Po początkowej euforii trzeźwe spojrzenie na AI

Technologia AI przechodzi obecnie przez kolejną fazę cyklu Hype’u Gartnera – modelu, który opisuje zainteresowanie i zastosowanie nowoczesnych technologii. Pojawienie się GenAI spowodowało upowszechnienie zagadnienia sztucznej inteligencji oraz niezwykły wręcz wzrost oczekiwań dotyczący możliwości jej zastosowania i spodziewanych efektów. AI miało w krótkim okresie zwiększyć efektywność działań, a także znacząco polepszyć doświadczenia zakupowe klientów oraz ofertę asortymentową. Dzięki temu firmy miały uzyskać przewagę konkurencyjną oraz zwiększyć swoje zyski dzięki mniejszym kosztom oraz większej sprzedaży.

Z badań przeprowadzonych w połowie 2023 r. przez firmę NVIDIA na przedsiębiorstwach z branży handlu detalicznego i dóbr konsumpcyjnych wynikało, że 60 proc. z nich planowało w ciągu kolejnych 18 miesięcy wdrożyć nowe narzędzia bazujące na sztucznej inteligencji. W zdecydowanej większości przypadków (ok. 70 proc.) firmy, które już to zrobiły raportowały wzrost przychodów lub spadek kosztów.

Ostatnio jednak rośnie sceptycyzm związany z zastosowaniem AI. Szybki wzrost popularności tego zagadnienia spowodował, że na rynku pojawiło się wielu specjalistów, których umiejętności nie są wystarczające do realizacji złożonych wdrożeń AI. Dodatkowo pierwsze wdrożenia nie zakończyły się sukcesem.

Z badania przeprowadzonego przez organizację RAND (2024 r.) wynika, że 80 proc. projektów związanych z AI kończy się niepowodzeniem i jest to wartość dwukrotnie większa niż w przypadku wdrożeń IT niewykorzystujących tej technologii. Zrozumienie przyczyn takiego stanu pozostaje kluczowe do dalszego zastosowania tych rozwiązań w biznesie – brak oczekiwanej stopy zwrotu z inwestycji może przyczynić się do spowolnienia lub zaniechania dalszych prób wdrożeń.

Simon-Kucher na podstawie doświadczeń we wdrożeniu AI w segmencie Revenue Management przygotował listę czterech kluczowych aspektów, na które trzeba zwrócić uwagę, aby ograniczyć ryzyko niepowodzenia:

• jakość danych – niestety nawet najbardziej zaawansowana technologia AI nie pomoże nam w przypadku niekompletnych lub złej jakości danych. Organizacje powinny zapewnić odpowiednią jakość danych i stworzyć procesy, które zapewnią jej utrzymanie w czasie

• złożoność pierwszego wdrożenia – warto na pierwszym etapie trzymać na wodzy swoje ambicje. Próba stworzenia zaawansowanych rozwiązań już przy pierwszej wersji, może prowadzić do przekroczenia budżetu projektu lub niesatysfakcjonujących wyników. Wybierzmy drogę ewolucji – pierwsze korzyści z nowego rozwiązania będą motywacją do dalszego rozwoju

• odpowiednie testy – przeprowadzenie właściwych testów przed wdrożeniem przynosi wielorakie korzyści: pozwala oszacować poziom ROI wdrażanych rozwiązań, jest potwierdzeniem dla liderów co do słuszności obranego kierunku, a także pozwala wychwycić potencjalne zagrożenia jeszcze przed pełną implementacją

• wsparcie organizacji – pamiętajmy, aby nie sprowadzić wdrożenia AI do zagadnienia jedynie technicznego. Odpowiednie wsparcie liderów, właściwe zdefiniowanie wyzwania biznesowego oraz KPI mierzących sukces – są to elementy, które zagwarantują dopasowanie nowego rozwiązania do celów organizacji.

Wdrożenie rozwiązań AI w najbliższej przyszłości będzie dla większości organizacji koniecznością, a nie wyborem. Tylko konkurencyjność na tym polu zapewni utrzymanie długoterminowej zyskowności. Zastosowanie AI w biznesie ma ogromny potencjał, warto jednak podejść do wdrożenia w sposób racjonalny, nie ulegać gorączce i zacząć od rozwiązań mających dla danej organizacji największy potencjał (przy relatywnie niskiej złożoności). To od nas zależy, jak będzie wyglądała ta droga i czy finalnie osiągniemy sukces.