Jak přestat ztrácet peníze na AI pilotech: tři chyby a co místo toho udělat

V posledních několika letech finanční odvětví závodí s implementací umělé inteligence. Firmy stále častěji kupují modely a podepisují smlouvy s dodavateli, ale to přináší málo nebo dokonce děsivé výsledky. Podle studie MIT publikované minulý rok 95% firemních AI pilotů nemá žádný měřitelný dopad na zisky společností.

Současně výdaje prudce rostou, odhaduje se, že minulý rok svět utratil 1,76 bilionu dolarů na AI, a v roce 2026 se očekává, že tato částka vzroste na 2,59 bilionu. Takže peníze, které byly investovány, a peníze, které se vrátí, se výrazně liší a náklady v podstatě rostou zadarmo.

Problém však není v tom, že je technologie slabá. AI modely se každým rokem stávají chytřejšími, až natolik, že OpenAI rozhodl pozastavit své vývoje, aby nepřekročil určitou hranici. V tomto případě je tedy skutečnou nevýhodou nedostatek provozního modelu, který by tyto technologie dokázal efektivně využít.

Iluze mít pilot

Míra integrace AI je tak vysoká, že téměř každá fintech nebo tradiční finanční společnost nedávno spustila alespoň jeden AI pilot, například chatbot pro klienty. Ale bez ohledu na to, co spustí, mají tyto příběhy celkově poměrně nepříjemný konec.

Všechno začíná tím, že konkrétní tým vytvoří proof of concept, který dobře funguje za kontrolovaných testovacích podmínek. Poté, po demonstraci, management je ohromen a dovolí jeho nasazení, ale v určitém okamžiku projekt selže nebo se ukáže jako neúčinný. Proč?

Samozřejmě ne každý interní AI projekt selže, protože v takovém případě by nezbývali žádní ML inženýři a technologie by se ukázala jako zbytečná. Ale tento cyklus selhání jsem sledoval tolikrát, že už dobře znám jeho kořen. Jednoduše řečeno, problém je v samotném pilotu, který ač mohl být dobře proveden, nebyl navržen tak, aby zapadal do skutečného fungování a činnosti podniku z den na den.

V důsledku toho model, který v izolaci funguje skvěle, narazí na reálný provoz a setká se se zastaralou infrastrukturou nebo zaměstnanci, kteří vůbec nevědí, jak s technologií pracovat. Žádná z těchto překážek však není vyřešena chytřejším algoritmem. Všechny lze opravit pouze rozhodnutími managementu, což není oblast odpovědnosti datových vědců.

Některé chyby, kterým je lepší se vyhnout

Než se podíváme, jak integrovat AI ve firmě efektivněji, zamysleme se nad dalšími chybami, které se mohou během cesty objevit.

Prvním a nejdůležitějším pochybením, jak už jsme nepřímo zmínili, je považovat AI za doplněk bez přepracování procesů. Ve skutečnosti mnoho firem vezme existující workflow a jednoduše do jednoho kroku vloží AI nástroj, aniž by zvážilo, zda má AI v tomto procesu vůbec smysl.

Takže jako manažer bych si nejprve položil otázku: byl tento proces ve vaší společnosti vůbec nutný? Pokud byl workflow před automatizací neefektivní, zůstane po ní stejně neefektivní. Může se dokonce zhoršit, protože AI může pamatovat negativní vzorce a opakovat je.

Další chyba nastává, když manažeři podceňují zátěž související s dodržováním předpisů a správou. Finanční služby čelí některým z nejtěžších regulačních tlaků v jakémkoli odvětví a například není možné automatizovat celý compliance oddělení pomocí AI. Totéž platí pro přímé poskytování služeb a správu portfolia. Zdá se to jako univerzální pravda, ale budete překvapeni, kolik zakladatelů udělá chybu.

A nakonec, ale rozhodně ne méně důležité, mnoho firem zapomíná školit své zaměstnance na implementaci AI. Když technologie převezme rutinní činnosti zaměstnanců, první instinct často směřuje k redukci personálu, protože mnoho úkolů lze provést rychleji s menším počtem lidí. I když to v krátkodobém horizontu sníží vaše výdaje, je to velmi krátkozraké.

Pokud chcete skutečnou hodnotu, položte si jinou otázku. Jakou práci na vyšší úrovni mohou naši lidé nyní vykonávat, když jsou osvobozeni od rutiny? Jsou na to připraveni se svými současnými dovednostmi a motivací?

Co začít v pondělí pro vyšší efektivitu

Jako první krok proveďte audit svých pozastavených AI pilotů. To znamená, neuvádějte nové nápady, dokud nevyřešíte ty staré. V 90 % případů je problémem nedostatek odpovědnosti, tedy fakt, že nikdo není jasně zodpovědný za jeho škálování. Proto přiřaďte vlastnictví.

Pokud už někdo řídí AI, dalším krokem je přezkoumat proces a kompletně jej přestavět. Nejen přidávejte AI do stávajícího workflow. Můj tip je zeptat se, jak by tento proces vypadal, kdybychom ho dnes navrhovali od nuly, s vědomím, že AI dokáže provádět primární analýzu. Často je odpověď mnohem jednodušší, než se zdá.

Také nezapomeňte vypočítat skutečná čísla, která AI model přináší. Pokud šest měsíců po spuštění nedokážete uvést konkrétní údaje o účinnosti modelu (například ušetřené hodiny nebo zvýšené zisky), pak nefunguje tak, jak má, a je lepší přehodnotit jeho hodnotu.

A možná nejdůležitější, nepropouštějte lidi, zejména ty odpovědné a ty, kteří vždy poctivě vykonávali svou práci. Pokud lidé přinesou firmě více peněz, než vydělají za rok, propouštění se pro vás brzy stane problémem. A společnosti, které to nepochopí, ztratí své institucionální znalosti a důvěru týmu, což pak stojí mnohem víc.

Celkově 95 % pilotů nedosáhne výsledku, ne proto, že by technologie selhala. Nedosáhnou ho, protože organizace kolem nich zůstala stejná a zastaralá. To je jediná proměnná, kterou byste měli nejprve změnit.