Не заглавите се у фази „доказа концепта“: Зашто модели вештачке интелигенције засновани на исходима револуционишу ИТ пејзаж

Крај наивности: Зашто морамо потпуно прерачунати економску исплативост вештачке интелигенције

Док Силицијумска долина доживљава златну грозницу и милијарде ризичног капитала се уливају у генеративну вештачку интелигенцију, разочарање се шири у управним собама европских компанија. Неслагање је алармантно: с једне стране, постоји револуционарно обећање технологије; с друге стране, биланс стања који се тешко може оправдати конвенционалним методама. Многе компаније откривају да су њихове скупе иницијативе у области вештачке интелигенције, иако технички импресивне, економски разочаравајуће.

Проблем, међутим, не лежи у самој технологији, већ у начину на који меримо и управљамо њеном вредношћу. Деценијама су руководиоци учили да израчунавају ИТ инвестиције као што су САП имплементације или ЦРМ системи – детерминистички пројекти са јасним почетком, крајем и дефинисаним користима. Али вештачка интелигенција следи другачија правила: она је нестабилна, вероватносна и динамички се развија. Свако ко покуша да се снађе у овом новом свету са старим мапама традиционалних ИТ набавки ризикује да потопи огромне буџете у „замку неповратних трошкова“, а да никада не види мерљиве повраћаје.

Ова ситуација је посебно критична за немачка мала и средња предузећа и европске корпорације. Укљештена између капиталистичке моћи САД, вођене иновацијама, и државно усмереног ширења Кине, Европа ризикује да заостане. Међутим, одговор не може бити слепо улагање већег новца. Уместо тога, потребна је радикална промена парадигме: од плаћања инфраструктуре и лиценци, ка награђивању стварних резултата.

Следећи чланак анализира структурне недостатке традиционалних инвестиционих модела, открива скривене покретаче трошкова пројеката вештачке интелигенције и представља излаз који минимизира ризик и гарантује стварање вредности од првог дана. То је водич за доносиоце одлука који желе да схвате вештачку интелигенцију не као технолошку играчку, већ као профитабилну конкурентску предност.

У вези са овим:

• Unframe.AI: Повраћај инвестиције у пословну вештачку интелигенцију: Зашто је већина прорачуна погрешна

Зашто су традиционални инвестициони модели у Европи осуђени на пропаст и како радикално преуређење може обезбедити приступ глобалним тржиштима

Тренутна несклад између огромних инвестиција у вештачку интелигенцију и приноса у стварном свету које она генерише представља један од најхитнијих проблема за пословне лидере широм света. Док су америчке фирме приватног капитала и ризичног капитала уложиле преко 100 милијарди долара у сектор само у 2024. години, европске компаније – посебно немачка мала и средња предузећа – суочавају се са озбиљном стварношћу. Велики део прорачуна поврата инвестиције за вештачку интелигенцију у предузећима показује се погрешним. То није због недостатка математичке ригорозности, већ због фундаментално погрешних претпоставки. Технолошка инфраструктура и финансијски модели изграђени на њој, развијени деценијама за детерминистичке ИТ системе попут ERP или CRM, урушавају се под волатилношћу и вероватносном природом модерних система вештачке интелигенције. Свако ко и даље покушава да управља генеративном вештачком интелигенцијом са истим KPI-јевима као SAP имплементација у суштини се креће кроз океан са мапом пута.

Структурна некомпатибилност класичних ИТ метрика

Кључни проблем са традиционалним прорачунима инвестиција лежи у погрешном разумевању природе пројеката вештачке интелигенције. Четири динамике фундаментално разликују ове инвестиције од конвенционалне имплементације софтвера, што доводи до тога да стандардни модели поврата инвестиције систематски производе нетачне прогнозе.

Прво, постоји озбиљан проблем са временским оквиром. Класични повраћај инвестиције претпоставља дефинисану фазу имплементације праћену фазом мерљивих приноса. Међутим, пројекти вештачке интелигенције ретко се понашају линеарно. Пројекат планиран као шестомесечни пилот пројекат често еволуира у четрнаестомесечну експерименталну фазу. Спремност за производњу, која је наводно била удаљена само неколико недеља, остаје теоретски циљ чак и годину дана касније. Док именилац у једначини повраћаја инвестиције стално расте због текућих трошкова, бројилац – принос – остаје на нули.

Друго, пројекти вештачке интелигенције подложни су екстремној варијабилности у обиму. Док традиционални ИТ пројекти често прате круте спецификације, случајеви употребе вештачке интелигенције се динамички развијају. Систем за обраду докумената може се трансформисати у платформу за претраживање знања током развоја, само да би га непосредно пре имплементације заменило решење за радни ток засновано на агентима. Пошто се технолошке основе – модели, оквири и алати – мењају са полуживотом од само неколико месеци, решења се морају континуирано прилагођавати како би се избегло да застаре након имплементације.

Треће, проблем атрибуције представља финансијским одељењима наизглед непремостиве изазове. Чак и ако систем вештачке интелигенције генерише вредност, изоловање те вредности је сложено. Да ли се повећање прихода може приписати новом систему за препоруке вештачке интелигенције, редизајнираном продајном тиму или једноставно повољним економским условима? За разлику од детерминистичког софтвера, где је узрочност често јасна, код вештачке интелигенције се често мери само допринос исходу, а не његов једини узрок.

Четврто, замка неповратних трошкова често доводи до ирационалних одлука. Већина пројеката вештачке интелигенције у предузећима захтева значајна почетна улагања: обезбеђивање инфраструктуре, чишћење података, обуку модела и интеграцију. Овоме се додају трошкови управљања за видљивост вештачке интелигенције, јер су модели, за разлику од статичког софтвера, подложни деградацији перформанси, познатој као дрифт, и морају се континуирано пратити. Тренутак у којем се може потврдити да ли се улагање исплати често је толико касно у пројекту да је већина буџета већ неповратно потрошена.

Глобални контекст и специфичан локацијски недостатак Европе

Ови инхерентни ризици наилазе на посебно крхак екосистем у Европи. Док америчке компаније често подржава ризични капитал толерисан на ризик и негују културу „брзог пропадања“, европско тржиште функционише у окружењу високе аверзије према ризику и строге регулације. Иако Закон о вештачкој интелигенцији Европске уније пружа правну сигурност, он намеће значајне трошкове усклађености малим и средњим предузећима (МСП). Процене указују да тестирање усклађености за један високоризични систем вештачке интелигенције може коштати и до 400.000 евра ако нису успостављени системи управљања квалитетом.

Ово доводи до опасног инвестиционог јаза. Америчка улагања у вештачку интелигенцију далеко премашују европска. Кина, заузврат, користи државно усмерену интеграцију како би приморала економије обима у индустрији. Немачка и Европа ризикују да буду заробљене у сендвичу: технолошки зависне од америчких модела и под ценовним притиском кинеске ефикасности. За европске руководиоце на нивоу Ц, то значи да пројекти вештачке интелигенције морају бити не само профитабилни већ и стратешки витални. Па ипак, управо је немачки „Mittelstand“, кичма европске економије, тај који оклева. Само око трећине великих компанија и још мањи део малих и средњих предузећа имају вештачку интелигенцију у продуктивној употреби. Страх од непроцењивих трошкова и нејасних користи гуши иновације.

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

Од апстрактног обећања до мерљиве стварности

Да би се прекинула ова ћорсокак, пословни случај за вештачку интелигенцију мора се радикално преиспитати. Успешне организације не почињу питањем о технологији, већ о исходу. Прво питање мора бити: Који конкретан пословни исход ће ова вештачка интелигенција омогућити? Нејасни циљеви попут „повећане ефикасности“ или „промовисања иновација“ су безвредни у овом контексту. Робустан пословни случај захтева прецизне метрике које се могу пратити недељно на контролној табли.

Добри примери за ово су конкретни и проверљиви: смањење времена прегледа уговора са четири сата на двадесет минута, повећање стопе решавања првог контакта у корисничкој служби са 62 процента на 78 процената или смањење ручног уноса података за захтеве за кредит за 80 процената. Ако се циљ не може формулисати језиком шефа одељења, не постоји пословни случај.

Друго кључно питање тиче се валидације: Како знамо да ли функционише? Традиционални модели на ово одговарају на крају пројекта – често након осамнаест месеци. Међутим, пројекти вештачке интелигенције захтевају континуирану валидацију. Шта треба да видимо у другој недељи да бисмо потврдили ток? Која тачка одлучивања постоји у трећем месецу где се пројекат може зауставити ако недостају индикатори? Најбоље инвестиције су структуриране тако да брзо докажу своју вредност или пропадну пре него што се значајан капитал уништи.

Невидљиви разарачи капитала у структури трошкова

Чак и ако је циљ добар, многи прорачуни не успевају због скривених трошкова који се често игноришу у почетној фази. Припрема података троши око 60 процената времена и буџета у већини пројеката. Ово укључује не само техничко чишћење, већ и управљање, нормализацију и посебно сложено правно одобравање скупова података у Европи.

Још један потцењени фактор је сложеност интеграције. Вештачка интелигенција која функционише у изолованом демо окружењу има мало заједничког са системом уграђеним у постојеће безбедносне архитектуре и токове рада. Ова „последња миља“ интеграције често кошта више од саме компоненте вештачке интелигенције и ту већина пројеката стагнира. Томе додајте текуће оперативне трошкове. Модели захтевају стално праћење одступања и редовну поновну обуку када се обрасци података промене.

Коначно, опортунитетни трошак времена се готово никада не израчунава. Сваки месец који је потребан да пројекат вештачке интелигенције испоручи вредност је месец изгубљеног стварања вредности. Пројекат са трајањем од 18 месеци и повраћајем улагања од 200 процената може бити економски лошији од пројекта са трајањем од шест недеља и повраћајем улагања од 80 процената, јер овај други генерише позитиван новчани ток 16 месеци дуже. Организације са најбољим повраћајем улагања нису нужно оне са највећим приносима, већ оне које најбрже постижу мерљиву вредност уз најмања капитална улагања.

Преко капиталних извршења: Померање парадигме ка моделима финансирања оријентисаним на резултате

С обзиром на ове ризике и невољност Европе, нови модели цена и пословања који пребацују ризик са купца на добављача добијају на замаху. Добављачи попут Unframe а и других прогресивних играча на тржишту успостављају принципе засноване на валидацији пре преузимања обавеза. Овај приступ одређивању цена заснован на резултатима могао би бити кључ за превазилажење замрзавања инвестиција у Европи.

Уместо куповине инфраструктуре унапред (CapEx) или плаћања лиценци по кориснику (цене засноване на броју места) које често остају неискоришћене, компаније овде плаћају за постигнуте резултате. Трошкови се скалирају са оствареном вредношћу, а не са потрошеним ресурсима. Ово директно решава проблем атрибуције и приморава продавце да продају само решења која заиста функционишу.

У овом моделу, свако ангажовање почиње дефинисаним случајем употребе и мерљивим исходом. Клијент види како вештачка интелигенција ради на његовим подацима и у његовом окружењу пре него што направи значајну инвестицију. Не постоје пројекти који трају 18 месеци са надом да ће се инвестиција на крају вратити. Стварање вредности је приоритет. Штавише, огромни почетни трошкови за инфраструктуру се често елиминишу, јер модерне платформе носе терет припреме података и имплементације модела. Ово елиминише оне скривене трошкове који иначе могу потрошити и до 80 процената буџета.

Још једна предност овог модела је удаљавање од модела лиценцирања заснованог на корисницима, који су у прошлости кажњавали широко усвајање. Ако сваки додатни корисник сноси трошкове, употреба технологије је вештачки ограничена. Модели оријентисани на резултате, с друге стране, подстичу широку употребу, јер већи број корисника генерално доводи до више резултата и самим тим веће додате вредности.

Стратешке импликације за европско вођство

За доносиоце одлука у Европи, ово значи да је ера експерименталног „доказивања концепата“ без јасног пута ка стварању вредности завршена. Економска реалност захтева помак од технолошке фасцинације ка готово хируршкој прецизности у дефинисању пословних исхода. Компаније не би требало да користе радионице и пилот фазе да би научиле шта вештачка интелигенција може да уради, већ да изолују највреднији случај употребе и потврде његов економски утицај.

Препоручљиво је тражити партнерства са добављачима који су спремни да преузму ризике и да се мере резултатима. Међутим, ово такође захтева промену начина размишљања на страни купаца: даље од куповине „ИТ сати“ или „лиценци“ и ка склапању партнерстава за стварање вредности. У свету у којем САД и Кина доминирају кроз масовну алокацију капитала, ефикасност у распоређивању капитала је једина шанса Европе. Кључ није у трошењу више новца, већ у улагању тог новца у моделе који се сами исплате пре него што рачун доспе. Свако ко се још увек ослања на 18-месечне прогнозе већ је изгубио игру. Права конкурентност настаје тамо где се стварање вредности не обећава, већ се доказује од првог дана.

Konrad Wolfenstein

Било би ми драго да вам будем лични саветник.

Можете ме контактирати на wolfenstein∂xpert.digital или

Само ме позовите на +49 7348 4088 965 .

ЛинкедИн
 

Наша глобална стручност у индустрији и економији у развоју пословања, продаји и маркетингу - Слика: Xpert.Digital

Фокус индустрије: B2B, дигитализација (од AI до XR), машинство, логистика, обновљиви извори енергије и индустрија

Више информација овде:

• Експертски пословни центар

Тематски центар који нуди увиде и стручност:

• Платформа знања која покрива глобалне и регионалне економије, иновације и трендове специфичне за индустрију
• Збирка анализа, увида и основних информација из наших кључних области фокуса
• Место за стручност и информације о актуелним дешавањима у пословању и технологији
• Чвориште за компаније које траже информације о тржиштима, дигитализацији и иновацијама у индустрији