U modelů umělé inteligence se cena často řeší jako hlavní číslo. To je praktické, ale neúplné. Levnější varianta může být dobrá volba pro úlohy, kde stačí rychlý a přibližně správný výsledek. Třeba pro první třídění požadavků nebo přípravu návrhu, který člověk stejně projde.
Horší situace nastane tam, kde chyba nezůstane jen v textu. Pokud model špatně vyhodnotí zadání a zaměstnanec musí výstup celý kontrolovat a opravovat, úspora se začne rozpouštět v čase. Někdy pomaleji, než člověk stihne otevřít tabulku s náklady. Zdroj ale neuvádí konkrétní název modelu, cenu ani měření chybovosti. Přesný finanční rozdíl proto nejde poctivě vyčíslit.
Při rozhodování bych nezačínal otázkou, který model je nejlevnější. Nejdřív bych si rozdělil úlohy podle následků chyby. U běžného návrhu textu může být levnější model rozumný. U výstupu, který jde rovnou zákazníkovi, do smlouvy nebo do firemního systému, už samotná nízká cena nestačí.
Pro malou firmu to znamená jednoduchou kontrolu v praxi. Stačí několik typických úloh a sledovat, kolik času zabere oprava výsledku. Pokud levnější model vyžaduje pravidelné ruční zásahy, není levnější, jen posílá část účtu jinam.
Ford nahradil stovky inženýrů automatizací, kvalita spadla a 350 veteránů vzal zpátky. Klarna udělala totéž se zákaznickou podporou. Studie z MIT přidává tvrdé číslo: 95 procent firemních nasazení AI nepřineslo nic. Kde AI selhává a co si z toho vzít, než ji nasadíte.
Většina firemních AI projektů nikdy nedojede do provozu a důvod málokdy bývá technika. Kdy se vlastní vývoj vyplatí, kdy je to drahá past a podle čeho se rozhodnout.
Máte vizi AI agentů ve vaší firmě? Jak ji proměnit v realitu? Šestý článek naší série se věnuje strategii úspěšné implementace, od posouzení připravenosti a budování nezbytných digitálních základů až po výběr správného partnera a měření reálných přínosů. Zjistěte, jak naplánovat a provést…
Napište nám, co u vás řešíte. Společně probereme, jestli vám můžeme pomoci.
