95% AI projektů ve firmách končí neúspěchem

Nová zpráva od MIT, vydaná iniciativou NANDA, ukazuje, že i když firmy masivně investují do generativní umělé inteligence, většina jejich snah končí neúspěchem. Založená na 150 rozhovorech s vedoucími pracovníky, průzkumu mezi 350 zaměstnanci a analýze 300 veřejných nasazení AI, tato studie odhaluje jasný rozdíl mezi úspěšnými případy a těmi, které zůstávají na mrtvém bodě. Podle Adityi Challapallyho, hlavního autora zprávy a výzkumníka v projektu NANDA na MIT, jen asi 5 % pilotních programů AI dosahuje rychlého růstu příjmů, zatímco drtivá většina – 95 % – nepřináší žádný významný finanční dopad na hospodářské výsledky firmy.

Tento neúspěch není způsoben špatnou kvalitou samotných AI modelů, ale spíš takzvaným "learning gap" – mezerou v učení, která postihuje jak nástroje, tak organizace. Generické nástroje jako ChatGPT fungují skvěle pro jednotlivce díky své flexibilitě, ale v podnikovém prostředí selhávají, protože se neučí z pracovních postupů ani se jim nepřizpůsobují. Zpráva, o které hovořila autorka Sheryl Estrada v článku na Fortune, zdůrazňuje, že firmy často obviňují regulace nebo výkon modelů, ale skutečný problém leží v chybné integraci do podnikových procesů.

Proč selhávají pilotní programy a kde se ztrácejí peníze

Jedním z klíčových zjištění je špatná alokace rozpočtů. Více než polovina rozpočtů na generativní AI jde do nástrojů pro prodej a marketing, přestože největší návratnost investic (ROI) přináší automatizace back-office – tedy zadních kanceláří, kde se snižují náklady na externí agentury, outsourcing a provozní procesy. Podle dat z MIT selhávají interně vyvíjené systémy AI téměř dvakrát častěji než ty zakoupené od specializovaných dodavatelů. Přesto mnoho firem, zejména v regulovaných odvětvích jako finanční služby, trvá na budování vlastních proprietárních systémů.

Aditya Challapally v rozhovoru poznamenal, že firmy často váhají sdílet své neúspěchy. "Téměř všude, kam jsme šli, se podniky snažily budovat vlastní nástroj," řekl, ale data ukazují, že zakoupené řešení přináší spolehlivější výsledky s úspěšností kolem 67 %. Naopak interní vývoj uspěje jen v jedné třetině případů. Další problém představuje takzvané "shadow AI" – neautorizované nástroje jako ChatGPT, které zaměstnanci používají bez dozoru, což zvyšuje rizika bezpečnosti a nedostatek kontroly.

Úspěšné případy a co se z nich naučit

Některé firmy však s generativní AI excelují. Například mladé startupy vedené devatenácti- nebo dvacetiletými zakladateli dokázaly zvýšit své příjmy z nuly na 20 milionů dolarů (přibližně 450 milionů kč) během jednoho roku. Podle Challapallyhoho to dosáhly tím, že se zaměřily na jediný bolestivý bod, dobře ho vyřešily a navázaly chytrá partnerství s firmami, které jejich nástroje používají. Velké společnosti, které uspěly, často dávají pravomoci liniovým manažerům místo centrálním AI laboratořím a volí nástroje, které se hluboce integrují a postupně adaptují.

Zpráva také upozorňuje na probíhající změny na trhu práce. Místo masových propouštění firmy spíš neobsazují uvolněné pozice, zejména v zákaznické podpoře a administrativě. Tyto změny se soustředí na role, které byly dříve outsourcovány kvůli své nízké hodnotě. Navíc se objevují pokročilé systémy jako agentická AI, které se učí, pamatují a jednají samostatně v určených hranicích, což naznačuje směr budoucího vývoje.

Technické limity a budoucnost AI v byznysu

Další informace z MIT výzkumů ukazují, že generativní AI má technické omezení – modely zvládnou specifické úkoly přesně, ale chybí jim koherentní vnitřní model světa. Například mohou poskytnout přesné navigační instrukce v New Yorku, ale selžou při uzavírkách ulic nebo objížďkách. Efektivita závisí na kvalitě uživatelských dotazů (promptů), a automatické přepisování promptů někdy vede k horším výsledkům, pokud se neshodují s úmyslem uživatele.

V softwarovém vývoji může AI zvýšit produktivitu vývojářů až o 55 % v kontrolovaných podmínkách, ale rychlé a neopatrné nasazení zvyšuje technický dluh, zejména při integraci se staršími systémy, což vede k problémům se škálovatelností a stabilitou. MIT zdůrazňuje, že organizační připravenost, pečlivá integrace a realistická očekávání jsou klíčové pro využití potenciálu generativní AI. I když Federální rezervní systém očekává, že AI nakonec zvýší produktivitu, současné neúspěchy ukazují na významné výzvy v technologii i její aplikaci.

Tato zpráva od MIT slouží jako varování pro firmy: bez správného přístupu zůstane generativní AI jen drahou hračkou bez reálného přínosu. Pokud chcete uspět, zaměřte se na adaptaci, partnerství a back-office automatizaci – to je cesta k opravdovým výsledkům.