Jak przestać tracić pieniądze na pilotach AI: trzy błędy i co zrobić zamiast tego

W ciągu ostatnich kilku lat branża finansowa ściga się z wdrażaniem sztucznej inteligencji. Firmy coraz częściej kupują modele i podpisują umowy z dostawcami, ale przynosi to niewiele lub przerażające rezultaty. Według badania MIT opublikowanego w zeszłym roku, 95% pilotów AI w korporacjach nie ma mierzalnego wpływu na zyski firm.

Jednocześnie wydatki rosną w zastraszającym tempie, ponieważ szacuje się, że w zeszłym roku świat wydał 1,76 biliona dolarów na AI, a w 2026 roku oczekuje się, że ta kwota wzrośnie do 2,59 biliona. Tak więc włożone pieniądze i zwrócone środki wydają się znacznie się różnić, a koszty rosną praktycznie bez powodu.

Jednak problem nie leży w słabości technologii. Modele AI stają się coraz inteligentniejsze z roku na rok, tak bardzo, że OpenAI zdecydowało się wstrzymać swoje prace, aby nie posunąć się za daleko. W tym przypadku prawdziwą wadą jest brak modelu operacyjnego, który mógłby skutecznie wykorzystać te technologie.

Iluzja posiadania pilota

Skala integracji AI jest tak duża, że prawie każda firma fintech lub tradycyjna instytucja finansowa niedawno uruchomiła przynajmniej jeden pilot AI, na przykład chatbota dla klientów. Jednak niezależnie od tego, co uruchomią, te historie mają zazwyczaj nieprzyjemne zakończenie.

Wszystko zaczyna się od konkretnego zespołu budującego proof of concept, który działa dobrze w kontrolowanych warunkach testowych. Następnie, po demonstracji, zarząd jest pod wrażeniem i pozwala na wdrożenie, ale w pewnym momencie projekt się rozpada lub okazuje się nieskuteczny. Dlaczego tak się dzieje?

Oczywiście nie każdy wewnętrzny projekt AI kończy się porażką, ponieważ w takim wypadku nie zostałoby już żadnych inżynierów ML, a technologia okazałaby się bezużyteczna. Jednak obserwowałem ten cykl niepowodzeń tak wiele razy, że już dobrze znam jego przyczynę. Mówiąc najprościej, winny jest sam pilot, który choć mógł być dobrze wykonany, nie został zaprojektowany tak, aby pasował do rzeczywistego funkcjonowania i działania firmy na co dzień.

W rezultacie model, który działa znakomicie w izolacji, trafia na rzeczywisty tor i napotyka przestarzałą infrastrukturę lub pracowników, którzy nie wiedzą, jak pracować z technologią. Żaden z tych problemów nie zostanie rozwiązany przez inteligentniejszy algorytm. Wszystko to można naprawić jedynie decyzjami zarządu, a nie jest to obszar odpowiedzialności data scientistów.

Kilka błędów, których lepiej unikać

Zanim zobaczymy, jak skuteczniej integrować AI w firmie, przyjrzyjmy się innym błędom, które mogą pojawić się po drodze.

Pierwszym i najważniejszym potknięciem, o którym już pośrednio wspomnieliśmy, jest traktowanie AI jako dodatku bez przebudowy procesów. W rzeczywistości wiele firm bierze istniejący przepływ pracy i po prostu wstawia narzędzie AI w jednym kroku, nie zastanawiając się, czy AI ma sens w danym procesie.

Dlatego jako menedżer najpierw zapytałbym siebie: czy ten proces był w ogóle niezbędny w Twojej firmie? Jeśli przepływ pracy był nieefektywny przed automatyzacją, pozostanie równie nieefektywny po niej. Może nawet pogorszyć się, ponieważ AI może pamiętać negatywne wzorce i je powielać.

Kolejnym błędem jest niedocenianie przez menedżerów obciążenia związanego z zgodnością i zarządzaniem. Usługi finansowe stoją przed jednymi z najtrudniejszych wymogów regulacyjnych w jakiejkolwiek branży i, na przykład, nie można zautomatyzować całego działu zgodności przy użyciu AI. To samo dotyczy bezpośredniej świadczenia usług i zarządzania portfelem. Wydaje się to uniwersalną prawdą, ale zdziwi Cię, jak wielu założycieli popełnia te błędy.

I wreszcie, wiele firm zapomina przeszkolić swoich pracowników do wdrożenia AI. Gdy technologia przejmuje codzienne obowiązki pracowników, pierwszym odruchem jest często redukcja zatrudnienia, ponieważ wiele zadań można wykonać szybciej przy mniejszej liczbie osób. Choć w krótkim okresie obniży to koszty, jest to bardzo krótkowzroczne.

Jeśli chcesz prawdziwej wartości, zadaj sobie inne pytanie. Jaką pracę wyższego poziomu mogą teraz wykonywać nasi ludzie, gdy zostali uwolnieni od rutyny? Czy są na to gotowi, posiadając odpowiednie umiejętności i motywację?

Co rozpocząć w poniedziałek, aby zwiększyć wydajność

Na początek przeprowadź audyt zawieszonych pilotów AI. To znaczy, nie wprowadzaj nowych pomysłów, dopóki nie rozwiążesz właściwie tych istniejących. W 90% przypadków problemem jest brak odpowiedzialności, fakt że nikt nie jest jasno odpowiedzialny za ich skalowanie. Dlatego przydziel właściciela.

Jeśli ktoś już zarządza kontrolą AI, kolejnym krokiem jest przegląd procesu i jego całkowita przebudowa. Nie dodawaj po prostu AI do istniejącego przepływu pracy. Moja rada to zapytać, jak ten proces wyglądałby, gdybyśmy projektowali go dziś od podstaw, wiedząc, że AI może wykonywać podstawową analizę. Często odpowiedź jest znacznie prostsza, niż się wydaje.

Ponadto nie zapomnij obliczyć rzeczywistych liczb, które przynosi model AI. Jeśli sześć miesięcy po uruchomieniu nie możesz podać konkretnych danych dotyczących skuteczności modelu (np. zaoszczędzonych godzin lub zwiększonych zysków), oznacza to, że nie działa on tak, jak powinien, więc warto ponownie ocenić jego wartość.

A być może najważniejsze, nie zwalniaj ludzi, zwłaszcza tych odpowiedzialnych i tych, którzy zawsze wykonywali swoją pracę uczciwie. Jeśli ludzie przynoszą firmie więcej pieniędzy niż zarabiają w ciągu roku, zwolnienie stanie się dla ciebie bardzo szybko problemem. A firmy, które tego nie rozumieją, tracą swoją wiedzę instytucjonalną i zaufanie zespołu, co potem kosztuje znacznie więcej.

Łącznie 95 % pilotów nie osiąga wyniku, nie dlatego, że technologia zawiodła. Nie udaje się to, ponieważ otaczająca je organizacja pozostała taka sama i przestarzała. To jedyna zmienna, którą należy najpierw zmienić.