Dirbtinis intelektas įmonėse – kodėl jis vis dar stringa?

Autorius: Tomas Staniulis, DI konsultantas

Paradoksalu – nors dirbtinio intelekto (DI) įrankių įvairovė sparčiai auga, realaus įmonių efektyvumo jie iš esmės nepadidino. Tarptautinis MIT ekspertų tyrimas, publikuotas šių metų vasaros pabaigoje, atskleidė, kad net 95 proc. DI sprendimus diegiančių organizacijų neužfiksavo teigiamo pokyčio savo pelno ir nuostolių ataskaitose.

Milžiniški pinigai – į generatyvinio DI įrankius pasaulyje jau investuota daugiau nei 40 mlrd. JAV dolerių, vien pernai – apie 34 mlrd. dolerių.

Rezultatas šokiruoja: vos 5 proc. įmonių praneša apie pokyčius realią finansinę grąžą. Kitaip tariant – milijardai investuojami, o grįžta tik milijonai. 

Asmeninis efektyvumas prieš įmonių stagnaciją

Visgi karalių laidoti dar anksti – DI nauda ryškiausiai atsiskleidžia asmeniniame lygmenyje. Štai net 97 proc. IT specialistų kasdien naudoja DI, o 60–70 proc. darbuotojų pripažįsta, kad jų darbas tapo greitesnis ir efektyvesnis.

Dar vienas paradoksas: dažna praktika, kai darbuotojai apeina oficialias įmonių sistemas ir naudojasi „šešėliniu DI“ (ChatGPT, Claude, Copilot AI) personalinėms užduotims atlikti. 90 proc. apklaustųjų darbuotojų tai prisipažįsta darantys be oficialių licencijų arba įsigydami asmenines.

Palyginimui – oficialias DI įrankių licencijas savo darbuotojams finansuoja vos 40 proc. organizacijų. Duomenų iš Lietuvos nėra, tačiau didelė tikimybė, kad jis būtų stulbinančiai mažas. Paskaičiuokite patys, kiek žinote įmonių, kurios moka už oficialias DI įrankių licencijas savo darbuotojams?

Ir tai nevyksta vien dėl taupumo. Įmonių vadovus gąsdina ne tik milžiniška įrankių įvairovė, bet ir būtinybė specializuotis bei ugdyti naujus įgūdžius. Vidurinės grandies vadovai skeptiškai vertina sudėtingas ir ilgas diegimo procedūras, dažnai tikėdamiesi, kad šis „burbulas“ praeis savaime. Stagnaciją dar labiau kursto pokyčių baimė, nesėkmingų projektų istorijos ar žiniasklaidos kuriami bauginantys scenarijai. 

Žvelgiant giliau – kodėl DI vis dar nekuria vertės?

2025 metais MIT tyrėjai įvertino daugiau kaip 300 vystomų projektų, apklausė 52 organizacijas, apie 150 vadovų ir nurodė pagrindines priežastis, kodėl dirbtinis intelektas stringa verslo įmonėse. 

• Netinkama investicijų kryptis. Ataskaita parodė, kad maždaug 50 – 70 proc. investicijų į DI nukreipiama į rinkodaros ir pardavimų sritį. Atrodo, natūralu, nes tokie DI įrankiai kaip „Midjourney“, „Nano Banana“ ar „Google Veo3“ paverčia rinkodarą geidžiama preke – sugeneruoti „TikTok“ įrašą užtruksime minutę. Iš kitos pusės reikia svarstyti daugiau galimybių – tyrėjai pastebi, kad didžiausia investicijų grąža slypi automatizavimo procesuose – rinkos tyrimai, dokumentų apdorojimas, finansų, įsigijimų, teikėjų, rangovų valdymas ir t.t. Be abejonės, vidinių procesų automatizavimas reikalauja daugiau resursų ir laiko, o rinkodaroje rezultatą matai kone iš karto.
• Pilotinių projektų spąstai. Apie 60 proc. įmonių testuoja DI sprendimus, tačiau tik 20 proc. jų pasiekia piloto stadiją, ir vos 5 proc. pereina į gamybos stadiją. Pagrindinė to priežastis – technologinis DI „atminties trūkumas“. Dabartiniai DI įrankiai negali prisiminti viso konteksto, mokytis iš grįžtamojo ryšio ar prisitaikyti prie unikalių procesų. „Microsoft Copilot“ ir „ChatGPT“ konteksto langas yra apie 128 tūkst. žodžių, „Gemini“ ir „Claude“ – apie 200 tūkst. žodžių, – nors skaičiai ir dideli, dokumentai įmonėse yra gerokai ilgesni ir sudėtingesni. Be to, net ir naudojant integruotus sprendimus su didžiaisiais kalbos modeliais, esančiais debesyse, jie dirba lėtai, apsunkindami vartotojo patirtį. Todėl sprendimo sąnaudos ima augti kaip ant mielių – tenka investuoti ne tik į licencijas, bet ir į savo serverius, kompiuterinę įrangą, ir tik tuomet pradėti kurti savo modelius.
• Biurokratinė, o ne duomenų kultūra. Ši priežastis Lietuvai daug skaudesnė, nes reikalauja mokytis ir keistis iš esmės. Deja, bet mūsų šalyje vis dar daug buhalterių, vadybininkų ir projektų vadovų „Excel“ naudoja ne kaip duomenų bazę, o kaip biurokratinę dokumentaciją. Duomenų lenteles sudaro ne duomenys, o ilgus sakinius užimantys pavadinimai, komentarai, kintamųjų aprašymai, o dažnai – ir veiksmų planas. Atrodytų, skaidru ir visiems viskas aišku, tačiau mašininiam apdorojimui šie duomenys „nevalgomi“ – jie reikalauja žmogaus, kuris gali įvertinti visas aplinkybes, vertinimo. Tokiuose dokumentuose kontekstas tampa svarbesnis už duomenis, o modernios technologijos („Python“, SQL, „Power BI“ ir t.t.) tikisi švarių duomenų, todėl biurokratinė kultūra tampa kliūtimi automatizacijai.     

Taip pat žiūrėkite: Kiek įmonių Lietuvoje ir ES naudojo savo veikloje dirbtinį intelektą?

Tai ką tuomet daryti verslui?

Jeigu nenorite, kad jūsų DI iniciatyva virstų dar vienu „burbulu“, pradėkite nuo šių žingsnių:

1. Įteisinkite šešėlinį DI. Jei darbuotojai jau naudoja „ChatGPT“, „Google Gemini“ ar kitus DI įrankius, sukurkite oficialias taisykles, pasirūpinkite saugumu, pasiūlykite padengti licencijų sąnaudas. Eksperimentuokite, organizuokite mokymus, burkite iniciatyvinę grupę ir žygiuokite toliau.
2. Keiskite kultūrą: nuo biurokratijos prie duomenų. Duomenys nėra tik dokumentai – tai žaliava analizei, prognozėms ir sprendimams. Verta investuoti į duomenų higieną, nes tvarkingi, standartizuoti ir DI suprantami duomenys yra svarbiau nei reklamuojami įrankiai. Kurkite taisykles, kaip tvarkyti duomenis ir juos saugoti – jeigu jūsų „Excel“ primena „Word“ su lentelėmis, šį dalyką reikia spręsti pirmiausia.
3. Identifikuokite „nuobodžiausius“ procesus su didžiausia investicijų grąža. Automatizacijos vertė slypi pasikartojančiuose procesuose – apdorojant užsakymus ir sąskaitas, administruojant sutartis ir skundus, analizuojant sandėlių atsargas ir numatant ateities pirkimus. Pagrindinis tikslas – nepapulti į „pilotų spąstus“. Nusistatykite aiškius kriterijus – apdoroti dokumentai, suvaldytos užklausos, mažėjančios darbo valandos ir t.t. Eksperimentuokite ir po 2 – 3 mėnesių spręskite: tęsti, plėsti ar stabdyti.
4. Mąstykite apie dirbtinį intelektą kaip apie infrastruktūrą. Šiandien tai yra kaip elektra ar internetas praėjusiame amžiuje – per kelerius metus taps būtina konkurencine sąlyga. Todėl reikia nusiteikti, kad mokymosi kelias bus ilgas ir pilnas klaidų. Kodėl? Todėl, kad nėra tokio sprendimo, kuris veiktų iš karto. Nėra tokio įrankio, kuris išspręstų visas problemas 100 procentų. Be to, net ir veikiantį sprendimą norėsis tobulinti, pridėti naujų funkcijų ar galimybių. Galvokite apie sistemą: duomenys -> integracija -> taisyklėmis priimami sprendimai -> DI priimami sprendimai. Tuomet DI kelias iš tiesų bus naudingas ir neš didžiausią vertę.  

Autorius: Tomas Staniulis, DI konsultantas

© Bet koks šio straipsnio kopijavimas, platinimas ar republikavimas be rašytinio autoriaus sutikimo yra draudžiamas.