Firemní AI má podle výzkumů IBM, MIT a BCG často slabou návratnost

Studie IBM a MIT ukazují slabou návratnost investic do firemní umělé inteligence. Podle IBM dosahuje očekávané návratnosti jen 25 % iniciativ. MIT uvádí, že 95 % pilotních projektů nemělo měřitelný dopad na hospodářský výsledek.

Boston Consulting Group se dotazoval 1 000 vedoucích pracovníků. Přibližně 70 % problémů při zavádění AI souviselo s lidmi a pracovními postupy. Technologie představovala 20 % a samotné algoritmy 10 %. Firmy s nejlepšími výsledky věnovaly lidem a procesům 70 % investic.

Samotná úspora času navíc nemusí stačit. Výzkum McKinsey zjistil, že firmy s vyšším přínosem z AI téměř třikrát častěji zásadně měnily konkrétní pracovní postupy. Před zahájením projektu proto dává smysl určit odpovědnou osobu, výchozí stav a měřitelný obchodní výsledek.

Praktickou zkušenost popisuje vzdělávací organizace Per Scholas. Její nástroj ResumeBoost zkrátil zaměstnancům čas věnovaný úpravám životopisů absolventů o více než třetinu. Práce s nástrojem ale nesplnila očekávání, takže organizace přesunula jeho funkce do širší vzdělávací platformy.

Další nástroj Per Scholas s názvem Sherlock kontroluje přes 125 000 pracovních nabídek denně. Během tří týdnů se do něj přihlásili zaměstnanci téměř tří čtvrtin poboček. Počet uživatelů za týden se více než zdvojnásobil a nástroj ušetřil přes 100 hodin práce. Po sedmi týdnech však zaměstnanci dál hlásili nedostatky a požadovali úpravy. Zdroj neuvádí cenu vývoje ani provozu, takže celkovou návratnost nelze posoudit.

Nákup další licence sám o sobě slabou návratnost AI neřeší. Pro první pilot stačí vybrat jeden konkrétní pracovní postup, znát jeho současné náklady a určit odpovědného člověka. Předem zvolený ukazatel pak po několika týdnech umožní rozhodnout, zda v projektu pokračovat, upravit ho, nebo ukončit.