Wraz z nadejściem ostatniego kwartału 2026 roku rośnie presja, aby ambicje związane z AI przekuć w namacalne rezultaty. Przez cały sierpień w podcaście The AI Forecast przyglądaliśmy się temu, jak wygląda to w praktyce.
W rozmowach prowadzącego Paula Mullera z gośćmi – Markiem Ritceyem, Varunem Purim i Shaneą Leven – w The AI Forecast analizowaliśmy realia wykorzystania sztucznej inteligencji w całej organizacji. W dalszej części przedstawimy trzy spojrzenia na to, co jest potrzebne, aby przełożyć potencjał AI na istotną wartość biznesową.
Zdaniem Varuna Puriego, współzałożyciela i dyrektora generalnego Yoodli, skuteczne wdrażanie sztucznej inteligencji zaczyna się od problemu, który ludzie próbują rozwiązać, oraz zachowania, które chcą zmienić.
„Często mówię, że nie jesteśmy firmą zajmującą się sztuczną inteligencją. Właściwie nawet nie zależy mi na tym, czy rozwiązaniem jest AI. Jesteśmy firmą zajmującą się zmianą zachowań” – powiedział Puri. „Ludzie mają trudności z ważnymi rozmowami, ponieważ nie ćwiczą. Najlepszy sposób na poprawę to nagrać siebie, obejrzeć nagranie, poczuć zażenowanie i powtórzyć to jeszcze trzy razy”.
W tym kontekście sztuczna inteligencja staje się narzędziem ułatwiającym ćwiczenie. Może wskazywać konkretne obszary wymagające poprawy i umożliwiać wielokrotne powtarzanie ćwiczeń. „AI dostarcza ciekawych spostrzeżeń. Dostarcza statystyk na poziomie organizacji, ale sednem są ćwiczenia i większa samoświadomość” – powiedział Puri.
To samo myślenie ukierunkowane na rezultaty może pomóc organizacjom oceniać zwrot z inwestycji (ROI). Puri podał hipotetyczny przykład: „Załóżmy, że reprezentuję Google. Muszę przeszkolić 15 000 przedstawicieli handlowych z nowej prezentacji dotyczącej Gemini. W dawnych realiach potrzebowałbym sześciu miesięcy, aby wszyscy zaczęli mówić tym samym językiem. Teraz zajmuje mi to sześć dni. Świetnie, mamy skrócony czas wdrożenia” – powiedział. „Czy przekłada się to bezpośrednio na wartość finansową? Jeszcze nie, ale naprawdę możemy to bardzo szybko określić w liczbach”.
Dla Puriego wniosek jest następujący: najpierw należy określić oczekiwany rezultat, a następnie ocenić sztuczną inteligencję pod kątem tego, czy pomoże go osiągnąć. Może to oznaczać większą produktywność lub skuteczniejszą komunikację. Technologia ma największe znaczenie, gdy służy realizacji celu, zamiast stawać się celem samym w sobie.
Organizacje przeznaczają ogromne zasoby na sztuczną inteligencję, dlatego presja na szybkie działanie jest silna. Jednak zdaniem Marka Ritceya, wiceprezesa ds. wdrażania AI i automatyzacji w LatentBridge, skuteczne wdrażanie sztucznej inteligencji w przedsiębiorstwie zaczyna się od prostego pierwszego kroku: zdefiniowania problemu biznesowego i zbudowania odpowiedniej struktury w celu jego rozwiązania.
„Mogę powiedzieć, że z pewnością widziałem skuteczne zastosowania AI, miałem z nimi do czynienia i sam je wdrażałem” – stwierdził Ritcey. „Dotyczą one wielu różnych obszarów. Częstym przykładem jest czatbot oparty na AI lub LLM, który odpowiada na pytania związane z HR na podstawie repozytorium wiedzy z tej dziedziny. Istnieją też narzędzia do oceny zdolności kredytowej, które analizują informacje finansowe klienta lub firmy, agregują je i podsumowują, by przedstawić je analitykowi kredytowemu. Decyzji nie podejmuje więc maszyna ani sztuczna inteligencja – podejmuje ją człowiek”.
We wszystkich tych przykładach Ritcey dostrzega te same podstawy, które decydują o tym, czy inicjatywa związana ze sztuczną inteligencją przynosi wartość. Organizacje muszą zacząć od jasno zdefiniowanego problemu, a następnie zbudować strukturę niezbędną do przekształcenia inicjatywy AI w rozwiązanie, z którego pracownicy będą mogli skutecznie korzystać.
Staje się to jeszcze ważniejsze, gdy organizacje przechodzą od eksperymentów z generatywną sztuczną inteligencją do systemów produkcyjnych i AI opartej na agentach. Ritcey radzi, by nie ulegać presji natychmiastowej gonitwy za największą szansą, lecz najpierw rozwijać zdolności niezbędne do skalowania.
Jak ujął to Ritcey: „Zanim zaczniesz biegać, musisz nauczyć się raczkować”. Sztuczna inteligencja w przedsiębiorstwie wymaga takiej samej dyscypliny, jak każda duża transformacja biznesowa, a dodatkowo – zasad zarządzania i nadzoru nad systemami, których wyniki mogą być nieprzewidywalne. Prac o takim zakresie nie można przyśpieszać na siłę.
Generatywna sztuczna inteligencja radykalnie obniża próg wejścia w tworzenie oprogramowania, umożliwiając osobom z niewielkim doświadczeniem w tradycyjnym kodowaniu przekształcanie pomysłów w działające aplikacje. Jednak dla Shanei Leven, współzałożycielki Empromptu AI, możliwość szybkiego tworzenia zwiększa również wagę tego, jak aplikacje te trafiają do środowiska produkcyjnego.
„Jak najbardziej można tworzyć aplikacje produkcyjne. Trzeba tylko wiedzieć, co się robi” – powiedziała Leven.
Trudność tkwi w infrastrukturze otaczającej te aplikacje. „Jeśli tworzysz aplikację generatywną i w jej infrastrukturze nie masz AI, na przykład do wykrywania dryfu lub przypadków brzegowych, to czy monitorujesz, jak działają dane wejściowe i czy do aplikacji trafiają właściwe dane?” – zapytała Leven. „Jeśli nie masz skonfigurowanych wszystkich tych elementów, właśnie wtedy zaczynają pojawiać się halucynacje.”
Kiedy jednak taka infrastruktura już istnieje, sztuczna inteligencja może poszerzyć grono osób uczestniczących w tworzeniu oprogramowania. Weźmy na przykład hipotetyczną „Debbie z księgowości”.
„Debbie z księgowości jest ekspertką w dziedzinie księgowości” – powiedziała Leven. „Jeśli wprowadzasz aplikację lub przepływ pracy do obszaru, w którym działa Debbie, to właśnie ona najlepiej wie, jak powinny wyglądać wyniki i jakie zasady oraz zabezpieczenia można zastosować”.
Leven określa tę rosnącą grupę twórców korzystających ze sztucznej inteligencji mianem osób „nowo wchodzących w świat technologii”. Jej zdaniem, w miarę jak coraz więcej pracowników zyskuje możliwość tworzenia oprogramowania, organizacje będą musiały pomagać im rozwijać pewne sposoby myślenia tradycyjnie kojarzone z inżynierami oprogramowania i menedżerami produktów.
Poszerzenie dostępu do tworzenia oprogramowania może pomóc wykorzystać cenną wiedzę specjalistyczną w całej organizacji, ale jednocześnie zwiększa znaczenie wspólnej infrastruktury i edukacji. Umożliwienie większej liczbie pracowników tworzenia rozwiązań daje najlepsze efekty wtedy, gdy organizacje zapewniają również zasady i zabezpieczenia wspierające odpowiedzialny rozwój oprogramowania.
Sztuczna inteligencja dojrzewa, a sukces w coraz większym stopniu zależy od tego, jak organizacje wykorzystują tę technologię. W tym miesiącu Ritcey, Puri i Leven analizowali, czego potrzeba, aby przełożyć potencjał sztucznej inteligencji na istotną wartość dla przedsiębiorstwa. Ich perspektywy wskazują na potrzebę bardziej przemyślanego podejścia do uzyskiwania realnej wartości biznesowej z AI.
Posłuchaj tych i innych odcinków podcastu The AI Forecast w serwisach Spotify, Apple Podcasts oraz YouTube.
This may have been caused by one of the following: