Uvođenje umjetne inteligencije u poslovanje ne propada zbog tehnologije, nego zbog toga što tvrtke nemaju strpljenja izgraditi temelje prije nego što posegnu za rješenjima.
Podaci koje navodi Gartner jasno pokazuju razmjere problema: samo 23 posto tvrtki uspjelo je uvesti umjetnu inteligenciju u svoje poslovanje na velikoj skali, a gotovo 80 posto samostalnih projekata umjetne inteligencije nikada ne dođe do proizvodne faze. Razlog nije nedostatak alata ni modela — oni su danas dostupni svakome — nego nedostatak operativne zrelosti, sustava upravljanja, obučenih timova i čvrste tehnološke osnove.
To je poanta koju potpisuje Christophe Schwanengel, direktor tvrtke FPT France, i ona je točna, ali nedorečena. U svom tekstu on tvrdi da uspjeh više ne ovisi o pristupu inteligenciji, nego o sposobnosti da se ona operacionalizira. No postavlja se pitanje koje u njegovu tekstu izostaje: kome ta operacionalizacija služi i pod kojim uvjetima?
Automatizacija ne smanjuje potrebu za ljudima — ona je premješta
Schwanengel ruši uvriježenu tezu da će automatizacija smanjiti potražnju za tehnološkim uslugama. Tvrdi suprotno: kako umjetna inteligencija ulazi u poslovne procese, rastu zahtjevi za upravljanjem, sigurnošću, usklađenošću i kontrolom rizika. Malo je tvrtki koje same mogu pokriti te zahtjeve, pa se potražnja seli prema „uslugama pokretanim umjetnom inteligencijom”.
U tom dijelu njegova argumentacija ima smisla, ali otkriva i nešto drugo: umjetna inteligencija postaje izlika za novi val outsourcinga. Tvrtke koje nemaju vlastite stručnjake prepuštaju ključne funkcije vanjskim partnerima. Time se ne jača domaća tehnološka autonomija, nego se produbljuje ovisnost o stranim dobavljačima — upravo ono što bi svaka ozbiljna nacionalna strategija trebala izbjegavati.
Rezultati postoje, ali pitanje je čija je korist
U tekstu se navode konkretni primjeri. U američkoj automobilskoj industriji ciklusi izvještavanja skraćeni su s nekoliko dana na petnaest minuta. Globalni proizvođač kemikalija smanjio je vrijeme obrade zahtjeva za 99 posto. U Japanu je veliki proizvođač čelika dobio jedinstvenu digitalnu platformu, a jedan od vodećih ICT igrača preuredio je kritične operacije u samo 18 tjedana.
Brojke zvuče impresivno. No nijedna od njih ne govori koliko je radnih mjesta ukinuto, koliko je znanja preneseno izvan matične tvrtke i koliko je stvarne vrijednosti ostalo u zemlji u kojoj se poslovanje odvija. Efikasnost nije isto što i suverenost.
Tri stupa koja zvuče kao recept, ali skrivaju odgovornost
Predloženi model počiva na tri razine: referentnom okviru zrelosti, ekosustavu izvršenja i mjerljivim rezultatima. Prva razina pomaže tvrtkama procijeniti gdje se nalaze i što im nedostaje. Druga povezuje platforme, talente i sektorsko znanje. Treća tjera partnere da umjesto na odrađene sate pređu na isporučene rezultate.
Zvuči uredno, ali taj model pretpostavlja da je vanjski partner neutralan i da radi isključivo u interesu klijenta. U praksi to rijetko vrijedi. Veliki tehnološki dobavljači imaju vlastite interese, vlastite platforme i vlastite države iza sebe. Kad tvrtka prepusti upravljanje podacima, modelima i ključnim procesima takvom partneru, ona ne kupuje samo uslugu — ona predaje dio kontrole.
Upravo zato je ovo pitanje relevantno i za Hrvatsku. Domaće tvrtke koje uvode umjetnu inteligenciju trebale bi prvo razvijati vlastite kapacitete, obrazovati vlastite stručnjake i čuvati podatke unutar vlastitih okvira. Vanjska pomoć ima smisla samo ako je privremena i ako ostavlja znanje u zemlji.
Zrelost prije alata — lekcija koja se stalno zaboravlja
Schwanengel na kraju zaključuje da će prednost steći tvrtke koje uspiju spojiti tehnologiju, talente, upravljanje i izvršenje u jedinstvenu strategiju. To je točno, ali nije dovoljno. Ista logika vrijedi i za države, ne samo za kompanije.