Usvajanje AI-ja u preduzećima raste brže od bilo koje tehnološke promjene u novijoj historiji. Svaki sastanak rukovodstva na kraju dođe do istog očekivanja. AI mora donijeti mjerljivu vrijednost na nivou cijele organizacije. Nakon objave ChatGPT-a, inženjerski timovi usvojili su Copilot, analitičari su prihvatili Perplexity, a operativni timovi eksperimentisali su s automatizacijom. Produktivnost se poboljšala gotovo odmah.
Ipak, samo nekoliko mjeseci kasnije, krive usvajanja su usporile. Pilot-projekti su zastali. ROI je postao nedosljedan. Ovo usporavanje nije uzrokovano slabim modelima niti nedostatkom ambicije rukovodstva. Ono je rezultat strukturnog nesklada između mogućnosti AI-ja i okruženja u preduzećima.
Nedavno sam naišao na analizu Caleba, autora koji često istražuje organizacijsku stranu usvajanja AI-ja. Njegov okvir nije uveo nove koncepte, ali je razjasnio napetost koju su mnogi lideri u preduzećima već osjetili. Objasnio je zašto AI briljira u izolovanim slučajevima upotrebe, a ipak se muči da proizvede transformaciju na nivou sistema.
Usvajanje AI-ja ne zavisi od snage modela. Zavisi od sloja na kojem se AI uvodi u preduzeće.
Za CIO-e, CTO-e i lidere transformacije koji se pitaju zašto AI impresionira u demonstracijama, ali zastaje pri implementaciji, ovaj članak mapira skrivena ograničenja i strateške puteve potrebne za održivo usvajanje na nivou cijelog preduzeća.
Od „Trebamo li usvojiti AI“ do „Zašto usvajanje ide tako sporo“
Prije dvije godine preduzeća su raspravljala o tome da li im je AI potreban. Danas je pitanje kako ga integrisati održivo i sigurno. Analitičari predviđaju da bi značajan dio outputa preduzeća uskoro mogao generisati AI. Na papiru to izgleda neizbježno. U praksi, uticaj i dalje ostaje neujednačen.
Inženjerski timovi rade brže, ali se međufunkcionalno izvršenje jedva poboljšava. Prodajni timovi automatizuju outreach, ali i dalje gube vrijeme na ručnu koordinaciju. operativni timovi brzo generišu uvide, ali i dalje ručno usklađuju fragmentirane podatke.
Preduzeća ne funkcionišu kao linearne mašine. Ona djeluju kao složeni sistemi oblikovani upravljanjem, poticajima, kulturom i naslijeđenom tehnologijom. AI uvećava tu složenost umjesto da je smanjuje.
Koristan okvir je posmatrati AI u preduzećima kroz tri nivoa zrelosti.
Nivo 1. Zadaci uz podršku AI-ja
Korisno, ali suštinski ograničeno
Tu većina preduzeća počinje. Zaposleni koriste generativni AI za istraživanje, sažimanje, prijedloge za kodiranje i kreiranje sadržaja. Ovi alati donose trenutnu vrijednost.
Ali ubrzavanje pojedinačnih zadataka nije transformacija toka rada. Okolni procesi — odobravanja, primopredaje i slojevi izvještavanja — ostaju nepromijenjeni. Kao rezultat toga, brzina preduzeća se ne poboljšava značajno.
Brzina izvršavanja zadataka nije isto što i organizacijska brzina.
Ova faza djeluje sigurno jer ne zahtijeva nikakve strukturne prilagodbe. Ali dugoročni ROI je ograničen već samim dizajnom.
Nivo 2. Agentni tokovi rada
Visok potencijal i visok otpor
Agentni AI autonomno izvršava višekoračne tokove rada. Agenti mijenjaju datoteke, pregledaju rezultate, upravljaju zadacima ili koordiniraju operacije. Obećanje je ogromno.
Usvajanje nije.
Prepreka nije tehnička sposobnost, već organizaciona spremnost. Agentni sistemi zahtijevaju povjerenje, nadzor, upravljanje i toleranciju prema automatizaciji. Narušavaju uspostavljene hijerarhije i rutine usklađenosti. Uvode nepoznat operativni rizik.
Posljedično, mnogi agentni alati nazaduju u poluautonomne asistente koji djeluju samo unutar sigurnih granica.
Preduzeća ne odbacuju autonomiju zbog straha. Odbacuju je zbog neusklađenosti.
Nivo 3. AI nativni sistemi
Dugoročna prednost
AI nativni sistemi predstavljaju najviši nivo zrelosti. Dizajnirani su uz učešće AI-ja od samog početka. Umjesto naknadnog prilagođavanja tokova rada optimiziranih za ljude, preduzeća grade nove operativne strukture u kojima AI orkestrira tok podataka, slijed odluka i ritam rada.
To otključava prediktivne operacije, smanjuje uska grla i omogućava kontinuirano donošenje odluka.
Prepreka je visoka. Ali dugoročna prednost daleko nadmašuje inkrementalne dobitke.
Međutim, put do AI nativnih sistema je dug. Prava opasnost pojavljuje se u međuvremenu.
Problem Ferrarija
Neupravljani AI je prijetnja visokih performansi
Caleb je upotrijebio metaforu koja postaje još snažnija u kontekstu preduzeća. Davanje zaposlenima pristupa moćnim AI alatima poput ChatGPT-a ili Copilota nije isto što i samo dati im Ferrari.
To je kao da im dajete Ferrari bez ikakve obuke, bez saobraćajnih pravila, bez osiguranja i bez uvida u to kuda će automobil zapravo otići.
Motor je izvanredan. Ipak, unutar složenog poslovnog okruženja s osjetljivim podacima, zahtjevima usklađenosti i naslijeđenim sistemima, ovaj nivo nekontrolisane moći predstavlja strukturnu prijetnju.
Neregulisani AI dovodi do nenamjernog curenja podataka, korištenja shadow IT-a, neprovjerljivih izlaza, nekontrolisanih ulaza u modele i potpunog gubitka mogućnosti revizije.
Ferrari se ne kreće samo brzo. Kreće se i u smjerovima koje preduzeće ne može vidjeti.
Dok se radni tokovi, granice upravljanja, slojevi validacije i integraciona arhitektura ne izgrade iznova, neupravljani AI ostaje obaveza, a ne prednost.
Zašto razmjer preduzeća stvara sistemsko trenje
Kako organizacije rastu, složenost koordinacije raste još brže. Udvostručavanje tima ne udvostručuje složenost. Ono je umnožava.
AI unapređuje učinak pojedinca. Ali preduzeća funkcionišu na nivou mreže. Taj nesklad apsorbuje najveći dio uticaja.
Istraživanje pokazuje jednu ključnu istinu.
AI pojačava ono što već postoji. Usklađenost se ubrzava. Fragmentacija se urušava.
Bez redizajniranih radnih tokova i upravljanja, AI donosi izolovana poboljšanja umjesto transformacije na nivou cijelog sistema.
Stvarnost preduzeća
Sigurnost, povjerenje, rizik za podatke i interni otpor
Prije nego što preduzeća krenu ka autonomiji ili AI-native radnim tokovima, suočavaju se s neizbježnim ograničenjima.
Sigurnosni zahtjevi ne dopuštaju nikakav kompromis kada je riječ o granicama podataka ili regulatornoj usklađenosti.
Nepouzdanost LLM-ova stvara zadršku jer se halucinacije ne mogu tolerisati.
Shadow IT se pojavljuje kada službeni alati zaostaju za potrebama zaposlenih.
Strateški i lični podaci uvode pravni i reputacijski rizik.
Nedostatak centralizovanog upravljanja stvara neizvjesnost oko validacije i nadzora.
To nisu znakovi konzervativizma.
To su znakovi institucionalne odgovornosti.
Usvajanje AI-ja ubrzava se tek kada se ove osnove poštuju.
Stvarna praznina na tržištu
Ne traži svaki radni tok reinvenciju
Neki narativi o AI-ju polaze od pretpostavke da zaposleni žele automatizaciju. U stvarnosti, mnogi radni tokovi ostaju stabilni zato što djeluju predvidivo i kulturno sigurno.
Prava prilika leži negdje drugo.
Ručni prijenosi podataka.
Ponavljajuća dokumentacija.
Prebacivanje konteksta.
Izolovane platforme.
Nepovezani tokovi rada.
Ove tačke trenja tiho narušavaju produktivnost.
Uklonite nevidljivo trenje i usvajanje postaje prirodno.
Praktični koraci za održivu transformaciju preduzeća
Preduzeća koja uspijevaju dijele zajedničke prakse.
Provedite detaljne revizije tokova rada.
Postepeno uvodite agentsko ponašanje uz nadzor.
Redizajnirajte uloge prije nego što redizajnirate tehnologiju.
Počnite u oblastima s malo ograničenja naslijeđenih sistema.
Mjerite organizacijsku brzinu, a ne brzinu izvršavanja zadataka.
Ovi koraci djeluju jednostavno. Njihov uticaj je eksponencijalan.
Završno razmatranje za lidere u preduzećima
Usvajanje AI-ja u preduzećima nije izazov modela. To je strukturni i kulturni izazov. Većina organizacija ostaje zarobljena na nivou dobitaka u pojedinačnim zadacima jer njihovi tokovi rada nisu dizajnirani za autonomne sisteme.
Lideri koji to prepoznaju i namjerno redizajniraju svoje organizacije oblikovat će narednu eru produktivnosti preduzeća.
AI jača usklađene organizacije, a uvećava fragmentirane. Prvo ojačajte temelje. Zatim skalirajte.
Praktična napomena
Potreba za sigurnim i integrisanim slojem za preduzeća
U razgovorima s CIO-ovima i timovima za transformaciju stalno se ponavlja jedna tema. Preduzećima nije potreban još jedan samostalni asistent. Potreban im je siguran, provjerljiv i duboko integrisan sloj produktivnosti koji povezuje aplikacije, štiti podatke, usklađen je s upravljanjem i uvodi AI u tokove rada bez destabilizacije postojećih sistema.
Platforme izgrađene na dubokim integracijama, arhitekturi koja privatnost stavlja na prvo mjesto i nadzoru na nivou preduzeća pretvaraju neupravljani AI iz rizika u stratešku prednost. One pružaju inženjerski izgrađen cestovni sistem koji Ferrari nikada nije imao.
To je filozofija iza Dvina. Dizajniran je ne kao alat za zadatke ili izolovani agent, već kao sloj produktivnosti svjestan tokova rada koji objedinjuje aplikacije, štiti osjetljive podatke i omogućava timovima da ostvare transformaciju na nivou tokova rada bez žrtvovanja kontrole.
Završno razmatranje
Budućnost pripada preduzećima koja grade prave puteve
Preduzeća koja pobijede u AI tranziciji neće biti ona s najviše modela. To će biti ona koja izgrade najsigurnije, najjasnije i najprilagodljivije puteve kojima AI može djelovati.
Kada se tokovi rada, upravljanje i tokovi podataka usklade, AI prestaje da se ponaša kao eksperimentalni motor i postaje prava infrastruktura preduzeća.
Budućnost ne pripada preduzećima s najbržim motorima. Pripada onima s najjačim putevima.
