Presudno je da se taj niz vodi kao celina, od početka do kraja, a ne kao faze koje se predaju iz ruke u ruku.

Gartner predviđa da će više od 40% projekata agentskog AI-ja biti otkazano do kraja 2027. godine, zbog eskalirajućih troškova, nejasne poslovne vrednosti i neadekvatnih kontrola rizika. Ako ta tri razloga pročitamo pažljivo, primetićemo da ni jedan nije tehnološki. Troškovi eskaliraju kada niko ne vidi celinu. Vrednost je nejasna kada tehnologija nije vezana za strategiju. Kontrola izmiče kada niko ne vlada modelima i podacima.

Veštačka inteligencija, dakle, ne propada zato što ne radi. Propada zato što se najčešće uvodi samo jedna karika, a očekuje se rezultat celog lanca.

Kako izgleda tipičan neuspeh

Scenario se ponavlja toliko često da je postao obrazac a kada se ovakvi projekti analiziraju unazad, uzrok se skoro nikada ne nađe u nekoj od isporuka. Nađe se u pitanjima koja niko nije postavio. Ko prevodi strategiju u zahteve koje razvojni tim razume? Ko garantuje da model poštuje interne politike, ovlašćenja i limite, a ne samo tehničku specifikaciju? Pod čijom su kontrolom podaci dok rade u tuđem cloudu? U projektima sa više izvođača, upravo ta mesta ostaju nepokrivena sve dok ih prvi zastoj ne učini vidljivim.

Rezultat je stanje koje industrija već zove čistilište pilota. Demo oduševi upravu, pilot pokaže potencijal, a onda sistem nikada ne stigne u produkciju. Deloitte u svom istraživanju navodi dramatičan jaz u usvajanju tehnologije: dok 74% kompanija planira uvođenje AI agenata u naredne dve godine, trenutno ih u svakodnevnom radu koristi svega 11%. Taj jaz nije tehnološki, već predstavlja suštinsku razliku između kupovine alata i izgradnje kompleksnog, funkcionalnog sistema.

Model nije sistem

Većina neuspeha počinje istom pretpostavkom: da je AI proizvod koji se kupuje. Deo koji se kupuje, model, ujedno je i najlakši deo posla. Ali model nije sistem. Sistem je ono što nastane kada strategija zna šta traži, kada softver rešava stvaran problem konkretne industrije, kada AI platforma upravlja modelima tako da odgovaraju vašim pravilima, i kada sve to radi na temelju koji kontrolišete.

Svaki od tih elemenata bez ostalih gubi smisao. Strategija koja nema izvršenje ne menja ništa u svakodnevnom radu. Softver koji nema upravljanje modelima znači da niko ne kontroliše šta model sme i sa kojim podacima, prema Deloitte-ovom istraživanju, takvu kontrolu ima tek jedan od pet lidera. A modeli na tuđoj infrastrukturi znače da vaši ugovori, finansije i podaci klijenata rade pod tuđim uslovima. Zato pitanje gde inteligencija fizički radi nije tehnička fusnota nego upravljačka odluka prvog reda. Suverenitet nad podacima je razlog zbog kog se ta odluka donosi a ekonomija razlog zbog kog se ne preispituje: troškovi vlasništva nad sopstvenom infrastrukturom su predvidivi, troškovi tuđe pretplate rastu sa upotrebom.

Šta rade oni koji uspeju

Kompanije koje stignu do produkcije rade tri stvari drugačije.

Prvo, ne počinju od tehnologije nego od pitanja gde žele da odvedu biznis i šta im stoji na putu. AI adopciju tretiraju kao promenu kulture, ne kao IT projekat, i tu promenu prolaze zajedno sa svojim ljudima umesto da je delegiraju.

Drugo, suverenitet tretiraju kao arhitektonsku odluku, ne kao naknadnu proveru usklađenosti. Sistem se od starta projektuje tako da modeli rade na infrastrukturi pod kontrolom organizacije, u sopstvenom okruženju, sa pristupom koji se odobrava po njenim pravilima. Time pre starta otpada čitava klasa rizika zbog koje se projekti kasnije gase.

Treće, i najvažnije: projekat se vodi iz jedne tačke. Tržište je danas organizovano tako da se strategija, softver, modeli i infrastruktura nabavljaju od različitih vendora, i nijedan od tih učesnika po prirodi svog ugovora ne vidi celinu. Uspešne organizacije zato tu ulogu svesno uspostavljaju, projekat od strateške odluke do infrastrukture vodi se iz jedne tačke, koja se meri rezultatom, a ne isporukom faze.

Gartnerovih 40% zato nije presuda veštačkoj inteligenciji. To je izmerena cena projekata bez vlasnika celine. Organizacije koje su to pitanje rešile pre starta biće na drugoj strani statistike: tamo gde AI nije eksperiment, nego deo svakodnevnog posla.

 

Izvor: Egzakta