da se AI trenutno nalazi u fazi pretjeranog optimizma, slično kao što se ranije događalo s drugim tehnološkim trendovima. Mnoge firme ulažu u umjetnu inteligenciju iz straha da će zaostati za konkurencijom, a ne zato što imaju jasno definiranu strategiju. U takvim slučajevima AI projekti često ostaju na razini eksperimenta bez konkretnog poslovnog učinka.
To ne znači da umjetna inteligencija nema stvarnu vrijednost. Naprotiv, postoje područja u kojima AI objektivno povećava efikasnost i smanjuje troškove. Problem je prije svega u načinu na koji se o toj tehnologiji govori. U javnosti se AI često prikazuje kao univerzalno rješenje za produktivnost i profitabilnost, dok je stvarnost znatno složenija. Uspješne implementacije uglavnom dolaze iz vrlo specifičnih situacija gdje postoji jasno definiran problem, kvalitetni podaci i dovoljno resursa za dugoročnu prilagodbu poslovanja.
Važno je primijetiti i da se dio koristi umjetne inteligencije ne može jednostavno izraziti kroz direktne financijske uštede. Povećanje brzine rada, lakši pristup informacijama ili smanjenje administrativnog opterećenja zaposlenika mogu poboljšati ukupnu organizaciju poslovanja, ali ne znače automatski i proporcionalni rast profita.
Zaključak
Možda je pitanje koje si firme trebaju postaviti: "koji proces u našem poslovanju danas troši najviše vremena i novca, i može li ga umjetna inteligencija učiniti efikasnijim?" puno bolje od pitanja “trebamo li AI?”.
Na pitanje koliko AI stvarno štedi novca firmama nema univerzalnog odgovora. U nekim slučajevima riječ je o vrlo konkretnim i mjerljivim uštedama, posebno kod automatizacije repetitivnih procesa i optimizacije operacija. U drugim slučajevima AI ostaje skupa investicija čiji je stvarni povrat teško precizno procijeniti.
Zato je najrealnije umjetnu inteligenciju promatrati kao alat čija vrijednost prvenstveno ovisi o načinu implementacije, a ne kao revoluciju koja automatski transformira poslovanje. Kompanije koje AI koriste selektivno, s jasnim ciljevima i realnim očekivanjima, imaju najveće šanse ostvariti konkretne koristi. One koje ga uvode samo zato što je postao poslovni trend vjerojatno će puno teže opravdati troškove koje takva tehnologija donosi.
Nema komentara:
Objavi komentar