Jak wynika z badania PwC przeprowadzonego wśród 1217 członków kadry zarządzającej z 25 sektorów, niemal trzy czwarte wartości ekonomicznej generowanej przez AI przypada zaledwie jednej piątej organizacji. Ta wąska grupa liderów osiąga ponad 7 razy wyższe przychody i efektywność operacyjną niż pozostałe firmy, z których większość wciąż tkwi w fazie pilotaży. Różnica nie wynika z liczby wdrożonych narzędzi, lecz ze sposobu, w jaki organizacje kontrolują i skalują sztuczną inteligencję. Bez dojrzałej warstwy nadzoru i kontroli pokonanie tego dystansu może się okazać poza zasięgiem większości firm.
Liderów wyróżnia przeprojektowanie procesów, nie kolejne narzędzia
Entuzjazm wokół generatywnej AI nie przekłada się jeszcze na wyniki. Dobrze obrazuje to badanie McKinsey „The State of AI”. Choć 64 procent respondentów deklaruje, że AI napędza innowacje w ich organizacjach, zaledwie 39 procent dostrzega jej mierzalny wpływ na zysk operacyjny (EBIT) na poziomie całego przedsiębiorstwa.
Analiza PwC pokazuje, że najlepsze wyniki osiągają firmy, które nie traktują AI jak dodatku do istniejących struktur. Są one od dwóch do trzech razy bardziej skłonne wykorzystywać AI do poszukiwania nowych źródeł wzrostu i przeprojektowania modelu biznesowego, dwukrotnie częściej przeprojektowują procesy pod kątem AI, zamiast dokładać narzędzia do starych schematów, a także blisko trzykrotnie częściej zwiększają liczbę decyzji podejmowanych bez udziału człowieka.
Automatyzacja na dużą skalę wymaga zaufania
Tak szeroka automatyzacja jest możliwa dzięki temu, co PwC nazywa „zaufaniem na masową skalę” (trust at scale). Firmy o najlepszych wynikach finansowych niemal dwukrotnie częściej wykorzystują AI w sposób zaawansowany: realizują wiele zadań w ramach zdefiniowanych barier bezpieczeństwa, czyli guardrails, lub działają w trybie autonomicznym. Fundamentem tej skali jest nadzór. Liderzy o 70 procent częściej wdrażają formalne ramy odpowiedzialnego AI i o połowę częściej powołują międzyfunkcyjne zespoły do spraw AI governance.
Podwójne wyzwanie: regulacje i shadow AI
Na drodze do tej dojrzałości organizacje muszą się jednak zmierzyć z kilkoma wyzwaniami naraz.
– Wiele organizacji nie ma dziś jednego miejsca, w którym widzi i kontroluje, jak korzysta z AI. Problemem nie jest pojedynczy model, lecz brak wspólnej kontroli nad wieloma narzędziami naraz, z których równolegle korzystają różne zespoły. Do tego dochodzą rosnące wymogi regulacyjne, w tym AI Act, NIS2, DORA czy norma ISO 42001, oraz ryzykowne zachowania użytkowników i shadow AI, czyli sięganie po zewnętrzne narzędzia bez wiedzy działów IT – zauważa Jarosław Zarychta, Dyrektor Rozwoju Biznesu, Billennium.
Skalę tego zjawiska dobrze obrazuje raport Netskope. W ciągu roku liczba użytkowników generatywnej AI w organizacjach wzrosła trzykrotnie, a liczba wysyłanych do niej promptów sześciokrotnie, z 3 do 18 tysięcy miesięcznie na organizację. W jednej czwartej największych firm to już ponad 70 tysięcy zapytań miesięcznie, a w skrajnych przypadkach ponad 1,4 miliona.
– Z tego samego raportu Netskope wynika, że niemal połowa użytkowników, 47 procent, korzysta z AI przez prywatne konta. Dlatego punktem wyjścia jest widoczność: musimy wiedzieć, gdzie i w jaki sposób wykorzystywana jest AI oraz jak narzędzia te łączą się z wewnętrznymi systemami firmy. Bez możliwości prześledzenia, kto i z czego korzystał, nie da się ani wykazać zgodności z regulacjami, ani zapanować nad kosztami, które przy rozproszonym użyciu wielu modeli rosną w sposób nieprzewidywalny. Dopiero taka kontrola pozwala bezpiecznie zwiększać skalę automatyzacji, o której mówią dane PwC – dodaje Michał Kudelski, Dyrektor Obszaru AI i Data, Billennium.
Odpowiedzialne AI ogranicza ryzyko i koszty
Inwestycja w nadzór nad AI to nie tylko kwestia unikania kar. W osobnej symulacji PwC porównano firmy spełniające jedynie minimum wymogów regulacyjnych z tymi, które przeznaczyły dodatkowe 10 procent budżetu na pełniejsze programy odpowiedzialnego AI. W pięcioletnim modelu w tej drugiej grupie częstotliwość niepożądanych incydentów, takich jak stronniczość algorytmów czy poważne wycieki danych, spadła nawet o połowę. Nawet w silnie regulowanych sektorach, jak usługi finansowe, ryzyko incydentu obniżyło się o jedną trzecią, a korzyści kumulowały się z każdym rokiem.
Bez zmiany podejścia, od rozproszonych testów do bezpiecznego i kontrolowanego zarządzania modelami, przepaść między liderami AI a resztą rynku będzie się pogłębiać. O przewadze coraz częściej decyduje nie sama technologia, lecz zdolność do automatyzacji procesów w sposób przewidywalny, zgodny z regulacjami i przejrzysty w obszarze kosztów.