Uvođenje umjetne inteligencije u poslovanje često kreće od kraja: organizacije žele transformaciju, automatizaciju i mjerljivo povećanje produktivnosti prije nego što su uredile podatke, procese i postojeće digitalne sustave. Prema Ivanu Lozančiću, problem nastaje kada se pokušava preskočiti nekoliko temeljnih koraka bez kojih naprednija rješenja teško mogu dati očekivani rezultat. „Događa se krivo ovaj dio gdje ljudi odmah idu preskočiti korake koje prije treba poduzeti i napraviti“, ističe za ICTbusiness Media - ICTbusiness.info Ivan Lozančić, CEO ORKA-e.
Prvi korak, objašnjava, nije izbor najnovijeg AI alata, nego razumijevanje sustava u koji bi taj alat trebao biti uveden. Organizacija mora upoznati vlastite procese, educirati korisnike i kvalitetno provesti prethodne faze digitalizacije. Jednako je važno urediti baze podataka i obaviti predradnje koje stvaraju podlogu za transformaciju. „Prvi korak je upoznati sustav, educirati korisnika, učiniti tu digitalizaciju u prethodnim koracima, kvalitetno baze posložiti“, kaže Lozančić.
Takav slijed možda nije atraktivan kao obećanje trenutačnog AI iskoraka, ali upravo priprema određuje koliko će kasnija implementacija biti korisna. Ako su podaci neuređeni, korisnici nedovoljno pripremljeni, a procesi nisu jasno postavljeni, sama tehnologija ne uklanja te slabosti. AI se tada uvodi u okruženje koje još nije spremno za transformaciju koju od nje očekuje.
Očekivanja korisnika i kompanija vrlo su konkretna. Lozančić kaže da se od umjetne inteligencije najčešće traže dvije stvari: zamjena dijela ljudskog rada ili rast produktivnosti. „Najviše očekuju ili zamjenu za osobu, čovjeka, ili očekuju povećanje produktivnosti“, navodi. Rezultati se, prema njegovim riječima, u određenoj mjeri doista ostvaruju, ali ne nužno u opsegu koji je na početku zamišljen. „Obično to i dobiju u nekoj mjeri, nikada onoliko koliko su očekivali“, dodaje.
Tu se pokazuje razlika između tehnološke mogućnosti i stvarne poslovne vrijednosti. AI rješenje može biti funkcionalno, ali pitanje je koliko je dobro uklopljeno u konkretan sustav i koliko je organizacija spremna promijeniti način rada. Lozančić zato naglasak stavlja na implementaciju. Nakon razdoblja vrlo intenzivnog razvoja očekuje fazu u kojoj će se tržište više baviti praktičnom primjenom postojećih mogućnosti.
„Očekujem da će sad malo stati razvoj i krenuti više implementacija“, kaže Lozančić. Ne tvrdi da će tehnološki napredak nestati, nego ističe pomak fokusa prema praktičnoj primjeni. Upravo bi u toj fazi razlike među organizacijama mogle postati vidljivije. Tvrtke koje uspiju kvalitetno povezati tehnologiju, podatke, procese i korisnike imat će drugačiju poziciju od onih koje AI uvode bez potrebne pripreme.
„Oni koji najbolje to izvedu bit će konkurentno u velikoj prednosti nad svim drugima“, smatra Lozančić. Drugu stranu iste promjene čini rizik za one koji ne uspiju uhvatiti priključak. Prema njegovu viđenju, njima poslovno okruženje neće postati jednostavnije jer će se konkurencija sve više razlikovati upravo prema sposobnosti provedbe, a ne samo prema tome posjeduje li određeni alat.
Istodobno se brzo povećava broj rješenja koja se na tržištu predstavljaju kao AI proizvodi ili kao sustavi koji podržavaju AI. To stvara novi problem za kupce i korisnike: sama oznaka neće biti dovoljna za procjenu kvalitete. „Svi idu raditi rješenja koja podržavaju AI i puno njih će biti dosta loše izvedeno“, upozorava Lozančić.
Zbog toga će se veći dio posla usmjeriti na evaluaciju. Organizacije će morati utvrđivati koji ponuđači doista imaju kvalitetnu tehnologiju i implementaciju, koji su podaci pouzdani te radi li sustav onako kako se predstavlja. „Dosta će teško biti donijeti odluku koga uzeti, tko je dobar, koji podatak je ispravan, koji sustav zapravo dobro radi“, kaže.
To je, u njegovu viđenju, jedan od važnih izazova sljedeće faze AI tržišta. Što je ponuda veća, to je važnija sposobnost razlikovanja stvarne vrijednosti od površnog dodavanja AI funkcionalnosti. „Ljudi će jako puno vremena trošiti na taj izbor. To će biti izazov“, zaključuje Lozančić. Umjesto ideje da umjetna inteligencija sama po sebi rješava problem, njegova poruka vraća težište na disciplinu digitalizacije: pripremiti podatke i sustave, educirati korisnike, a zatim mjeriti koliko implementacija doista mijenja poslovanje. U takvom pristupu AI dolazi kao sljedeći korak već uređenog sustava, a ne kao prečac kojim bi se preskočili poslovi koje organizacija prethodno nije napravila. Upravo se na toj pripremi kasnije vidi razlika između demonstracije tehnologije i rješenja koje je stvarno ugrađeno u poslovni proces.
