Usvajanje AI-ja u poduzećima raste brže od bilo koje tehnološke promjene u novijoj povijesti. Svaki sastanak vodstva na kraju dođe do istog očekivanja. AI mora donijeti mjerljivu vrijednost na razini cijele organizacije. Nakon izlaska ChatGPT-a, inženjerski timovi usvojili su Copilot, analitičari su prigrlili Perplexity, a operativni timovi eksperimentirali su s automatizacijom. Produktivnost se poboljšala gotovo odmah.
Ipak, samo nekoliko mjeseci kasnije, krivulje usvajanja usporile su se. Pilot-projekti su zastali. ROI je postao nedosljedan. Ovo usporavanje nije uzrokovano slabim modelima ni manjkom ambicije na razini rukovodstva. Ono je rezultat strukturnog nesklada između mogućnosti AI-ja i okruženja poduzeća.
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 poduzećima već osjetili. Objasnio je zašto AI briljira u izoliranim slučajevima upotrebe, a ipak se muči proizvesti transformaciju na razini sustava.
Usvajanje AI-ja ne ovisi o snazi modela. Ovisi o sloju na kojem se AI uvodi u poduzeće.
Za CIO-ove, CTO-ove i lidere transformacije koji se pitaju zašto AI impresionira u demonstracijama, ali zastaje u implementaciji, ovaj članak mapira skrivena ograničenja i strateške putove potrebne za održivo usvajanje na razini cijelog poduzeća.
Od “Trebamo li usvojiti AI” do “Zašto je usvajanje tako sporo”
Prije dvije godine poduzeća su raspravljala o tome trebaju li AI. Danas je pitanje kako ga integrirati održivo i sigurno. Analitičari predviđaju da bi značajan dio outputa poduzeća uskoro mogao generirati AI. Na papiru to izgleda neizbježno. U praksi učinak ostaje neujednačen.
Inženjerski timovi kreću se brže, no međufunkcionalna provedba jedva se poboljšava. Prodajni timovi automatiziraju outreach, ali i dalje gube vrijeme na ručnu koordinaciju. operativni timovi brzo generiraju uvide, ali fragmentirane podatke i dalje usklađuju ručno.
Poduzeća ne funkcioniraju kao linearni strojevi. Ona djeluju kao složeni sustavi oblikovani upravljanjem, poticajima, kulturom i naslijeđenom tehnologijom. AI tu složenost povećava umjesto da je smanjuje.
Koristan okvir je promatrati AI u poduzećima kroz tri razine zrelosti.
Razina 1. Zadaci uz pomoć AI-ja
Korisno, ali u osnovi ograničeno
Ovdje većina poduzeća započinje. Zaposlenici koriste generativni AI za istraživanje, sažimanje, prijedloge za kodiranje i izradu sadržaja. Ti alati donose trenutačnu vrijednost.
No ubrzavanje pojedinačnih zadataka nije isto što i transformacija tijeka rada. Okolni procesi — odobravanja, primopredaje i slojevi izvještavanja — ostaju nepromijenjeni. Kao rezultat toga, brzina poduzeća ne poboljšava se značajno.
Brzina izvršavanja zadataka nije isto što i organizacijska brzina.
Ova faza djeluje sigurno jer ne zahtijeva strukturne prilagodbe. No dugoročni ROI je ograničen već samim dizajnom.
Razina 2. Agentni tijekovi rada
Visok potencijal i visok otpor
Agentni AI autonomno izvršava višekoračne tijekove rada. Agenti mijenjaju datoteke, pregledavaju rezultate, upravljaju zadacima ili koordiniraju operacije. Obećanje je golemo.
Usvajanje nije.
Prepreka nije tehnička sposobnost, nego organizacijska spremnost. Agentni sustavi zahtijevaju povjerenje, nadzor, upravljanje i toleranciju prema automatizaciji. Narušavaju ustaljene hijerarhije i rutine usklađenosti. Uvode nepoznat operativni rizik.
Posljedično, mnogi agentni alati nazaduju u poluautonomne asistente koji djeluju samo unutar sigurnih granica.
Poduzeća ne odbacuju autonomiju zbog straha. Odbacuju je zbog neusklađenosti.
Razina 3. AI nativni sustavi
Dugoročna prednost
AI nativni sustavi predstavljaju najvišu razinu zrelosti. Osmišljeni su s uključenim AI-jem od samog početka. Umjesto naknadne prilagodbe tijekova rada optimiziranih za ljude, poduzeća grade nove operativne strukture u kojima AI orkestrira protok podataka, slijed odluka i ritam rada.
To otključava prediktivne operacije, smanjuje uska grla i omogućuje kontinuirano donošenje odluka.
Prepreka je visoka. No dugoročna prednost daleko nadmašuje inkrementalne dobitke.
Ipak, put do AI nativnih sustava dug je. Prava opasnost pojavljuje se u međurazdoblju.
Problem Ferrarija
AI bez upravljanja prijetnja je visokih performansi
Caleb je upotrijebio metaforu koja u kontekstu poduzeća postaje još snažnija. Dati zaposlenicima pristup moćnim AI alatima poput ChatGPT-a ili Copilota nije tek kao dati im Ferrari.
To je kao da im dajete Ferrari bez ikakve obuke, bez prometnih pravila, bez osiguranja i bez uvida u to kamo će automobil zapravo otići.
Motor je izvanredan. No unutar složenog poslovnog okruženja s osjetljivim podacima, zahtjevima usklađenosti i naslijeđenim sustavima, ova razina nekontrolirane moći predstavlja strukturnu prijetnju.
Neregulirani AI dovodi do nenamjernog curenja podataka, korištenja shadow IT-a, neprovjerljivih izlaza, nekontroliranih ulaza u modele i potpunog gubitka mogućnosti revizije.
Ferrari se ne kreće samo brzo. Kreće se u smjerovima koje poduzeće ne može vidjeti.
Dok se ne izgrade novi tijekovi rada, granice upravljanja, slojevi validacije i integracijska arhitektura, neupravljani AI ostaje obveza, a ne imovina.
Zašto razmjer poduzeća stvara sustavno trenje
Kako organizacije rastu, složenost koordinacije raste još brže. Udvostručavanje tima ne udvostručuje složenost. Ono je umnaža.
AI poboljšava individualnu učinkovitost. No poduzeća djeluju na razini mreže. Taj nesklad apsorbira većinu učinka.
Istraživanja pokazuju jednu središnju istinu.
AI pojačava ono što već postoji. Usklađenost se ubrzava. Fragmentacija se urušava.
Bez redizajniranih tijekova rada i upravljanja, AI donosi izolirana poboljšanja umjesto transformacije na razini cijelog sustava.
Stvarnost poduzeća
Sigurnost, povjerenje, rizik podataka i interni otpor
Prije nego što poduzeća krenu prema autonomiji ili AI-native tijekovima rada, suočavaju se s neizbježnim ograničenjima.
Sigurnosni zahtjevi ne dopuštaju nikakav kompromis oko granica podataka ili regulatorne usklađenosti.
Nepouzdanost LLM-ova stvara zadršku jer se halucinacije ne mogu tolerirati.
Shadow IT se pojavljuje kada službeni alati zaostaju za potrebama zaposlenika.
Strateški i osobni podaci uvode pravni i reputacijski rizik.
Nedostatak centraliziranog upravljanja stvara neizvjesnost oko validacije i nadzora.
To nisu znakovi konzervativnosti.
To su znakovi institucionalne odgovornosti.
Usvajanje AI-ja ubrzava se tek kada se poštuju ti temelji.
Stvarna praznina na tržištu
Ne traži svaki tijek rada reinvenciju
Neki narativi o AI-ju polaze od pretpostavke da zaposlenici žele automatizaciju. U stvarnosti, mnogi tijekovi rada ostaju stabilni jer djeluju predvidivo i kulturno sigurno.
Prava prilika leži negdje drugdje.
Ručni prijenosi podataka.
Ponavljajuća dokumentacija.
Prebacivanje konteksta.
Izolirane platforme.
Nepovezani radni tokovi.
Te točke trenja tiho nagrizaju produktivnost.
Uklonite nevidljivo trenje i usvajanje postaje prirodno.
Praktični koraci za održivu transformaciju poduzeća
Poduzeća koja uspijevaju dijele zajedničke prakse.
Provedite detaljne revizije radnih tokova.
Postupno uvodite agentsko ponašanje uz nadzor.
Redizajnirajte uloge prije nego što redizajnirate tehnologiju.
Počnite u područjima s malo naslijeđenih ograničenja.
Mjerite organizacijsku brzinu, a ne brzinu izvršavanja zadataka.
Ti koraci djeluju jednostavno. Njihov je učinak eksponencijalan.
Završno promišljanje za poslovne lidere
Usvajanje AI-ja u poduzećima nije izazov modela. To je strukturni i kulturni izazov. Većina organizacija ostaje zarobljena na razini dobitaka u pojedinačnim zadacima jer njihovi radni tokovi nisu osmišljeni za autonomne sustave.
Lideri koji to prepoznaju i promišljeno provedu redizajn oblikovat će sljedeću eru produktivnosti poduzeća.
AI osnažuje usklađene organizacije, a fragmentirane dodatno povećava. Najprije ojačajte temelje. Zatim skalirajte.
Praktična napomena
Potreba za sigurnim i integriranim slojem za poduzeća
U razgovorima s CIO-ovima i timovima za transformaciju jedna se tema stalno ponavlja. Poduzećima ne treba još jedan samostalni asistent. Treba im siguran, auditabilan i duboko integriran sloj produktivnosti koji povezuje aplikacije, štiti podatke, usklađen je s pravilima upravljanja i uvodi AI u radne tokove bez destabilizacije postojećih sustava.
Platforme izgrađene na dubokim integracijama, arhitekturi koja privatnost stavlja na prvo mjesto i nadzoru na razini poduzeća pretvaraju neupravljani AI iz rizika u stratešku prednost. One pružaju projektirani cestovni sustav koji Ferrari nikada nije imao.
To je filozofija iza Dvina. Osmišljen je ne kao alat za zadatke ili izolirani agent, nego kao sloj produktivnosti svjestan radnih tokova koji ujedinjuje aplikacije, štiti osjetljive podatke i omogućuje timovima da ostvare transformaciju na razini radnih tokova bez žrtvovanja kontrole.
Završno promišljanje
Budućnost pripada poduzećima koja grade prave ceste
Poduzeća koja će pobijediti u AI tranziciji neće biti ona s najviše modela. Bit će to ona koja izgrade najsigurnije, najjasnije i najprilagodljivije putove za djelovanje AI-ja.
Kada se radni tokovi, upravljanje i tokovi podataka usklade, AI se prestaje ponašati kao eksperimentalni pogon i postaje prava infrastruktura poduzeća.
Budućnost ne pripada poduzećima s najbržim motorima. Pripada onima s najčvršćim cestama.
