Дигитална трансформација са вештачком интелигенцијом: Шокантно предвиђање: 40% АИ пројеката пропада – да ли је ваш агент следећи?

Неуспела аутоматизација: Брутална истина о пројектима развоја вештачке интелигенције

Годинама је дигитална трансформација обећавала златно доба аутоматизације и ефикасности. Агенти вештачке интелигенције, посебно, се рекламирају као дигитални запослени будућности, од којих се очекује да ослободе људске раднике и револуционишу пословне процесе. Али стварност слика другачију слику: више од једног од три развојна пројекта је на ивици пропасти, а еуфорија све више уступа место разочарању. Ова нескладност између обећања и стварности покреће фундаментална питања о стварној зрелости и практичним користима ове технологије.

Шта су АИ агенти и зашто се сматрају револуционарним?

Агенти вештачке интелигенције се фундаментално разликују од конвенционалних алата за аутоматизацију. Док класична софтверска решења попут Zapier-а или Make-а раде по фиксним правилима, агенти вештачке интелигенције комбинују перцепцију, доношење одлука и могућности деловања у аутономни систем. Они могу, на основу ситуације, да одлуче која је следећа акција одговарајућа, уместо да увек прате исти образац.

Ови напредни рачунарски програми су дизајнирани да делују аутономно, доносе одлуке и предузимају акције без сталне људске интервенције. Они могу да анализирају податке, уче из искуства и да се прилагођавају променљивим условима. За разлику од једноставнијих алата за аутоматизацију, агенти вештачке интелигенције могу да обављају сложене задатке и да се прилагођавају непредвидивим ситуацијама.

Спајање наизглед логичних закључака и могућности стварне акције сматра се доказаним путем ка моћнијим, универзалнијим системима вештачке интелигенције. Агент више не само да тражи информације о производу и даје препоруке, већ и прегледа веб страницу добављача, попуњава обрасце и завршава куповину – искључиво на основу кратких инструкција и научених процеса.

У вези са овим:

• Агенти вештачке интелигенције у CRM-у: Између обећања и стварности

Обећање повећане продуктивности

Потенцијалне користи од вештачке интелигенције за предузећа делују импресивно на први поглед. Студије заиста показују позитивне резултате: Студија Масачусетског технолошког института и Универзитета Станфорд, заснована на подацима 5.179 запослених у служби за кориснике, открила је да су запослени које подржава вештачка интелигенција били 13,8 процената продуктивнији од оних без приступа. Недавна студија чак показује да вештачка интелигенција може повећати продуктивност тима за 60 процената.

Од вештачке интелигенције (AI) агента се очекује да обављају широк спектар задатака, од заказивања састанака и резервисања путовања до истраживања и извештавања. Они могу аутоматизовати понављајуће и дуготрајне задатке, ослобађајући људске запослене да се фокусирају на стратешке и креативне подухвате. Замислите AI агента који аутоматски обрађује фактуре, генерише извештаје и заказује састанке, омогућавајући запосленима да се концентришу на сложеније задатке који захтевају људску стручност.

Примене обухватају практично све области пословања. У корисничкој служби, агенти вештачке интелигенције могу да пружају персонализовану подршку 24 сата дневно, користећи обраду природног језика за обраду упита купаца и ескалирање проблема људским представницима само када је то потребно. У ИТ подршци, они помажу у аутоматизованом решавању проблема идентификовањем, анализом и решавањем проблема. У финансијским и осигуравајућим системима, они могу да открију и спрече преварне активности анализирањем образаца и аномалија у подацима.

Сурова стварност: Зашто агенти вештачке интелигенције не успевају

Упркос обећавајућим изгледима, стварност је отрежњујућа. Фирма за истраживање тржишта Гартнер предвиђа да ће преко 40 процената свих пројеката вештачке интелигенције агената који су тренутно планирани или у употреби бити обустављени до 2027. године. Ова прогноза се заснива на три главна разлога: растући трошкови, недостатак поврата инвестиција за компаније и недовољна контрола ризика.

Анушри Верма, виши директор аналитичар у Гартнеру, објашњава ситуацију на следећи начин: Већина пројеката вештачке интелигенције заснованих на агентима тренутно је у раној експерименталној фази или су још увек концепти вођени хајпом и погрешном применом. Многи корисници вештачке интелигенције и даље немају разумевање колико су агенти вештачке интелигенције заправо скупи и сложени када се скалирају на нивоу читавих предузећа.

Технички недостаци и проблеми са квалитетом

Фундаментални проблем лежи у техничкој незрелости тренутних система. Према аналитичарима компаније Gartner, само око 130 од више од 1.000 алата који обећавају могућности агентске вештачке интелигенције заправо испуњавају то обећање. Већини обећања агентске вештачке интелигенције недостаје значајна вредност или повраћај инвестиције јер нису довољно зрела да аутономно постигну сложене пословне циљеве или да сваки пут детаљно прате упутства.

Проблеми постају посебно очигледни када се агенти вештачке интелигенције суоче са сложеним, вишестепеним задацима. Референтно истраживање компаније Salesforce показује да чак и врхунски модели попут Gemini 2.5 Pro постижу само 58% стопу успеха у једноставним задацима. Перформансе драматично падају на 35% у дужим дијалозима. Чим је потребно неколико рунди разговора да би се прикупиле недостајуће информације путем додатних питања, перформансе значајно опадају.

Још један бенчмарк у финансијском сектору показује слично озбиљне резултате: најбоље тестирани модел, o3 компаније OpenAI, постигао је само 48,3% тачности уз просечну цену од 3,69 долара по одговору. Иако су модели способни да издвоје основне податке из докумената, они не пружају детаљно финансијско образложење неопходно да би заиста допунили или заменили рад аналитичара.

Проблем експоненцијално растуће вероватноће грешке

Посебно проблематична карактеристика AI агената је њихова склоност ка кумулативним грешкама. Patronus AI, стартап који помаже компанијама да процене и оптимизују AI технологију, открио је да агент са стопом грешака од један проценат по кораку до 100. корака има 63 процента вероватноће да направи грешку. Што је више корака агенту потребно да заврши задатак, већа је вероватноћа да нешто крене по злу.

Ова математичка реалност објашњава зашто наизглед мала побољшања у тачности могу имати несразмеран утицај на укупне перформансе. Грешка у било ком појединачном кораку може довести до неуспеха целог задатка. Што је више корака укључено, већа је шанса да нешто крене по злу пре краја.

Безбедносни ризици и нови вектори напада

Истраживачи компаније Мајкрософт идентификовали су најмање десет нових категорија кварова вештачке интелигенције агената који би могли да угрозе безбедност или заштиту вештачке интелигенције апликација или окружења. Ови нови начини кварова укључују компромитовање агента, инфилтрацију лажних агената у систем или имитирање легитимних вештачких радних оптерећења од стране агената које контролише нападач.

Посебно је забрињавајући феномен „тровања меморије“. Истраживачи компаније Мајкрософт су у студији случаја показали да агент вештачке интелигенције који анализира имејлове и извршава радње на основу њиховог садржаја може бити лако угрожен ако није отпоран на такве нападе. Слање имејла који садржи команду која мења базу знања или меморију агента доводи до ненамерних радњи, као што је прослеђивање порука о одређеним темама нападачу.

Економски изазови

Експлозивни растући трошкови имплементације

Трошкови имплементације вештачке интелигенције (AI) драматично варирају у зависности од обима и сложености. За мала предузећа којима су потребна само основна решења, једноставни AI планови обично коштају између 0 и 30 долара месечно. За средње компаније, трошкови имплементације могу се кретати од 50.000 до 300.000 долара, док велике организације са AI иницијативама на нивоу целог предузећа треба да очекују инвестиције од 500.000 до 5 милиона долара у првој години.

Међутим, прави трошкови далеко превазилазе почетне трошкове имплементације. Компаније морају да урачунају трошкове хардвера за специјализоване сервере и кластере графичких картица (GPU), накнаде за лиценцирање софтвера, решења за складиштење података и ресурсе рачунарства у облаку. Поред тога, припрема података – често најдуготрајнији аспект пројеката вештачке интелигенције – захтева значајна улагања. Према истраживању Гартнера, организације обично троше између 20.000 и 500.000 долара на почетну инфраструктуру вештачке интелигенције, у зависности од обима пројекта.

Проблем нејасног поврата инвестиције

Посебно проблематичан аспект је тешкоћа у квантификацији стварних користи од вештачке интелигенције (AI) агената. Док традиционална решења за аутоматизацију често нуде јасне уштеде трошкова кроз смањење броја запослених или повећање ефикасности, повраћај улагања AI агената је теже измерити. Параметре за мерење успеха потребно је прилагодити, јер се повраћај улагања не може директно утврдити.

Упркос оптимистичним очекивањима – анкета показује да 62 одсто компанија очекује повраћај инвестиције (ROI) од преко 100 одсто за агентску вештачку интелигенцију – стварност често изостаје. Многи пилот пројекти не успевају да пређу у производно окружење јер се обећана додата вредност не остварује или трошкови имплементације премашују очекиване уштеде.

Прање агента: Маркетиншки проблем

Додатни фактор који повећава забуну је такозвано „прање агента“. Многи добављачи преименују постојеће технологије као што су вештачка интелигенција асистенти, роботска аутоматизација процеса или четботови у наводно решења заснована на агентима, иако њима често недостају кључне карактеристике правих агената. Гартнер процењује да од хиљада добављача, само око 130 заправо нуди истински аутентичне технологије вештачке интелигенције засноване на агентима.

Ова пракса доводи до нереалних очекивања међу компанијама које верују да имплементирају зрелу технологију агената, док у стварности само добијају побољшане алате за аутоматизацију. Збуњеност између правих вештачких интелигенција агената и традиционалних решења за аутоматизацију значајно доприноси високим стопама неуспеха.

B2B набавка: Ланци снабдевања, трговина, тржишта и снабдевање засновано на вештачкој интелигенцији са ACCIO.com - Слика: Xpert.Digital

Више информација овде:

• Пронађите производе и стекните B2B увиде уз помоћ вештачке интелигенције / консултација и подршке

Специфични изазови у пракси

Интеграција у постојеће системе

Једна од највећих практичних препрека је интеграција вештачке интелигенције (AI) агената у постојеће ИТ системе. Интеграција може бити прави изазов, јер компаније морају да обезбеде да се AI агенти беспрекорно интегришу у њихову постојећу инфраструктуру. Ова интеграција често захтева значајна прилагођавања постојећих система и може довести до скупих поремећаја у текућим пословним процесима.

Многи постојећи пословни системи нису дизајнирани за интеракцију са аутономним вештачком интелигенцијом (AI). Неопходни API интерфејси, формати података и безбедносни протоколи често захтевају потпуно редизајнирање. Ова техничка сложеност доводи до дужег времена имплементације и већих трошкова него што је првобитно предвиђено.

У вези са овим:

• Интеграција независне и међусобно повезане платформе за све пословне потребе засноване на вештачкој интелигенцији

Проблеми са заштитом података и усклађеношћу са прописима

Употреба вештачке интелигенције (AI) такође покреће питања о заштити података и усклађености са законима као што је GDPR. Компаније морају да обезбеде да штите приватност својих купаца и да се придржавају важећих закона. Приступ агената осетљивим подацима и њихова обрада значајно повећава ризике за заштиту података.

Аутономни системи вештачке интелигенције делимично измичу људској контроли, стварајући нове рањивости. У умреженим вишеагентним системима могу се јавити нове последице, чинећи њихово понашање непредвидивим. Потпуно аутономни агенти могу деловати на неочекиване начине, што покреће правна и етичка питања.

Организациони отпор

Често потцењен фактор је отпор унутар радне снаге. Аутоматизација путем вештачке интелигенције може довести до промена на радном месту и губитка радних места. Компаније морају да се припреме за ове промене и предузму мере за подршку својим запосленима. Запослени морају бити уверени у предности вештачке интелигенције како би их ефикасно користили.

Успешна имплементација захтева не само техничку стручност, већ и управљање променама и програме обуке. Без прихватања и активне подршке радне снаге, чак и технички софистициране имплементације ће пропасти због људског фактора.

Зашто су тренутни приступи недовољни

Сложеност стварних пословних процеса

Многи АИ агенти су дизајнирани да раде у контролисаним окружењима, али пословни процеси у стварном свету су далеко сложенији и непредвидиви. Системи засновани на правилима показују степен крхкости, што значи да могу да се покваре када се суоче са ситуацијама које њихови програмери нису предвидели. Многи токови рада су далеко мање предвидљиви, карактеришу их неочекивани обрти и широк спектар могућих исхода.

Агенти вештачке интелигенције који добро функционишу у контролисаним окружењима за тестирање често не успевају када се суоче са сложеношћу и непредвидивошћу пословних окружења у стварном свету. Могу превидети кључне контекстуалне информације или доносити лоше одлуке када се суоче са двосмисленошћу.

Прецењена аутономија

Фундаментални проблем лежи у прецењивању стварне аутономије тренутних вештачке интелигенције агената. Већина такозваних аутономних система и даље захтева значајан људски надзор и интервенцију. Агенти који делују потпуно аутономно ходају по танком конопцу између корисности и непредвидивости. Потпуна аутономија звучи идеално док агент не резервише путовање у погрешан град или не пошаље непроверену е-пошту важном клијенту.

Тренутним моделима вештачке интелигенције недостају неопходне могућности за самостално постизање сложених пословних циљева, нити су способни да прате нијансиране инструкције током дужег временског периода. Ово ограничење често спречава остваривање обећане аутоматизације, а људски надзор остаје неопходан.

Успешне стратегије имплементације

Фокусирајте се на специфичне случајеве употребе

Упркос многим изазовима, заиста постоје успешне имплементације вештачке интелигенције (AI) агената. Кључ лежи у фокусирању на специфичне, добро дефинисане случајеве употребе, уместо у покушају стварања универзалних решења. Успешне организације су се концентрисале на одређивање приоритета и прилагођавање случајева употребе. Доносиоци одлука који користе сваку AI прилику вероватно ће имати више неуспешних пројеката.

Доказан приступ је коришћење вештачке интелигенције (AI) агената за доношење одлука, аутоматизацију рутинских процеса или обраду једноставних упита. Ови ограничени, јасно дефинисани задаци нуде већу вероватноћу успеха него покушај потпуне аутоматизације сложених, двосмислених пословних процеса.

Постепена имплементација

Прагматичан приступ је постепено увођење вештачке интелигенције (AI) агената. Уместо покушаја трансформације читавих пословних јединица одједном, компаније би требало да почну са мањим, лакше управљивим пројектима. Мање компаније могу да минимизирају своје трошкове коришћењем AI телефонских услуга и унапред изграђених решења која захтевају мање почетних улагања од система дизајнираних по мери.

Један пример успешне фазне имплементације је осигуравајућа компанија средње величине која је имплементирала вештачку интелигенцију за обраду потраживања и корисничку подршку. Упркос почетној инвестицији од 425.000 долара, систем је постигао позитиван повраћај инвестиције у року од 13 месеци и остварио комбиноване уштеде и побољшања прихода од 1,2 милиона долара током три године.

Значај управљања и ризика

Агенти вештачке интелигенције за доношење одлука нису ни панацеја нити непогрешиви. Морају се користити у комбинацији са ефикасним управљањем и управљањем ризицима. Људске одлуке и даље захтевају довољно знања, као и податке и стручност у области вештачке интелигенције.

Ефикасан оквир управљања треба да укључује јасне смернице за праћење и контролу вештачке интелигенције. То укључује механизме за откривање и исправљање грешака, редовне ревизије учинка агената и јасне путеве ескалације за ситуације које захтевају људску интервенцију.

Будући изгледи: Реална очекивања

Дугорочни трендови упркос краткорочним застојима

Упркос тренутним изазовима, Гартнер предвиђа да ће агенти вештачке интелигенције играти значајну улогу на дужи рок. До 2028. године, очекује се да ће се приближно 15 процената свих свакодневних одлука на радном месту обрађивати агентским алатима – у поређењу са 0 процената у 2024. години. Штавише, предвиђа се да ће 33 процента свих софтверских решења за предузећа укључивати агенте вештачке интелигенције до 2028. године, у поређењу са мање од једног процента у 2024. години.

Ове прогнозе указују на то да тренутне проблеме треба схватити као проблеме раста још увек младе технологије. Основни концепти су обећавајући, али имплементација мора да сазри и прилагоди се реалности свакодневног пословања.

Потреба за реалним проценама

Високе стопе неуспеха пројеката вештачке интелигенције не треба тумачити као општи неуспех технологије, већ као знак упозорења на нереална очекивања и незреле стратегије имплементације. Неуспешни пројекти не би требало увек да шаљу негативан сигнал извршним директорима. Прослава неуспеха у овој области је важна, јер подстиче културу експериментисања, без обзира на то да ли идеја доспе до продукције.

Ова вежба такође може довести до итеративног експериментисања и бољих резултата. Важно је знати када је вештачка интелигенција прави алат, а када није, како би се избегло губљење времена на губитничку руку.

У вези са овим:

• Ова вештачка интелигенција платформа комбинује 3 кључне пословне области: управљање набавкама, развој пословања и интелигенцију

Стратешке препоруке за компаније

Реалистично постављање циљева и управљање очекивањима

Компаније би требало да приступе својим иницијативама за вештачку интелигенцију са реалним очекивањима. Уместо покушаја постизања револуционарних трансформација, требало би да се фокусирају на постепена побољшања. Да би откључале праве предности вештачке интелигенције агената, компаније не би требало да се фокусирају само на аутоматизацију појединачних задатака, већ и на повећање продуктивности на нивоу предузећа.

Добра полазна тачка је употреба вештачке интелигенције (AI) агената за специфичне, мерљиве задатке са јасном пословном вредношћу. Циљ би требало да буде максимизирање ове пословне вредности – било кроз ниже трошкове, бољи квалитет, већу брзину или побољшану скалабилност.

Улагање у фундаменте

Пре имплементације сложених вештачких интелигенција (ВИ) агената, компаније би требало да осигурају да су основе чврсте. То укључује солидну стратегију података, ефикасно управљање подацима и робусну технолошку платформу. Лош квалитет података је разлог неуспеха преко 70 процената ВИ пројеката. ВИ системи не могу да испуне своја обећања без висококвалитетних, релевантних и добро управљаних података.

Изградња интерне стручности

Успешна имплементација вештачке интелигенције (AI) захтева специјализоване вештине које многим организацијама недостају. Компаније морају или да инвестирају у развој интерних AI могућности или да склопе стратешка партнерства са искусним добављачима. Развој интерних могућности обично кошта између 250.000 и милион долара за пројекте средње величине, укључујући запошљавање специјализованих програмера и куповину развојних алата.

Прекретница за вештачку интелигенцију (AI) агенте

Висока стопа неуспеха пројеката са вештачком интелигенцијом означава значајну прекретницу у развоју ове технологије. Почетна еуфорија уступа место реалнијој процени њених могућности и ограничења. Међутим, ово разочарање није нужно негативно – може довести до бољих, промишљенијих стратегија имплементације.

Сама технологија није проблем. Агенти вештачке интелигенције свакако имају потенцијал да побољшају пословне процесе и отворе нове могућности. Проблем лежи у нескладу између преувеличаних очекивања и тренутне технолошке реалности. Компаније које агенте вештачке интелигенције виде као панацеју или покушавају да постигну превише прерано вероватно ће бити међу 40% оних које ће морати да напусте своје пројекте до 2027. године.

Успех са вештачком интелигенцијом захтева прагматичан, постепен приступ усмерен на специфичне случајеве употребе са јасном пословном вредношћу. Компаније морају бити спремне да инвестирају у неопходне темеље – од квалитета података до развоја интерних вештина. Најважније је да схвате да вештачка интелигенција агенти нису замена за добру пословну стратегију и робусне праксе управљања пројектима.

Наредне године ће показати које компаније уче из тренутних неуспеха и успешно интегришу вештачку интелигенцију у своје пословне процесе. Победници ће бити они који имају реална очекивања, поступају методично и спремни су да дугорочно улажу у ову технологију, уместо да се ослањају на брза решења.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или преусмеравање стратегије вештачке интелигенције

☑️ Пионирски развој пословања

Konrad Wolfenstein

Било би ми драго да вам будем лични саветник.

Можете ме контактирати попуњавањем контакт форме испод или ме једноставно позовите на +49 7348 4088 965 .

Радујем се нашем заједничком пројекту.

Xpert.Digital је центар за индустрију фокусиран на дигитализацију, машинство, логистику/интралогистику и фотонапонске системе.

Са нашим решењем за развој пословања од 360°, пружамо подршку реномираним компанијама, од нових пословања до постпродајних услуга.

Тржишна интелигенција, маркетиншки маркетинг, маркетиншка аутоматизација, развој садржаја, односи с јавношћу, мејлинг кампање, персонализоване друштвене мреже и неговање потенцијалних клијената су део наших дигиталних алата.

Више информација можете пронаћи на: www.xpert.digital - www.xpert.solar - www.xpert.plus