Nors beveik devynios iš dešimties įmonių iki 2025-ųjų pabaigos įsidiegė dirbtinį intelektą bent vienoje veiklos srityje, 94 procentai vadovų teigia nepastebintys „reikšmingos“ naudos. Šis atotrūkis tarp technologijų diegimo ir realaus našumo augimo primena ekonomisto Roberto Solow garsųjį pastebėjimą, kad kompiuterių amžių galima pamatyti visur, išskyrus našumo statistiką.
Kur dingsta nauda
Ribos lieka. Nors kontroliuojami tyrimai rodo aiškius laimėjimus – pavyzdžiui, programinės įrangos kūrėjai su dirbtiniu intelektu atlieka 26 procentais daugiau užduočių, o skambučių centrų darbuotojai išsprendžia 14 procentų daugiau klientų problemų – bendras ekonominis poveikis išlieka neryškus. McKinsey & Company duomenimis, Jungtinės Karalystės darbo našumo augimas tarp 2024-ųjų trečiojo ketvirčio ir 2025-ųjų siekė tik 1,1 procento.
Čia ir rizika. Dažnai įmonės diegia dirbtinį intelektą tik kaip pagalbinę priemonę, kuri sumažina užduoties atlikimo laiką vos 5–10 procentų. Tikrasis proveržis įvyksta tik tada, kai procesai perprojektuojami iš esmės. Pavyzdžiui, modeliai, kuriuose dirbtinio intelekto agentai veikia autonomiškai, gali sumažinti incidentų sprendimo laiką 60–90 procentų ir automatizuoti iki 80 procentų pagrindinių užklausų.
Matavimo klaidos kaina
Dalis problemos slypi ne technologijose, o jų vertinime. HR Executive cituojamas Seramount tyrimas rodo, kad daugelis vadovų vis dar remiasi „biuro eros“ metrika – matomu aktyvumu, o ne realiais rezultatais ar poveikiu. Stephanie Larson, Seramount strateginių tyrimų vadovė, pabrėžia, kad dirbtinis intelektas gali padaryti darbą greitesnį, bet ne būtinai geresnį.
Kol kas neaišku. Jei įmonės nesugeba pakeisti darbo organizavimo principų ir resursų paskirstymo, našumo nauda tiesiog išgaruoja. Be plataus vadovų ir darbuotojų pritarimo naujiems darbo metodams, technologijų diegimas tampa tik brangiu įrankiu, kuris nepadidina bendro įmonės pelningumo.
Konkurencija mažina pranašumą
Našumo didinimas retai kada sukuria ilgalaikį konkurencinį pranašumą. Kadangi konkurencija linkusi „ištrinti“ našumo prieaugį, nauda dažniausiai atitenka klientams, o ne įmonėms, kurios tas technologijas įdiegė. McKinsey & Company analizė rodo, kad našumo gerinimas paprastai veikia pramonės „grindis“, o ne „lubas“.
Visgi, kai kurios įmonės naudoja dirbtinį intelektą ne tik procesų optimizavimui, bet ir verslo modelio keitimui. Pavyzdžiui, teisinių paslaugų įmonė Harvey sujungia generatyvinį dirbtinį intelektą su nuosavais teisiniais darbo srautais, taip ištrindama ribą tarp programinės įrangos ir paslaugų. Panašiai ir finansų sektoriuje, kur dirbtinis intelektas leidžia realiuoju laiku pritaikyti pasiūlymus pagal rizikos signalus, keičiant tai, ką bankai apskritai gali pasiūlyti klientams.
Per artimiausius metus įmonės, kurios pasirinks tinkamus įrankius ir iš naujo pergalvos savo veiklos modelius, o ne tik technologijų krūvą, turės galimybę iš tikrųjų atrakinti našumo potencialą. Tačiau tol, kol vadovai vertins darbuotojus pagal „matomą aktyvumą“, o ne pagal pasiektus rezultatus, „našumo paradoksas“ išliks aktualia kliūtimi.