Download PDF

W salach konferencyjnych – od Nowego Jorku po Singapur - wciąż powtarza się ten sam scenariusz. Ktoś wyświetla slajd z uporządkowaną siatką pilotażowych wdrożeń sztucznej inteligencji: tu chatboty, tam copiloci - a sala kiwa głowami. Następnie pojawiają się pytania. Które z tych pilotaży zwiększają przychody? Które obniżają koszty? Ile decyzji jest dziś podejmowanych lepiej, szybciej i bezpieczniej? 

Często zapadająca po nich cisza odzwierciedla niewygodną rzeczywistość: dla wielu firm aktywność związana ze sztuczną inteligencją nie przekłada się na mierzalne rezultaty. Badania PwC pokazują, że wartość ta jest obecnie silnie skoncentrowana w niewielkiej grupie organizacji - 20 procent z 1 217 przebadanych firm przechwytuje 74 procent zwrotów generowanych przez AI. 

Co odróżnia tych liderów AI od pozostałych? Jest to coś, co określamy mianem „dojrzałości AI” (AI fitness): zdolność do ukierunkowania sztucznej inteligencji na obszary, które mają kluczowe znaczenie, budowania fundamentów dopasowanych do celu oraz trwałego osadzania AI w całej organizacji. 

Ten artykuł został przygotowany z myślą o liderach biznesowych, którzy chcą przestać liczyć pilotażowe wdrożenia AI, a zacząć osiągać mierzalny wzrost przychodów oraz oszczędności kosztowe dzięki sztucznej inteligencji. Wyjaśnia, co robią firmy uzyskujące ponadprzeciętne rezultaty, aby osiągnąć dojrzałość AI - i dlaczego ich praktyki pozostają w zasięgu każdej organizacji. 

Aby zrozumieć, dlaczego niektóre firmy osiągają realne zwroty z inwestycji, podczas gdy większość nie, przeprowadziliśmy benchmarking 1 217 przedsiębiorstw z różnych regionów świata i 25 sektorów – pod kątem wyników finansowych generowanych przez sztuczną inteligencję. Zostały one zdefiniowane jako wzrost przychodów oraz poprawa efektywności wynikające z wykorzystania AI, a następnie skorygowane w taki sposób, aby umożliwić porównanie każdej firmy z medianą jej sektora. 

Zapytaliśmy również kadrę zarządzającą w badanych firmach o ich zaangażowanie w 60 obszarów zarządzania i inwestycji w AI, aby sprawdzić, w jaki sposób obszary te wpływają na wyniki finansowe generowane przez sztuczną inteligencję. Zidentyfikowane praktyki pogrupowaliśmy w dziewięć kategorii, powiązanych zarówno ze sposobami wykorzystania AI w organizacjach, jak i z kluczowymi kompetencjami bazowymi, które sprawiają, że AI jest wiarygodna i skalowalna – takimi jak strategia czy ład organizacyjny. Te dziewięć kategorii składa się na indeks dojrzałości AI PwC. 

Kluczowy wniosek jest jednoznaczny: najbardziej dojrzałe pod względem AI firmy objęte naszym badaniem osiągają wyniki finansowe, które są 7,2 raza wyższe niż wyniki pozostałych respondentów.

Skąd bierze się ta przewaga? Wysoki poziom dojrzałości AI przekłada się na szeroki zakres pośrednich efektów efektywności, które z kolei wpływają na wyniki finansowe firm. Organizacje osiągające najsilniejsze wyniki finansowe generowane przez AI (nasi „liderzy AI”) znacznie częściej niż pozostałe przedsiębiorstwa wskazują, że ich portfel inicjatyw AI przyspieszył tempo wprowadzania nowych produktów i usług, umożliwił transformację modeli biznesowych i operacyjnych, poprawił jakość podejmowania decyzji oraz wzmocnił doświadczenia klientów i poziom zaufania – czyli obszary, na których dziś koncentruje się uwaga wielu liderów biznesowych. 

Duży dostawca technologii poprawia doświadczenia klientów 

IDEA W PRAKTYCE

Jasne jest, że firmy, które wyraźnie wyprzedzają konkurencję dzięki sztucznej inteligencji, nie polegają wyłącznie na „robieniu więcej AI”. Budują one kompetencje, które sprawiają, że AI jest skalowalna i niezawodna, a następnie świadomie wybierają obszary, w których tę skalę można wykorzystać do osiągnięcia maksymalnego efektu finansowego. 

Na co w pierwszej kolejności ukierunkowują sztuczną inteligencję firmy będące liderami? Nie tylko na stopniową poprawę efektywności, lecz także na transformację i wzrost – zwłaszcza tam, gdzie wartość się przemieszcza, w świecie „wartości w ruchu”, w którym granice między sektorami coraz bardziej się zacierają. 

Badane przez nas firmy wiodące dodatkowo wzmacniają swoje agendy wzrostu oparte na AI poprzez zdyscyplinowane zarządzanie. Już na wczesnym etapie podejmują decyzje strategiczne, a następnie operacjonalizują je poprzez jasno przypisaną odpowiedzialność oraz systematyczny pomiar efektów. W porównaniu z pozostałymi organizacjami firmy wiodące znacznie częściej dysponują priorytetyzowaną mapą drogową AI obejmującą zarówno perspektywę krótko-, jak i długoterminową, dbają o spójność wizji AI z celami biznesowymi, konsekwentnie monitorują wpływ AI na wyniki biznesowe oraz pociągają najwyższą kadrę zarządzającą do bezpośredniej odpowiedzialności za rezultaty inicjatyw AI. 

John Deere przechodzi transformację, dodając sztuczną inteligencję

IDEA W DZIAŁANIU

Ukierunkowanie AI na transformację biznesu i nowe możliwości pojawiające się na styku różnych branż jest w gruncie rzeczy dość proste. Znacznie trudniejsze okazuje się dostarczanie tych efektów w sposób powtarzalny. Dlatego prawdziwym wyróżnikiem nie jest sama ambicja, lecz sześć precyzyjnie dobranych fundamentów. Zamiast traktować je jako abstrakcyjny program modernizacyjny, liderzy AI budują tylko to, co naprawdę konieczne, aby inicjatywy oparte na AI – ukierunkowane na wzrost i inne kluczowe cele biznesowe – mogły być konsekwentnie przekładane na mierzalne rezultaty, osiągane w skali.

Solidne fundamenty zmieniają sposób, w jaki działa AI. Ograniczają zbędne komplikacje, poprawki i jednorazowe wdrożenia, dzięki czemu każde kolejne rozwiązanie można uruchomić szybciej, taniej i z większą pewnością.

Jak wspomniano wcześniej, efekt ten przekłada się na to, że więcej działań kończy się oczekiwanym rezultatem: po wdrożeniu właściwych praktyk firma, która wcześniej osiągała słabsze wyniki, powinna średnio uzyskiwać dwukrotnie wyższy zwrot z każdego nowego przypadku użycia AI. Nasze badania pokazują, że pięć opisanych poniżej praktyk to te, które prowadzą do największych wzrostów efektywności. 

Finansuj i elastycznie zarządzaj portfelem AI jak inwestor 

Firmy wiodące objęte naszym badaniem inwestują w sztuczną inteligencję istotnie więcej niż pozostałe organizacje – średnio 2,5 raza więcej w relacji do swoich przychodów. Liderzy z sektorów oprogramowania, bankowości oraz mediów i rozrywki deklarują najwyższy poziom inwestycji, sięgający około 5 procent rocznych przychodów. Znaczące nakłady na AI stanowią jednak jedynie część podejścia liderów. Firmy te dbają również o ścisłe dopasowanie inwestycji do swoich potrzeb biznesowych. Zgodnie z naszymi badaniami są one 1,3 raza bardziej skłonne niż inne organizacje do realokowania zasobów finansowych i ludzkich w kierunku projektów AI o najwyższej wartości wraz ze zmianą priorytetów biznesowych. Takie podejście pozostaje spójne z szerokim dorobkiem badań, które łączą dynamiczną alokację zasobów z ponadprzeciętnymi wynikami finansowymi. 

Wspieraj innowacje 

Jeśli finansowanie jest paliwem, innowacja jest silnikiem. Liderzy AI tworzą warunki sprzyjające szybkiemu eksperymentowaniu. Są oni 1,5 raza bardziej skłonni niż inne firmy do zapewniania infrastruktury technologicznej zaprojektowanej specjalnie z myślą o eksperymentach z AI - na przykład środowisk typu „sandbox”, odseparowanych od systemów korporacyjnych, w których deweloperzy mogą bezpiecznie testować nowe rozwiązania. Liderzy ci częściej wyznaczają również właścicieli innowacji, którzy prowadzą inicjatywy AI w ramach jednostek biznesowych. Takie połączenie ułatwia szybkie i bezpieczne uruchamianie pilotaży oraz ich sprawną realizację. 

Co więcej, liderzy AI są bardziej skłonni niż inne organizacje do przeprowadzania ustrukturyzowanych przeglądów inicjatyw innowacyjnych w obszarze AI, aby decydować, które z nich należy priorytetyzować, skalować lub zakończyć. Efektem jest pipeline eksperymentów, które w sposób przewidywalny prowadzą do rozwiązań AI generujących realną wartość. 

Aby zwiększyć adopcję, buduj zaufanie pracowników 

Wartość AI materializuje się wtedy, gdy ludzie faktycznie z niej korzystają. Zaufanie pracowników do technologii jest więc czymś znacznie więcej niż tylko elementem „zarządzania zmianą”. Brak zaufania stanowi ograniczenie przepustowości - niskie zaufanie oznacza niskie wykorzystanie, a to z kolei niski wpływ. 

Liderzy tworzą warunki sprzyjające adopcji. Pracownicy organizacji będących liderami AI są 2,1 raza bardziej skłonni ufać wnioskom generowanym przez sztuczną inteligencję i wykorzystywać je w codziennej pracy. 

To, co buduje zaufanie, rzadko sprowadza się do jednego programu. Jest to system, który składa się z następujących elementów: 

• Zaangażowanie. W organizacjach będących liderami AI zespoły biznesowe, zespoły zajmujące się bazami danych oraz specjaliści AI znacznie częściej współtworzą rozwiązania AI. Ich wspólna współpraca sprzyja dopasowaniu potrzeb biznesowych do projektowanych rozwiązań i eliminuje nieefektywne, „toporne” przekazywanie projektów od deweloperów do użytkowników końcowych, które hamuje adopcję. Firmy wiodące oferują również pracownikom jasne zachęty do eksperymentowania z AI, co sprzyja powstawaniu pomysłów na skalowalne rozwiązania wspierające kluczowe priorytety organizacji. 
• Budowanie kompetencji. Skuteczny rozwój kompetencji uczy pracowników, jak stosować sztuczną inteligencję w codziennych sytuacjach zawodowych. Firmy wiodące częściej zapewniają pracownikom ciągłe, oparte na rolach szkolenia z zakresu AI. Ich najwyższa kadra zarządzająca jest również bardziej skłonna dawać przykład - uczestnicząc w szkoleniach i widocznie korzystając z AI w swojej pracy. 
•  Bezpieczeństwo. Liderzy AI dodatkowo wzmacniają zaufanie pracowników poprzez jasne ramy i protokoły. Gdy ludzie rozumieją, do czego AI może być wykorzystywana, które kwestie wymagają eskalacji oraz kto ponosi odpowiedzialność, mogą korzystać z AI z większą pewnością. W firmach wiodących pracownicy częściej mają dostęp do kontroli opartych na rolach w zakresie danych i dostępu do AI, a także do solidnych, aktualnych zabezpieczeń danych, modeli i infrastruktury.

Wykorzystuj ład organizacyjny (governance), aby dodatkowo wzmacniać zaufanie - i przyspieszać 

Firmy wiodące traktują ład organizacyjny poważnie, dbając jednocześnie o to, aby był on stosowany w sposób, który przyspiesza realizację, a nie ją spowalnia. Rada ds. ładu organizacyjnego ustanawia zasady odpowiedzialnej sztucznej inteligencji (Responsible AI), a zespoły stosują je w codziennej pracy za pomocą mechanizmów takich jak standardowe szablony wdrożeń, szybkie punkty kontrolne oraz regularny monitoring. Dzięki temu rutynowe przypadki użycia mogą być realizowane sprawnie, a do przeglądu przez radę kierowane są wyłącznie inicjatywy o najwyższym poziomie ryzyka. 

Wyndham skaluje godnych zaufania agentów AI

IDEA W PRAKTYCE

Firmy będące liderami we wdrażaniu AI częściej posiadają takie mechanizmy: są 1,7 raza bardziej skłonne do korzystania z udokumentowanych ram Responsible AI obejmujących procesy od wyboru przypadków użycia po monitorowanie wdrożeń, a także 1,5 raza częściej mają międzyfunkcyjny organ zarządzający AI. 

Eliminacja barier technologicznych i danych

Z naszego doświadczenia wynika, że jednymi z największych przeszkód w skalowaniu AI są jakość i dostępność danych, integracja technologii oraz ukryte koszty wielokrotnego odtwarzania tych samych komponentów (takich jak potoki danych czy warstwy integracyjne). Liderzy AI koncentrują się na usuwaniu tych wąskich gardeł w kluczowych przypadkach użycia. Są 2,4 raza bardziej skłonni do tworzenia wielokrotnego użytku, centralnie katalogowanych komponentów AI, z których zespoły mogą korzystać „z półki”, zamiast tworzyć je od nowa. Są także 1,7 raza bardziej skłonni do zapewniania wysokiej jakości danych niezbędnych dla priorytetowych zastosowań AI.

Southwest Airlines wykorzystuje GenAI, aby przekształcić starszy kod w wymagania gotowe do modernizacji 

IDEA W DZIAŁANIU

Wiodąca firma z sektora ochrony zdrowia przekształciła dane w użyteczne wnioski oraz potencjał przychodowy

IDEA W PRAKTYCE 

Gdy kadra zarządzająca zdefiniuje zestaw celów biznesowych, które chce osiągnąć dzięki AI – wzrost, transformację, efektywność lub ich połączenie – zapewnia, że rozwiązania AI są projektowane i wdrażane w całej organizacji, wszędzie tam, gdzie mogą realnie przynieść wartość. Trwałe zakorzenienie AI w organizacji wymaga działania w trzech wymiarach: szerokiego wdrażania AI w wielu obszarach biznesu; osadzania AI w kluczowych procesach i systemach w celu usprawnienia realizacji zadań; oraz stosowania AI w coraz bardziej zaawansowany sposób, przechodząc od wsparcia do automatyzacji.

Działaj szerzej

Nasze badania pokazują, że większość firm wciąż koncentruje AI w ograniczonych obszarach, obejmujących kilka przypadków użycia rozproszonych między wybranymi funkcjami. Liderzy rynkowi skalują sprawdzone przypadki użycia w zespołach, regionach, funkcjach, aktywnościach łańcucha wartości oraz produktach, tak aby wartość nie była zamknięta w jednym, odizolowanym obszarze. Przykładowo ubezpieczyciel, który udowodni, że AI może skrócić czas przetwarzania faktur w finansach, może wykorzystać ten sam model przetwarzania dokumentów i przepływu pracy do automatyzacji przeglądu umów w dziale prawnym oraz obsługi roszczeń w operacjach.

Odkryliśmy również, że liderzy AI są niemal dwukrotnie bardziej skłonni niż inne organizacje do stosowania AI w całym łańcuchu wartości – w obszarach tak różnych jak strategia korporacyjna, operacje w łańcuchu dostaw oraz front i back office.

Niektóre sektory są bardziej zaawansowane niż inne we wdrażaniu AI w całej organizacji. Firmy z branży mediów i rozrywki znajdują się w czołówce, jeśli chodzi o trwałe osadzanie AI w procesach w całym łańcuchu wartości – 54% wdrożeń dotyczy obszarów wyznaczania kierunku (np. strategia, planowanie), 55% – generowania popytu (np. marketing, sprzedaż), 35% – usług wsparcia (np. finanse, HR), a 41% – realizacji popytu (np. produkcja, planowanie łańcucha dostaw).

Inne sektory osiągają dobre wyniki w wybranych fragmentach łańcucha wartości: wyznaczanie kierunku w farmacji, naukach o życiu i motoryzacji; generowanie popytu w usługach technologicznych oraz w sektorze hotelarskim i rekreacyjnym; usługi wsparcia w private equity; oraz realizacja popytu w ubezpieczeniach.

Idź głębiej

Najlepiej radzące sobie firmy w naszym badaniu nie ograniczają się do „doklejania” AI do istniejących procesów. W pełni integrują AI ze standardowymi procesami operacyjnymi, co ma kluczowe znaczenie zarówno dla poprawy efektywności pracy, jak i jakości rezultatów. Może to oznaczać na przykład przeprojektowanie obsługi klienta w taki sposób, aby AI działała bezpośrednio w systemie zarządzania sprawami – pobierając właściwy kontekst klienta i wiedzę, tworząc szkice odpowiedzi oraz przekierowując jedynie bardziej złożone sprawy do specjalistów – zamiast korzystania z osobnego chatbota, z którego agenci muszą korzystać, a następnie ręcznie kopiować treści do zgłoszeń.

Lucid zaczyna od finansów, a potem wdraża AI wszędzie 

IDEA W PRAKTYCE

Postaw na autonomię

Spośród wszystkich wskaźników efektywności operacyjnej, które analizowaliśmy, automatyzacja decyzji wykazuje jedno z najsilniejszych powiązań z osiąganymi przez organizację wynikami. Powód jest prosty: gdy AI może bezpiecznie przejąć większą część rutynowych, często podejmowanych decyzji, skraca się czas realizacji procesów, rośnie przepustowość i pojawiają się realne usprawnienia wydajności.

Nasze badania pokazują, że liderzy efektywności opartej na AI są niemal dwukrotnie bardziej skłonni do wykorzystywania AI na wyższych poziomach zaawansowania - co oznacza, że AI realizuje wiele zadań w określonych ramach lub nawet działa autonomicznie i samodoskonali się. Nic więc dziwnego, że liderzy AI są 2,8 razy bardziej skłonni do zwiększania liczby decyzji podejmowanych bez udziału człowieka. Organizacje te raportują również znacznie większą poprawę jakości decyzji, co potwierdza, że automatyzacja przynosi najlepsze efekty wtedy, gdy wzrostowi szybkości towarzyszy poprawa jakości.

Nie oznacza to jednak automatycznie, że „maszyny zabierają wszystkim pracę”. Pełna autonomia nadal pozostaje wyjątkiem - tylko 15% liderów AI twierdzi, że ich najbardziej zaawansowany przypadek użycia jest autonomiczny i samodoskonalący się. Co więcej, choć 48% liderów AI spodziewa się redukcji zatrudnienia o co najmniej 5% w wyniku wykorzystania AI, kolejne 49% oczekuje niewielkich zmian w liczbie etatów lub wręcz jej wzrostu.

W wielu przypadkach obserwujemy, że natychmiastowa zmiana nie polega na eliminacji ludzi, lecz na eliminacji opóźnień: AI obsługuje powtarzalne decyzje w jasno określonych ramach, podczas gdy ludzie koncentrują się na wyjątkach, kompromisach oraz ukierunkowywaniu decyzji na cele strategiczne.

Globalny gigant handlu detalicznego skaluje agentów AI w całej organizacji

IDEA W PRAKTYCE

AI jest w pełni zdolna do generowania mierzalnych korzyści. Jednak scenariusz, w którym organizacje prowadzą liczne pilotaże AI bez wyraźnych efektów biznesowych, będzie się powtarzał, jeśli nie zostaną podjęte ukierunkowane działania prowadzące do skalowania rozwiązań. Nasze badania pokazują jasną i zachęcającą ścieżkę do osiągania mierzalnych wyników.

Tym, co odróżnia liderów AI, jest zestaw decyzji zarządczych, które podejmują: powiązanie zastosowań AI z kluczowymi wynikami biznesowymi, budowa fundamentów dopasowanych do celu oraz trwałe osadzenie AI w organizacji.

Wdrożenie tej formuły wymaga celowego i długofalowego wysiłku. Nie jest to łatwe - zwłaszcza przy dużej liczbie priorytetów konkurujących o uwagę kadry zarządzającej. Mimo to organizacje, które chcą dogonić liderów, nie mogą sobie pozwolić na zwłokę. Przewaga, którą liderzy AI już posiadają, będzie tylko rosła, ponieważ firmy te uczą się szybciej, szybciej wdrażają rozwiązania i w bezpieczny sposób automatyzują decyzje.

Nadszedł czas, aby wyjść poza pilotaże i mierzyć wyżej. Kadra zarządzająca powinna skierować AI na największe strategiczne decyzje znajdujące się na stole oraz ustanowić model operacyjny, który przekuje inwestycje w AI w mierzalne rezultaty. Gdy AI cieszy się zaufaniem, jest ukierunkowana na transformację, wspierana przez precyzyjnie dobrane fundamenty i skalowana poprzez powtarzalne wzorce w procesach i decyzjach, efekty wykraczają poza stopniowe usprawnienia - składają się na narastającą premię wydajności.