Развој сопственим рукама као замка трошкова: Зашто је већина компанија потпуно погрешно усмерена у свом приступу вештачкој интелигенцији и штеди новац на погрешном месту

Правило 80/20 за вештачку интелигенцију: Они који игноришу ову стратегију угрожавају будућност своје компаније

Ера скупих, али бескорисних експеримената са вештачком интелигенцијом је завршена. Док се милијарде широм света улажу у изградњу сопствене вештачке интелигенције, недавна студија Масачусетског технолошког института (МИТ) открива суровост истине: 95 одсто ових пилот пројеката не успева да генерише праву пословну вредност. Уместо оптимизације процеса, они дегенеришу у бескрајне и изузетно скупе „научне пројекте“. Ово болно сазнање тренутно резултира невиђеним помаком на тржишту предузећа. Нови, неизбежни мото је: купујте уместо градите. Уместо да везују оскудне ресурсе програмера у власничке системе који су већ застарели када буду завршени, пионири се сада ослањају на такозвано правило 80/20 и модуларне платформске приступе. Ова анализа открива зашто је конвенционални софтвер „једна величина одговара свима“ застарео, зашто прилагођене услуге вештачке интелигенције – попут оних из перспективног стартапа Unframe AI – револуционишу тржиште и које стратешке одлуке ће одредити успех или неуспех у глобалној конкуренцији до 2026. године.

Свако ко се још увек ослања на интерни развој у доба вештачке интелигенције не само да троши новац, већ и своју будућност

Питање да ли компаније треба да развијају своја вештачка интелигенција интерно или да их купују од специјализованих добављача је међу најхитнијим стратешким одлукама 2026. године. Док се милијарде уливају у генеративну вештачку интелигенцију, широко цитирана студија Масачусетског института за технологију (МИТ) открила је да запањујућих 95 процената свих пилот пројеката вештачке интелигенције у компанијама не успева да генерише мерљиву пословну вредност. Истовремено, тренутни тржишни подаци откривају драматичну промену: у року од само годину дана, однос интерног развоја и аутсорсинга вештачких интелигенција се готово обрнуо. Управо у овом динамичном окружењу, компаније попут израелско-немачког стартапа Unframe AI позиционирају се са радикално новим пословним моделом који фундаментално доводи у питање традиционална правила пословног софтвера.

Следећа анализа испитује економске, технолошке и стратешке димензије дебате о изградњи наспрам куповине, црпећи из најновијих тржишних података компанија Menlo Ventures, Gartner, McKinsey и MIT, и ставља налазе у контекст стварне компаније која послује усред овог процеса трансформације.

Тржиште у променљивим условима: 37 милијарди долара и једна неугодна истина

Бројке говоре саме за себе. Према трећем годишњем извештају компаније Menlo Ventures о стању генеративне вештачке интелигенције у предузећима, организације широм света потрошиле су приближно 37 милијарди долара на генеративну вештачку интелигенцију у 2025. години, што је троструко повећање у односу на 11,5 милијарди долара претходне године. То значи да генеративна вештачка интелигенција већ представља шест процената целокупног глобалног тржишта софтвера – стопа продора на тржиште без преседана у историји софтверске индустрије. Најмање десет производа вештачке интелигенције сада генерише годишњи приход који прелази милијарду долара, а више од педесет је прешло границу од 100 милиона долара.

Али иза ових импресивних агрегатних бројки крије се далеко нијансиранија стварност. Гартнер предвиђа глобалну потрошњу на вештачку интелигенцију од 2,52 билиона долара за 2026. годину, што је повећање од 44 процента у односу на претходну годину. Међутим, Гартнер експлицитно смешта индустрију вештачке интелигенције у такозвани „Trough of Disillusion“ за 2026. годину и упозорава да ће се вештачка интелигенција, у већини случајева, продавати компанијама преко постојећих добављача софтвера, а не као део смелих, импресивних пројеката. Побољшана предвидљивост поврата инвестиције мора се прво материјализовати пре него што се вештачка интелигенција заиста може скалирати, према речима аналитичара Гартнера, Џона-Дејвида Лавлока.

Разлика између обима инвестиција и стварног стварања вредности је централна контрадикција тренутног бума вештачке интелигенције. Компаније улажу рекордном брзином, али већина тих инвестиција се троши на експерименте, пилот пројекте и доказе концепта који никада не достижу производну спремност. Ово поставља фундаментално стратешко питање: Да ли је мудрије развијати вештачка интелигенција интерно или их купити?

Главни преокрет: Зашто компаније масовно престају да граде сопствену вештачку интелигенцију

Можда најупечатљивије откриће из 2025. године је потпуни преокрет односа изградње и куповине вештачке интелигенције. Према подацима компаније Menlo Ventures, 76% свих случајева употребе вештачке интелигенције у компанијама сада је покривено купљеним решењима, док се само 24% развија интерно. Чак и 2024. године, однос је био скоро 50:50, при чему је 47% развијено интерно, а 53% купљено. За само дванаест месеци, тржиште се тако радикално променило.

Ова промена није случајна, већ резултат болних искустава. S&P Global Market Intelligence је у анкети спроведеној међу више од 1.000 компанија у Северној Америци и Европи открио да ће 42% компанија напустити већину својих иницијатива у вези са вештачком интелигенцијом до 2025. године – што је драматичан пораст са само 17% у 2024. години. У просеку, 46% свих студија изводљивости у вези са вештачком интелигенцијом је прекинуто пре него што је достигнута спремност за производњу. RAND Corporation потврђује да преко 80% свих пројеката у вези са вештачком интелигенцијом пропада – двоструко више него пројекти који нису везани за технологију вештачке интелигенције.

Разлози за неуспех интерних развојних пројеката су вишеструки. McKinsey извештава да око 85 процената свих пројеката вештачке интелигенције никада не пређе пилот фазу. Анализа коју је спровела Boston Consulting Group, спроведена на 1.000 руководилаца из 59 земаља, показала је да је само 26 процената компанија развило способност да пређе фазу доказивања концепта, а само четири процента константно генерише значајну вредност вештачке интелигенције. Аналитичари Gartner-а иду толико далеко да предвиђају да ће до 2027. године преко 40 процената пројеката вештачке интелигенције заснованих на агентима бити напуштено због растућих трошкова, нејасне пословне вредности или недовољне контроле ризика.

У овим условима, масовни помак ка аутсорсингу делује као рационалан тржишни одговор на талас неуспеха. Порука корпоративних купаца је јасна: брзина стварања вредности је важнија од савршеног прилагођавања. Купљена решења за вештачку интелигенцију знатно брже достижу спремност за производњу и имају стопу конверзије скоро двоструко већу од традиционалног софтвера. Према подацима компаније Menlo Ventures, 47% купљених послова са вештачком интелигенцијом улази у производњу.

МИТ студија и неуспех предузетничке вештачке интелигенције: Анатомски преглед

Студија МИТ NANDA, „Подела у генерацији вештачке интелигенције: Стање вештачке интелигенције у пословању 2025. године“, коју је водио Адитја Чалапали у МИТ Медиа Лабу, постала је најчешће цитирана референца о структурном неуспеху пројеката вештачке интелигенције у предузећима. Студија се заснива на 150 интервјуа са руководиоцима, анкети међу 350 запослених и анализи 300 јавних примена вештачке интелигенције. Њени налази приказују оштру слику неуспеха: 80% организација истражује алате вештачке интелигенције, 60% процењује пословна решења, 20% покреће пилот пројекте, али само пет% достиже производњу са мерљивим пословним утицајем.

Кључни налаз студије је изванредан јер оповргава уобичајене изговоре. Проблем није квалитет вештачке интелигенције, неадекватна инфраструктура или првенствено регулаторне препреке. Право уско грло је оно што истраживачи МИТ-а називају „јазом у учењу“: пословни системи који се не прилагођавају, не чувају повратне информације и не интегришу се у токове рада. Генерички алати попут ChatGPT-а одлично функционишу за појединачне кориснике јер су флексибилни. Међутим, у пословним контекстима они постају статични академски пројекти који нити уче из контекста нити се побољшавају током времена.

Још један налаз студије је посебно откривајући: Куповина алата за вештачку интелигенцију од специјализованих добављача и изградња партнерстава успева у приближно 67 процената случајева, док је развој сопственим снагама успешан само око трећину ређе. Овај налаз је посебно релевантан за финансијски сектор и друге високо регулисане индустрије, где су многе компаније још увек покушавале да интерно изграде сопствене генеративне системе вештачке интелигенције 2025. године. Подаци МИТ-а сугеришу да компаније много чешће не успевају када раде саме.

Још једна систематска грешка тиче се погрешне расподеле ресурса. Више од половине буџета за генеративну вештачку интелигенцију усмерава се на алате за продају и маркетинг, док МИТ студија идентификује највећи повраћај инвестиције у аутоматизацији пословних процеса – односно у елиминисању аутсорсинга пословних процеса, смањењу трошкова спољних агенција и поједностављивању процеса. Компаније стога не само да погрешно улажу у врсту имплементације, већ често и у погрешне области примене.

Правило 80/20 у пословној вештачкој интелигенцији: Нова стратешка парадигма

Из конвергенције различитих извора података и анализа индустрије, све више се појављује стратешка парадигма, која се може описати као правило 80/20 за вештачку интелигенцију у предузећима. Посматрачи индустрије и подаци аналитичара као што су Гартнер и Делоит сугеришу да би већина компанија требало да следи хибридни приступ: 80 процената захтева за вештачком интелигенцијом покривају купљена или претплатничка решења, док се 20 процената решава прилагођеним интерним решењима где је дубока интеграција или јединствена интелектуална својина кључна.

Ова подела 80/20 се одражава и у пракси. Случајеви употребе који су идеални за набавку укључују ИТ системе за издавање тикета, функције претраживања засноване на знању, генерисање маркетиншког садржаја, екстракцију података из неструктурираних докумената и стандардизована решења за извештавање. Развој сопственим снагама остаје разуман тамо где постоје забринутости у вези са интелектуалном својином или тамо где вештачка интелигенција представља стратешку предност, као што је случај у основним банкарским системима, власничким алгоритмима трговања или моделима одлучивања критичним за пословање.

Економска логика која стоји иза ове поделе је убедљива. Аутсорсинг нуди бржи остварење вредности, предвидљиве трошкове кроз моделе претплате, континуиране циклусе иновација од стране добављача и избегавање интерних заостатака у развоју. С друге стране, интерни развој везује оскудне ресурсе програмера, ствара технички дуг и носи фундаментални ризик да ће интерно покренуто решење већ бити технолошки застарело до тренутка када буде завршено, јер ће се основни модели вештачке интелигенције у међувремену развити.

Фирма за ризични капитал Андресен Хоровиц (a16z) потврђује овај тренд у својој анализи 100 директора информационих технологија у предузећима: Недавно је дошло до значајног померања са интерног развоја на аутсорсинг, како екосистем апликација за вештачку интелигенцију почиње да сазрева. Конкретно, разлике у динамичким перформансама између различитих модела и смањење трошкова чине све разумнијим препуштање континуиране евалуације и оптимизације за сваки случај употребе посебном тиму за апликације за вештачку интелигенцију код екстерног добављача, уместо да се то обавља интерно.

Крај универзалног приступа: Зашто је стандардизовани софтвер застарео

Деценијама, традиционални пословни софтвер је пратио једноставан принцип: један производ за све. Стандардизована решења су дизајнирана да служе највећој могућој публици са истим распоном функција. Ова парадигма је под огромним притиском у доба вештачке интелигенције. Формула се променила: „Једна величина одговара свима“ постаје „Једна величина не одговара никоме“.

Ова промена има дубоке економске узроке. Компаније све више имају разноврсне захтеве које генерализована решења више не могу да задовоље. Растућа сложеност пословних процеса, хетерогеност ИТ пејзажа и све већа очекивања корисника који су навикли на персонализовано искуство из своје приватне употребе ChatGPT-а и сличних алата чине прилагођене приступе неопходним.

Персонализација заснована на вештачкој интелигенцији омогућава софтверским платформама да се у реалном времену прилагоде понашању, преференцијама и специфичним пословним изазовима сваког корисника. Маргинални трошкови персонализације драматично се смањују кроз генерисање кода, рефакторисање и тестирање засновано на вештачкој интелигенцији – не на нулу, али довољно ниско да се фундаментално преиспита пословни модел испоруке софтвера. Ово отвара моделе где сваки купац, након регистрације, добија логички изоловану, cloud-базирану верзију софтвера, прецизно прилагођену његовим специфичним потребама.

Паралелно са тим, модели цена се мењају. Цена заснована на исходима све више замењује традиционални модел заснован на лиценцама или местима. Гартнер је предвидео да ће до 2025. године преко 30 процената SaaS решења за предузећа интегрисати компоненте засноване на исходима, у поређењу са око 15 процената у 2022. години. Бесемер Венчер Партнерс у свом актуелном приручнику за цене описује како компаније засноване на вештачкој интелигенцији углавном напуштају SaaS цене засноване на местима у корист модела заснованих на коришћењу, резултатима и исходима који директно повезују приход са мерљивим резултатима. Примери као што су Интерком, са 0,99 долара по решеном захтеву, или Сејлсфорс, са 2 долара по разговору, илуструју правац у ком се ово креће.

Модуларни принцип: Како модуларне AI платформе освајају тржиште

Кључна архитектонска парадигма која добија на замаху у сегменту вештачке интелигенције за предузећа је модуларни приступ, често описан као принцип градивних блокова сличан Лего коцкицама. Основна идеја је да се уместо изградње монолитних, крутих система вештачке интелигенције, решења састављају од вишекратно употребљивих, заменљивих градивних блокова који се могу флексибилно комбиновати и замењивати по потреби.

Овај принцип нуди три кључне предности: Прво, флексибилност додавања и замене компоненти како боље технологије постају доступне. Друго, могућност ажурирања алата вештачке интелигенције без поновног изградње целе инфраструктуре. Треће, брзину којом се вредност може створити уз очување прилагодљивости. У индустрији где се основни модели развијају недељно, ова флексибилност није леп бонус, већ суштинска нужност.

Практична примена овог принципа може се илустровати на примеру екстракције података. Развија се почетни модул за обраду уговора о комерцијалном закупу, тј. сложених докумената од 80 до 90 страница. Овај модул је дизајниран да буде толико генерички да се може користити уз минимална прилагођавања за финансијске извештаје у Екселу, резимее или случајеве употребе засноване на сликама. Сваки нови модул проширује библиотеку и одмах је доступан наредним купцима. Овај принцип скалабилне поновне употребе је економска суштина модела платформе: гранични трошкови сваке додатне имплементације драматично се смањују, док се квалитет повећава кроз све веће искуство.

У пракси, модуларна вештачка интелигенција такође значи да се различити Foundation модели могу користити за различите задатке — на пример, GPT за логичко резоновање, Gemini за архитектонске задатке и Claude за прецизан рад — без утицаја на целокупно решење. Овај LLM агностицизам је још једна кључна разлика у поређењу са интерним развојем, који је обично везан за одређени модел и захтева значајан напор миграције са сваком променом модела.

Управљана AI платформа - Слика: Xpert.Digital

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Управљана AI платформа

Unframe AI: Студија случаја новог пословног модела вештачке интелигенције у предузећима

Израелско-немачки стартап Unframe AI пружа поучну студију случаја за практичну примену описаних тржишних трендова. Компанију су у априлу 2024. године основали Шеј Леви, Лариса Шнајдер и Ади Азарја. Леви је претходно био суоснивач компаније Noname Security и, као технички директор, трансформисао ју је у првог једнорога у сектору сајбер безбедности API-ја пре него што је продата компанији Akamai за приближно 500 милиона долара. Шнајдер доноси преко деценије искуства у сектору пословне технологије, укључујући лидерске позиције у Nutanix-у и Noname Security-ју, заједно са академским искуством са Hult International Business School у Сан Франциску.

У априлу 2025. године, Unframe је изашао из прикривеног начина рада са укупном рундом финансирања од 50 милиона долара, подељеном на почетну рунду од 20 милиона долара и рунду Серије А од 30 милиона долара коју је предводио Bessemer Venture Partners. Остали инвеститори били су TLV Partners, Craft Ventures, Third Point Ventures, SentinelOne Ventures, Cerca Partners и Terra Nova Ventures. За мање од годину дана, компанија је остварила милионе годишњих текућих прихода (ARR) и стекла десетине великих пословних купаца широм света, укључујући Cushman & Wakefield и Nomura.

Оно Unframe издваја од многих конкурената јесте његов пословни модел. Платформа је заснована на такозваном Blueprint приступу, методологији која пружа великим језичким моделима неопходан контекст за генерисање резултата специфичних за домен, без потребе за опсежним обучавањем модела или финим подешавањем. Компанија је LLM-агностична, што значи да корисници могу да прелазе између различитих јавних и приватних модела без да буду везани за одређени екосистем. Цена је по особи годишње у нивоима (Мали, Средњи, Велики, Веома велики), са свим услугама прилагођавања и радом лидера у области вештачке интелигенције укљученим у претплату – без скривених трошкова или додатних накнада.

Можда најрадикалнији аспект пословног модела је принцип плаћања усмереног на резултате: купци плаћају само када виде стварни утицај. У индустрији у којој 95 одсто пројеката вештачке интелигенције пропада, ово је смело обећање које може да функционише само ако имплементације заиста стварају вредност. Према речима компаније, време од почетних консултација до решења спремног за производњу, потпуно прилагођеног, обично је неколико дана, а не месеци или године који су стандардни у индустрији.

1.670 случајева употребе и краја нема на видику: Реалност потражње за вештачком интелигенцијом у великим компанијама

Размере изазова са којима се суочавају велике корпорације у имплементацији вештачке интелигенције могу се илустровати конкретним примером. Виша руководитељка за вештачку интелигенцију у једној од три највеће инвестиционе банке на Вол Стриту пријавила је заостатак од 1.670 случајева употребе вештачке интелигенције који су достављени њеном одељењу од стране операција и које је требало имплементирати до краја 2026. године. Процена ове руководитељке била је недвосмислена: чак и са неограниченим интерним ресурсима за развој, било би немогуће интерно обрадити ову количину. Оно што је било потребно је скалабилан приступ.

Овај пример није ни на који начин изузетак. JPMorgan Chase сада користи преко 1.000 случајева употребе вештачке интелигенције у производњи, распоређених у управљање ризицима, маркетинг, откривање превара и корисничку подршку. Bank of America је издвојила 4 милијарде долара из свог технолошког буџета од 13 милијарди долара за вештачку интелигенцију до 2025. године. Citigroup је пилотирао вештачку интелигенцију засновану на агентима за 5.000 запослених и покренуо иницијативу на нивоу целе компаније за систематску интеграцију вештачке интелигенције у све своје процесе. Ове бројке илуструју да потражња за имплементацијама вештачке интелигенције у великим предузећима далеко премашује расположиве интерне капацитете.

Подаци компаније McKinsey показују да, иако 88% организација користи вештачку интелигенцију у барем једној пословној функцији, само седам% је применило вештачку интелигенцију на нивоу целе компаније. Велика већина је у међуфази између експериментисања (32%), пилотирања (30%) и скалирања (31%). Разлика између онога што компаније желе да ураде са вештачком интелигенцијом и онога што заправо могу да имплементирају је највеће уско грло у тренутној трансформацији вештачке интелигенције.

У овом контексту, постаје јасно зашто хибридни модели, који комбинују предности интерног развоја (прилагодљивост, контрола) са предностима аутсорсинга (брзина, скалабилност, мање оптерећење одржавања), добијају на значају. Партнерство са специјализованим добављачем платформи омогућава компанијама да систематски реше експоненцијално растући заостатак у случајевима употребе вештачке интелигенције без преоптерећења интерних тимова.

Парадокс управљања: Када агенти вештачке интелигенције измакну контроли

Поред економских аспеката одлуке о изградњи наспрам куповине, постоји често потцењена димензија: управљање. Ова тема добија на посебном значају са порастом система вештачке интелигенције заснованих на агентима – то јест, агената вештачке интелигенције који не само да пружају информације већ могу и аутономно извршавати радње унутар пословних система.

Један живописан пример из осигуравајуће индустрије илуструје проблем. ИТ менаџер велике осигуравајуће компаније на западној обали САД суочио се са захтевом својих руководилаца да направи вештачке интелигенције агенте, без јасне дефиниције њихове намењене употребе. Идеја да се пословним јединицама једноставно пружи алат за самостално креирање вештачких интелигенција носи значајне ризике: стотине хиљада неодржаваних вештачких агената који обављају аутономне радње унутар компаније у високо регулисаној индустрији представљају ноћну мору управљања.

Регулаторни захтеви додатно погоршавају овај проблем. Закон ЕУ о вештачкој интелигенцији, који је на снази од августа 2024. године, уводи све веће обавезе за системе вештачке интелигенције високог ризика до 2026/2027. године, укључујући процену усаглашености, CE означавање и захтеве за транспарентност за опште моделе вештачке интелигенције. Сингапурски оквир за вештачку интелигенцију засновану на агентима захтева дефиницију такозваног простора деловања (које алате и системе агент може да користи), као и јасне границе аутономије уз људски надзор. Оквир за управљање ризицима у вези са вештачком интелигенцијом NIST-а нуди структуру за контролу ризика неутралну у односу на добављаче, коју све више усвајају америчке компаније.

Димензија управљања има значајне импликације на одлуку о изградњи наспрам куповине. Компаније које развијају вештачку интелигенцију интерно морају самостално да изграде и одржавају комплетну инфраструктуру управљања: капије животног циклуса, циклусе ресертификације, мапе модела, тестирање црвеног тима, пост-тржишно праћење и токове рада инцидената. Специјализовани добављачи платформи могу централно да се позабаве овим захтевима управљања и да их понуде као део свог стандардног решења, значајно смањујући оптерећење за појединачне купце. У ери у којој регулаторни захтеви за системе вештачке интелигенције експоненцијално расту, стручност у управљању постаје кључна конкурентска предност за добављаче платформи.

KPI-јеви или летење на слепо: Шта разликује успешне AI пројекте од неуспешних?

Подаци су јасни: Одлучујући фактор успеха за пројекте вештачке интелигенције није сама технологија, већ дефиниција јасних критеријума успеха пре лансирања. Студија МИТ-а идентификује недостатак усклађености између технологије и пословних процеса као примарни узрок неуспеха. Компаније су покушале да наметну генеративну вештачку интелигенцију постојећим процесима уз минимална прилагођавања, уместо да прво дефинишу жељени пословни утицај и строго ускладе имплементацију у складу са тим.

Према тренутним најбољим праксама, вишедимензионални оквир кључних индикатора учинка (KPI) за пројекте вештачке интелигенције обухвата шест димензија: утицај на пословање (раст прихода, смањење трошкова), оперативну ефикасност (брзина процеса, смањење грешака), ублажавање ризика (усклађеност, спречавање превара), стратешку вредност (тржишна позиција, иновативни капацитет), економску ефикасност (цена по резултату) и стопу усвајања (прихватање од стране корисника, пенетрација).

Практична имплементација је оно што разликује победнике од губитника. Успешне компаније дефинишу конкретне, мерљиве циљеве пре почетка пројекта – на пример, тачност од 96 процената са стопом потпуности одговора од преко 90 процената. Оне успостављају критеријуме са којима се пореде и стварају транспарентност о томе како тачно изгледа успех пре него што се напише прва линија кода.

Насупрот томе, већина компанија не успева да одговори на нејасно питање: „Шта заправо можемо да урадимо са вештачком интелигенцијом?“ Овај истраживачки, неструктурирани приступ доводи до онога што стручњаци из индустрије називају научним пројектима: технички занимљиве демонстрације без икакве значајне пословне вредности. Последица је бескрајан циклус експеримената који никада не стигну до производње.

Импликације на одлуку о изградњи наспрам куповине су значајне. Интерни развојни тимови имају тенденцију да се фокусирају на технолошку изводљивост и сматрају пословни утицај секундарним разматрањем. С друге стране, специјализовани добављачи платформи, који наплаћују на основу резултата, егзистенцијално зависе од пружања пословне вредности од првог дана, јер би се њихов пословни модел у супротном урушио. Ово структурно усклађивање подстицаја је често потцењена предност модела куповине.

Предност у брзини: Зашто је време најтежа валута у економији вештачке интелигенције

У економији вештачке интелигенције, време је одлучујући конкурентски фактор. Технолошки развој напредује тако брзо да интерно развијено решење већ може бити застарело до тренутка када буде завршено. У традиционалним пословним окружењима, време између замисли интерног система вештачке интелигенције и његове спремности за производњу обично се креће од 19 до 24 месеца: један до два месеца за процену потреба, три до четири месеца за пилотирање, и додатни месеци за одобравање буџета, избор добављача, правне и безбедносне прегледе, интеграцију и коначно, имплементацију.

Током овог периода, појављују се десетине нових Foundation модела, читаве категорије производа настају и нестају, а перформансе бенчмаркова се побољшавају за редове величине. Menlo Ventures документује да је потрошња на агенте за код и креаторе AI апликација експлодирала са скоро нуле на неколико милијарди долара, јер модели сада могу да интерпретирају читаве кодне базе и извршавају вишестепене задатке потпуно аутономно. Оно што почиње као најсавременији интерни развој ризикује да постане реликт након завршетка.

Специјализовани добављачи платформи смањују овај временски оквир са месеци на дане или недеље. Они централно апсорбују сложеност сталних промена модела, ажурирања и безбедносних закрпа, омогућавајући појединачним пословним клијентима да имају користи без потребе да издвајају сопствене ресурсе. Ово обједињавање брзине иновација је класичан пример економије обима: оно што једна компанија никада не би могла тако брзо да управља, постаје могуће за многе истовремено путем платформе.

Штавише, извештај a16z показује да разлике у перформансама између различитих модела постају све мање, док разлике у трошковима остају значајне. У овој ситуацији, конкурентска предност се помера са избора модела на чисту брзину имплементације и интеграцију процеса – управо на предности специјализованих платформи.

Стратешки изузетак: Када интерни развој и даље има смисла

Упркос свим аргументима у корист аутсорсинга, постоје јасно дефинисане области у којима развој вештачке интелигенције унутар компаније остаје стратешки исплатив. Ове области обично деле једну или више следећих карактеристика: високу релевантност за интелектуалну својину компаније, директну везу са основним пословањем као стратешки диференцијатор или случајеве употребе у којима само вештачко решење постаје производ који се продаје.

Основни банкарски систем заснован на власничким алгоритмима који представља истинску конкурентску предност у моделирању ризика је класичан пример разумног интерног развоја. Слично томе, власничке стратегије трговања где је логика вештачке интелигенције централна и њихово откривање спољном добављачу представља неприхватљиве ризике. У фармацеутској индустрији, молекуларна истраживања вођена вештачком интелигенцијом могу бити толико дубоко испреплетена са ДНК компаније да аутсорсинг није ни практичан ни пожељан.

Међутим, изазов за доносиоце одлука лежи у прављењу брутално искрене разлике између истинских стратешких диференцијатора и озлоглашеног синдрома „није овде измишљено“. Многе компаније прецењују стратешки значај случајева употребе који су, у стварности, само стандардне функционалности. ИТ систем за продају тикета, претрага заснована на знању или генерисање маркетиншког садржаја обично не спадају у категорију стратешке диференцијације и, ако се развијају интерно, само стварају скуп заостатак у развоју.

Препорука индустријских аналитичара се јасно слаже: Удео од 20 процената развоја сопственим снагама требало би строго ограничити на оне области које заправо стварају јединствену конкурентску предност, док би преосталих 80 процената требало покрити брже, исплативије и са знатно мањим ризиком путем специјализованих платформи.

Прелазак долине разочарања: Поглед унапред ка 2026. години и даље

Гартнерово предвиђање да ће вештачка интелигенција бити на дну разочарања до 2026. године никако не треба погрешно протумачити као песимистички сигнал. Уместо тога, ова фаза у циклусу хајпа означава здраву тачку где нереална очекивања уступају место стварности и компаније почињу да разумеју стварне снаге и ограничења технологије. То је фаза у којој чисто експериментисање уступа место хладном прорачуну поврата инвестиције.

Бројке указују да је овај процес сазревања већ увелико у току. Глобална потрошња на вештачку интелигенцију од 2,52 билиона долара у 2026. години и пројектовано повећање на 3,3 билиона долара у 2027. години показују да је спремност за улагање и даље апсолутно јака, упркос разочарањима појединачним пројектима. Очекује се да ће вештачка интелигенција чинити 41,5% свих ИТ потрошњи у 2026. години, а овај удео би могао порасти на преко 50% у 2027. години. Само инфраструктурне инвестиције ће довести до повећања потрошње на сервере оптимизоване за вештачку интелигенцију за 49% у 2026. години.

Оно што се мења није обим инвестиција, већ њихова структура. Компаније постају све селективније у избору својих вештачке интелигенције, дајући предност доказаним резултатима у односу на спекулативни потенцијал. Ера експериментисања са вештачком интелигенцијом уступа место ери производње вештачке интелигенције – и та производња се купује, а не гради. За добављаче платформи који очигледно пружају мерљиву пословну вредност, отвара се тржиште готово историјских размера. За компаније које се још увек колебају између изградње и куповине, одлука постаје све јаснија: У свету где је брзина постала највреднија валута и 95 одсто интерних вештачких интелигенција пропада, куповина специјализованих решења није само прагматичнија, већ и једина економски супериорна стратегија за велику већину случајева употребе.

Победници ове трансформације биће оне компаније које имају храбрости да радикално усмере своје ресурсе на истински стратешких 20 процената и ослоне се на паметне партнере за преосталих 80 процената – партнере који испоручују брже, јефтиније и са доказиво већом стопом успеха. Остали ће остати заглављени у разочарању, преплављени сопственом спорошћу у индустрији која не показује милост према оклевајућима.

Konrad Wolfenstein

Било би ми драго да вам будем лични саветник.

контактирати на wolfenstein ∂ xpert.digital

Само ме позовите на +49 89 89 674 804 (Минхен) .

ЛинкедИн