Uspješne AI inicijative počivaju na većim ulaganjima u temeljna područja

Organizacije koje prijavljuju uspješne inicijative umjetne inteligencije ulažu do četiri puta više, mjereno udjelom u prihodima, u temeljna područja poput kvalitete podataka, upravljanja, ljudi spremnih za AI i upravljanja promjenama u usporedbi s onima koje bilježe loše ishode AI projekata, pokazuje Gartner. Globalno istraživanje provedeno među 353 čelnika za podatke i analitiku te umjetnu inteligenciju od studenoga do prosinca 2025. pokazalo je i da je samo 39 posto tehnoloških lidera uvjereno da će aktualna ulaganja njihovih organizacija u umjetnu inteligenciju pozitivno utjecati na financijske rezultate.

„Čelnici za podatke i analitiku imaju središnju ulogu u ostvarivanju vrijednosnih ambicija svojih organizacija u području umjetne inteligencije”, rekla je Rita Sallam, istaknuta potpredsjednica analitičarka, Gartner Fellow i glavna istraživačica u Gartneru. „Do 2030. mandat čelnika za podatke i analitiku bit će isporuka temeljnih područja, uključujući nove pouzdane podatke, kontekstualne temelje i perceptivnu inteligenciju. Odgovor na taj mandat zahtijevat će promjene u načinu na koji se D&A tim organizira i radi, gradi i skalira te stvara vrijednost.”

Prvi pomak odnosi se na izgradnju podataka i analitike prema AI-first modelu. Taj pomak počinje i završava ambicijom korištenja umjetne inteligencije za transformaciju, a ne tek za sitno podešavanje poslovnih i operativnih modela usklađenih s odvažnim poslovnim ciljevima. Za primjenu nove tehnologije na inovativne načine visoke vrijednosti potrebno je pionirsko vodstvo.

Drugi pomak odnosi se na redizajn D&A organizacije za suradnju ljudi i agenata. „Budućnost se ne odnosi na zamjenu ljudi, nego na pojačavanje njihove domišljatosti”, rekla je Sallam. „Budući da će AI stvarati dodatni kapacitet, D&A timovi smanjivat će se po veličini, ali povećavati utjecaj. AI-first D&A organizacije imat će manje, ‘sićušne’ timove organizirane kao odlučivačke jedinice široko osposobljenih stručnjaka, proširenih umjetnom inteligencijom i stručnjacima za AI agente usmjerenima na poslovne ishode. Vidimo da vodeće kompanije eksperimentiraju s timovima malima kao što su jedna ‘tehnička’ i jedna ‘poslovna’ osoba.”

Treći pomak odnosi se na uspostavu konteksta kao kritične infrastrukture. Gartner je utvrdio da organizacije s najvišom zrelošću AI-spremnih D&A sposobnosti postižu do 65 posto bolje poslovne ishode, uključujući rast prihoda i optimizaciju troškova. Uspjeh D&A do 2030. neće se odnositi na bolje modele, nego na davanje agentima upravljanog, kontekstualnog pristupa pravim podacima. Agenti ne mogu autonomno funkcionirati bez visokokvalitetnog konteksta i potpunog povjerenja. Kontekstualne sposobnosti djeluju kao mozak umjetne inteligencije. Zato su kontekst, uključujući semantiku i metapodatke, sada misijski kritični za podatke i analitiku. D&A lideri moraju redizajnirati D&A arhitekturu tako da kontekstualni sloj postane središnji mozak za AI agente koji isporučuju pouzdanu inteligenciju.

Četvrti pomak znači da D&A organizacije trebaju skalirati povezane inženjerske prakse. Ostvarivanje AI ambicija u velikom mjerilu zahtijeva nove, duboko integrirane inženjerske prakse. Izolirane prakse za podatke, umjetnu inteligenciju, kontekst i softversko inženjerstvo neće moći ostvariti AI-first ambiciju. D&A organizacije trebaju izaći iz beskonačnog kruga proof-of-concept projekata i prijeći na razinu cijelog poduzeća izgradnjom međusobno povezanih praksi i vještina u području podatkovnog, AI, softverskog i kontekstualnog inženjerstva.

Peti pomak odnosi se na uspostavu povjerenja kao katalizatora vrijednosti i inovacije. Upravljanje postaje temelj za ostvarivanje vrijednosti i poticanje inovacija. Ipak, Gartnerovo istraživanje provedeno među 360 IT lidera u drugom tromjesečju 2025. pokazalo je da samo 23 posto ispitanika ima visoku razinu povjerenja u sposobnost svoje organizacije da upravlja sigurnošću i upravljanjem pri uvođenju alata generativne umjetne inteligencije. „Tradicionalnu kontrolu treba preoblikovati tako da prednost dobiju modeli upravljanja AI agentima utemeljeni na povjerenju, izgradnjom dinamičkog upravljanja koje automatizirani kontekst i provjere pristranosti, privatnosti i usklađenosti ugrađuje izravno u radne procese”, rekla je Sallam. „Bez povjerenja u podatke, izlaze i odluke AI modela i agenata nema vrijednosti od umjetne inteligencije.”

Šesti pomak znači izlazak izvan klasičnog povrata na ulaganje prema složenom povećavanju vrijednosti. AI-first D&A lideri trebaju prijeći s promatranja ROI-ja na stvaranje zamašnjaka vrijednosti, u kojem se dobitci učinkovitosti iz ulaganja visokog učinka namjerno ponovno ulažu u rast i inovacije.

Ovi nalazi potvrđuju da se korporativna umjetna inteligencija sve manje može promatrati kao odvojeni tehnološki projekt. AI sustavi ovise o kvaliteti podataka, jasnim vlasništvima nad procesima, pravilima pristupa i sposobnosti organizacije da promijeni način rada. Tvrtke koje preskaču podatkovne temelje često brzo dolaze do prototipa, ali zapinju pri širenju rješenja na stvarne poslovne procese. Posebno je važno pitanje konteksta, jer generativni modeli i agenti bez preciznog razumijevanja poslovnih pojmova, pravila i ograničenja mogu proizvoditi uvjerljive, ali pogrešne rezultate. Zbog toga se uloga D&A lidera širi prema arhitekturi, sigurnosti, upravljanju promjenama i poslovnoj odgovornosti. Investicije u podatkovnu kvalitetu više nisu samo pozadinska IT tema, nego izravan preduvjet financijskog učinka AI-ja.

Organizacije koje žele izbjeći razočaranje morat će povezati AI strategiju s metapodacima, podatkovnim katalogom, sigurnosnim politikama i jasnom odgovornošću za odluke koje donose modeli ili agenti. U praksi to znači da će se uspjeh mjeriti manje brojem pokrenutih AI eksperimenata, a više brojem procesa u kojima je AI pouzdano ugrađen u operativni rad. Ključna promjena bit će prelazak s tehnologije kao demonstracije na tehnologiju kao upravljani sustav vrijednosti. U tom smislu, umjetna inteligencija najviše nagrađuje organizacije koje su već ozbiljno radile na podatkovnoj disciplini, a najbrže kažnjava one koje pokušavaju zaobići temeljne slabosti.