Bár a munkavállalók nap mint nap tapasztalják a mesterséges intelligencia (AI) termelékenységnövelő hatását, a vállalatok pénzügyi mutatóiban ez a fellendülés egyelőre várat magára. A McKinsey legfrissebb kutatása rávilágít az AI-jal kapcsolatos eredményszakadék okaira, és hogy milyen stratégiai lépésekre van szükség ahhoz, hogy az egyéni hatékonyságból valós vállalati profit szülessen.
A mesterséges intelligencia bevezetése soha nem látott ütemben zajlik, azonban a lendület és a pénzügyi megtérülés között egyelőre jelentős szakadék tátong. A McKinsey friss felmérése szerint
a válaszadók 80 százaléka számolt be arról, hogy az AI javította az egyéni produktivitását, ám mindössze 37 százalékuk látja úgy, hogy a technológia pozitívan járult hozzá a szervezet bevételeihez
– ez az arány lényegében változatlan a tavalyi évhez képest. A McKinsey szakértői szerint a továbblépéshez az építés, a működtetés, a befektetés és a munkavégzés módjának gyökeres átalakítására van szükség.
Nagyobb kontroll az AI-stratégia felett
Az ágensalapú kódolóeszközök (agentic coding tools) megjelenése alapjaiban változtatja meg a vállalatok technológiai mozgásterét. A felmérés szerint a szervezetek közel harmada döntött már úgy, hogy egy-egy szoftvertermék vagy funkció megvásárlása helyett inkább házon belül, AI-kódolók segítségével fejleszti le azokat.
Lieven Van der Veken, a McKinsey szenior partnere szerint ez egy szélesebb körű szemléletváltást jelez. A vezető szervezetek egyre tudatosabban veszik saját kezükbe a technológiai irányítást: „Egészen a közelmúltig sok vezető feltételezte, hogy az AI meghaladja a saját technológiai csapataik képességeit, és a gyors haladás kulcsa a megfelelő külső partnerség. Most azonban változik a hangnem” – mutat rá a szakember. Ez nem azt jelenti, hogy mindent házon belül kell felépíteni, sokkal inkább arról szól, hogy
a döntéshozóknak mérlegelniük kell: mely képességek jelentenek valódi versenyelőnyt, mikor érdemes külső megoldást vásárolni, és mit kell a szervezetnek magának elsajátítania.
Hirdetés
Egyéni sikerekből vállalati érték: a munkafolyamatok újratervezése
A kutatás egyik legszembetűnőbb eredménye az egyéni nyereség és a vállalati eredményesség közötti ellentmondás. Dan Tinkoff szenior partner úgy látja, hogy
a munkavállalók egyre rutinosabban használják az AI-t, de a szervezetek még nem tudták ezt a tudást pénzügyi eredménnyé konvertálni.
Azt is hozzáteszik, hogy a megoldás nem merülhet ki az eszközök kiosztásában. „Ha adunk egy alkalmazottnak egy AI-eszközt, azzal felgyorsíthatunk egy meglévő feladatot” – magyarázza Tinkoff. „De ha egy teljes munkafolyamatot a mesterséges intelligencia nyújtotta lehetőségek köré tervezünk újra, az képes megváltoztatni magának a folyamatnak a gazdaságosságát és teljesítményét.”
A „tokenomika” megjelenése: az AI költségeinek menedzselése
A technológia skálázásával egy új menedzsment-kihívás is a felszínre kerül: az AI-gazdaságtan.
Minden ötödik válaszadó jelezte, hogy a mesterséges intelligenciához kapcsolódó működési költségek – beleértve a tokenköltségeket is – korlátozták a vállalati felhasználást.
Ennek ellenére a szervezetek 60 százaléka tervezi növelni AI-befektetéseit a következő évben.
Michael Chui, a McKinsey szenior tagja szerint a pénzügyi vezetők (CFO-k) és a mesterséges intelligenciáért felelős vezetők (CAIO-k) között egyre gyakoribbak a „tokenomikáról” és a megtérülésről (ROI) szóló egyeztetések. Bár az egy tokenre eső költség csökkent, a komplex feladatok által generált és fogyasztott tokenek száma ennél is gyorsabban nőtt. Az ágensalapú szoftverfejlesztés és az élvonalbeli modelleket igénylő összetett gondolkodási feladatok rávilágítottak, hogy az AI fenntartása korántsem elhanyagolható tétel. A vezetőknek tehát új, a költségek optimalizálására fókuszáló diszciplínát kell elsajátítaniuk, miközben folyamatosan alakítják át a szervezetet az előnyök kiaknázása érdekében.
Mit tanulhatunk az AI-éllovasoktól?
A legértékesebb tanulságokkal az a szűk réteg szolgál, amely már most is jelentős értéket teremt a mesterséges intelligenciával. Tara Balakrishnan, a McKinsey business partnere kiemelte: a csúcsteljesítők a válaszadók mindössze 6 százalékát teszik ki, ám megközelítésük markánsan eltér az átlagtól.
Ezek a vállalatok a hatékonyság növelése mellett kiemelten fókuszálnak a növekedésre és az innovációra, és 3,3-szer nagyobb valószínűséggel használják az AI-t üzleti modelljük alapvető átalakítására.
Közel háromnegyedük a munkafolyamatok teljes újratervezéséről számolt be, szemben a többi válaszadó 25 százalékával.
Balakrishnan szerint a legsikeresebbeket a technológiához való koherens hozzáállásuk különbözteti meg: egyszerre alkalmazzák a munkafolyamatok újratervezését, a felsővezetői példamutatást, a „human-in-the-loop” tervezési elvet, a hatásmérést és a kockázatkezelést. Ezek a gyakorlatok pedig folyamatosan erősítik egymást.
Az AI következő nagy kihívása tehát legalább annyira szervezeti, mint amennyire technológiai. A puszta adaptációból csak úgy válhat valódi transzformáció, ha a vállalatok képesek az egyéni produktivitást átgondolt munkafolyamatokká alakítani, és szigorú keretek között menedzselni a technológia gazdaságtanát.
Forrás: McKinsey
2 comments on “McKinsey-kutatás: miért késik a vállalati AI-áttörés?”