Jeszcze kilka lat temu każda konferencja dla zarządów musiała zawierać panel o „transformacji cyfrowej”. Dziś ten sam los spotkał sztuczną inteligencję. Wystarczy wejść do sali konferencyjnej dużej korporacji albo przeczytać prezentację dla inwestorów, by odnieść wrażenie, że AI stała się nowym uniwersalnym remedium na wszystko: od spadającej produktywności po brak innowacyjności i presję kosztową. Zarządy pytane są o strategię AI podczas konferencji wynikowych. Konsultanci budują całe praktyki doradcze wokół generative AI. Firmy technologiczne przekonują, że firmy stoją właśnie przed momentem podobnym do narodzin internetu.
Może właśnie dlatego uważam, że istnieje bardzo duże prawdopodobieństwo, że większość obecnie realizowanych projektów AI nie poprawi EBITDA przedsiębiorstw. Część z nich wręcz ją pogorszy.
Nie jest to argument przeciwko sztucznej inteligencji. Problem jest znacznie bardziej fundamentalny. Większość organizacji myli dziś demonstrację technologii z poprawą ekonomiki biznesu.
EBITDA nie reaguje na entuzjazm technologiczny. Nie poprawia się dlatego, że firma uruchomiła pilotaż AI, zatrudniła Chief AI Officera albo wdrożyła kolejnego „copilota”. EBITDA rośnie tylko wtedy, gdy przedsiębiorstwo zwiększa przychody, redukuje koszty operacyjne albo poprawia produktywność kapitału, aktywów i ludzi. Tymczasem ogromna część projektów AI funkcjonuje dziś w oderwaniu od tych mechanizmów. Organizacje budują chatboty, automatyzują tworzenie prezentacji, eksperymentują z generowaniem treści marketingowych i tworzą kolejne warstwy raportowania. Wygląda to nowocześnie, ale często nie zmienia niczego w fundamentalnej ekonomii przedsiębiorstwa.
W wielu przypadkach AI stała się po prostu nową kategorią kosztową. Pojawiają się nowe licencje, konsultanci, integracje, systemy bezpieczeństwa, governance, szkolenia i całe zespoły odpowiedzialne za „transformację AI”. Firmy zaczynają inwestować miliony euro lub dolarów jeszcze zanim potrafią odpowiedzieć na najprostsze pytanie: który konkretnie element naszego modelu biznesowego stanie się dzięki temu bardziej rentowny? Celowo nie wymieniłem naszej złotówki, bo polskie firmy mają duży problem z budżetami – vide historyczne nakłady na grafen, na Izerę itd. itp.
Wracając jednak do tematu, historia biznesu zna już podobne momenty. W latach dziewięćdziesiątych wiele organizacji inwestowało ogromne środki w systemy ERP, wierząc, że sama digitalizacja procesów stworzy przewagę konkurencyjną. Bardzo szybko okazało się jednak, że cyfrowy chaos nadal pozostaje chaosem. Źle zaprojektowane procesy po wdrożeniu technologii często działały po prostu szybciej — ale nie lepiej.
Dziś dzieje się coś podobnego. Wiele firm próbuje wdrażać AI do organizmów, które już wcześniej cierpiały na nadmiar złożoności, rozmytą odpowiedzialność i przeciążenie informacyjne. Jeśli dane są niespójne, KPI źle ustawione, procesy decyzyjne wielowarstwowe, a organizacja sparaliżowana silosami i polityką wewnętrzną, sztuczna inteligencja nie rozwiąże tych problemów. Bardzo możliwe, że je pogłębi.
To szczególnie widoczne w dużych korporacjach międzynarodowych. W wielu z nich od dawna istnieje zjawisko produkowania informacji zamiast podejmowania decyzji. Menedżerowie średniego szczebla tworzą kolejne raporty, prezentacje i dashboardy, ponieważ organizacja nauczyła się mylić aktywność z efektywnością. AI może ten proces dramatycznie przyspieszyć. Skoro wygenerowanie trzydziestostronicowej analizy trwa kilka minut, organizacja zaczyna produkować jeszcze więcej analiz. Koszt tworzenia informacji spada niemal do zera, ale uwaga kadry zarządzającej pozostaje zasobem skrajnie ograniczonym.
Herbert Simon pisał wiele dekad temu, że bogactwo informacji tworzy ubóstwo uwagi. Dzisiejsza fala AI może stać się najbardziej spektakularnym potwierdzeniem tej tezy.
Jednocześnie zarządy bardzo często przeceniają wpływ AI na ludzką pracę. Panuje przekonanie, że sztuczna inteligencja zastąpi dużą część pracowników umysłowych. W praktyce jednak większość kluczowych decyzji biznesowych nie polega na pisaniu tekstu ani wyszukiwaniu informacji. Polega na ocenie ryzyka pod niepewnością, rozwiązywaniu konfliktów interesów, budowaniu zaufania, negocjacjach i ponoszeniu odpowiedzialności za konsekwencje decyzji.
AI może wygenerować analizę kredytową, ale nie poniesie odpowiedzialności za błędnie udzielony kredyt. Może przygotować rekomendację strategiczną, ale nie będzie odpowiadała przed akcjonariuszami za złą akwizycję. Może stworzyć raport dla rady nadzorczej, lecz nie zastąpi odwagi potrzebnej do podjęcia niepopularnej decyzji restrukturyzacyjnej.
To właśnie tutaj pojawia się jeden z największych paradoksów obecnej rewolucji AI. Technologia świetnie radzi sobie z produkcją odpowiedzi, ale znacznie gorzej z rozumieniem konsekwencji. Tymczasem najwyższe poziomy zarządzania dotyczą przede wszystkim konsekwencji, a nie samej informacji.
Prawdziwa wartość AI prawdopodobnie pojawi się więc nie tam, gdzie dziś skupia się największa uwaga mediów. Nie w chatbotach ani automatycznym tworzeniu notatek ze spotkań. Największy wpływ na EBITDA mogą mieć te zastosowania, które dotykają fundamentalnej mechaniki biznesu: cenotwórstwa, prognozowania popytu, ograniczania strat, optymalizacji zapasów, utrzymania ruchu, wykrywania oszustw czy poprawy skuteczności działów sprzedaży.
To jednak obszary znacznie trudniejsze niż efektowne demonstracje generatywnej sztucznej inteligencji. Wymagają bowiem nie tylko technologii, lecz również przebudowy procesów, integracji danych, zmiany odpowiedzialności i często bolesnych decyzji organizacyjnych. Znacznie łatwiej wdrożyć „asystenta AI” niż zmienić sposób zarządzania kapitałem obrotowym albo politykę kredytową wobec klientów.
Dlatego wiele organizacji zachowuje się bardzo teatralnie. Powstają komitety AI, centra innowacji, prezentacje strategiczne i kolejne pilotaże. Zarządy pokazują inwestorom slajdy o transformacji. Media publikują wywiady o przyszłości organizacji opartej na sztucznej inteligencji. Niestety, bardzo często to tylko fasady, a cała ta aktywność nie ma realnego przełożenia na ekonomię przedsiębiorstwa.
Historia biznesu wielokrotnie pokazywała już podobne fale niemal sekciarskiego entuzjazmu wobec nowych metod zarządzania i technologii. BPR, TQM, Six Sigma, blockchain „dla innowacyjności”, cyfrowa transformacja bez zmiany modelu operacyjnego – wszystkie te zjawiska miały wspólną cechę. Początkowo generowały ogromne oczekiwania, a później były brutalnie weryfikowane przez rachunek ekonomiczny.
Sztuczna inteligencja również zostanie zweryfikowana. Nie przez konferencje technologiczne, lecz przez wyniki finansowe. Owszem, kilka firm zarobi na niej niewyobrażalne pieniądze, ale większość poniesie tylko koszty.
Największymi beneficjentami obecnej rewolucji prawdopodobnie nie będą firmy, które najgłośniej mówią o AI, ale te, które najlepiej rozumieją własny biznes. Organizacje zdyscyplinowane operacyjnie, posiadające dobre dane, jasne procesy decyzyjne i kulturę odpowiedzialności. Firmy, które traktują sztuczną inteligencję nie jako projekt wizerunkowy, lecz jako narzędzie poprawy konkretnego mechanizmu ekonomicznego.
Nadal wygrywać będą przedsiębiorstwa, które które są bardziej innowacyjne, szybciej podejmują decyzje, lepiej rozumieją klientów i potrafią skuteczniej egzekwować strategię.
AI może być potężnym akceleratorem. Trzeba jednak pamiętać, że może także przyspieszyć błędne decyzje, zwiększyć chaos i jeszcze bardziej osłabić słabe zarządzanie. W źle zarządzanej firmie stanie się kolejnym kosztownym złudzeniem.