Stručná odpoveď
AI projekty zlyhávajú na technológii len zriedka. Výskum RAND uvádza mieru zlyhania nad 80 percent — približne dvojnásobok oproti IT projektom bez AI — a pripisuje ju najmä zle pochopenému zadaniu, dátam, ktoré neobstoja v ostrej prevádzke, a zmene, za ktorú nikto nezodpovedal. Všetkých deväť zlyhaní nižšie je organizačných.
Hlavné body
- Vyše 80 percent AI projektov zlyhá, zhruba dvojnásobok oproti IT projektom bez AI.
- Vybrať technológiu skôr než úlohu je najdrahšia chyba z celého zoznamu.
- Pilot, ktorý bežal na vybraných dátach, sa v ostrej prevádzke zosype — testujte najskôr na najhorších súboroch.
- Opravy, ktoré urobia vaši ľudia, sú najcennejšie dáta, aké vytvoríte. Väčšina firiem ich zahodí.
- Hneď v prvom týždni si ujasnite, kam smú ísť dáta; v regulovaných dodávateľských reťazcoch práve to najčastejšie zastaví projekt tesne pred cieľom.

Videli sme dosť AI projektov v strojárstve aj v službách na to, aby sme si všimli, že zlyhania sa opakujú podľa rovnakého vzorca a takmer nikdy nie sú technické. Tu je deväť, s ktorými sa stretávame najčastejšie, zhruba v poradí, v akom sa v projekte objavujú.
1. Vybrať technológiu skôr než úlohu
Niekto uvidí ukážku, nadchne sa a začne hľadať, kde by sa dala nasadiť. Tak vznikajú riešenia, ktoré si hľadajú problém. Je to najdrahšia chyba z celého zoznamu, pretože minie dôveru firmy na niečo, o čo nikto nestál. Začnite od úlohy, ktorá vašich ľudí zdržiava, a k nástroju sa dopracujte až od nej.
2. Rozbehnúť päť pilotov namiesto toho, aby sa dotiahol jeden
Portfólio pilotov vyzerá ako pokrok, no býva jeho presným opakom. Pilot sa ľahko začne a ťažko dokončí, takže firma, ktorá rozbehne päť, zvyčajne nedokončí ani jeden. Každý sa dostane na tých nepríjemných osemdesiat percent, kde zostáva už len nezáživná integrácia, a pozornosť sa presunie k ďalšej novinke.
3. Testovať na čistých dátach
Každá ukážka dodávateľa beží na upratanom dokumente. Vaša realita je sken so škvrnou od kávy, revízia, ktorú nikto nevie vysvetliť, a popis produktu, ktorý niekto písal v piatok o štvrtej. Ak si pred podpisom nevyskúšate svoje najhoršie vstupy, kupujete systém, ktorý funguje všade okrem vašej firmy.
4. Nechať AI konať bez toho, aby to niekto schválil
Len čo presnosť vyzerá dobre, je lákavé kontrolný krok zrušiť — veď práve v ňom zostávajú náklady. Odolajte tomu všade, kde výstup opúšťa firmu alebo vstupuje do riadeného dokumentu. Pri AS9100 alebo IATF 16949 „rozhodol to systém“ nie je záznam a audítor ho neuzná.
5. Nezapisovať si opravy
Keď človek výstup prepíše, je tá oprava najcennejší záznam, aký vaša firma tento rok vytvorí. Väčšina firiem ju zahodí: človek výstup opraví, práca ide ďalej a nikde po tom nezostane stopa. Zapisujte si, čo bolo zle, aká bola správna odpoveď a kto o tom rozhodol. O pár mesiacov vám práve tento záznam umožní doladiť systém na vašu prácu, nie na svetový priemer.
6. Platiť za používateľov, keď sa práca meria v dokumentoch
Veľká časť AI nástrojov sa účtuje za používateľa, pretože tak sa softvér vždy predával. Ak sa však vaša práca meria v dokumentoch — skontrolovaných výkresoch, vystavených ponukách, prečítaných faktúrach — je to zlý model. Buď platíte za nevyužité licencie, alebo ich kúpite príliš málo a obmedzíte tým proces, ktorý ste chceli rozšíriť. Skôr než niečo podpíšete, prepočítajte si svoj skutočný ročný objem v oboch modeloch.
7. Odkladať otázku, kam smú ísť dáta
Mnohé subdodávateľské zmluvy v letectve a automobilovom priemysle zakazujú odovzdať zákazníkove výkresy či špecifikácie tretej strane bez písomného súhlasu — a nahratie súboru do cloudu poskytovateľa SaaS je presne také odovzdanie. Je to najčastejší dôvod, prečo sľubný pilot zastaví právne oddelenie, a takmer vždy sa to stane neskoro, keď je už práca hotová. Vyriešte to písomne v prvom týždni, skôr než začnete posudzovať čo i len jednu funkciu.
8. Merať nesprávne čísla
Počet spracovaných dokumentov, prihlásených používateľov či bežiacich pilotov sú ukazovatele aktivity — rastú bez ohľadu na to, či sa niečo zlepšilo. Záleží len na dvoch číslach: na hodinách, ktoré konkrétny tím ušetrí, a na chybách zachytených skôr, než niečo stáli. Ak prínos neviete vyjadriť jedným z nich, zatiaľ neviete, či to fungovalo.
9. Oznámiť to ľuďom ako program úspor
Ak ľudia o AI prvýkrát počujú v súvislosti s nákladmi, celkom logicky si domyslia, že pôjde o prepúšťanie — a vy prídete o spoluprácu práve tých skúsených ľudí, ktorých znalosti systém potrebuje. Predstavte to ako odstránenie práce, ktorá ich už aj tak otravuje, konkrétne povedzte, o ktoré úlohy ide, a priznajte, čo zatiaľ neviete.
Každé z týchto deviatich zlyhaní je organizačné zlyhanie v technickom prestrojení. Model býva problémom len zriedka.
Zhrnutie
Ani jedno z týchto deviatich zlyhaní nie je dôvodom vyhýbať sa AI. Sú to dôvody riadiť ju ako každú inú prevádzkovú zmenu: vyberte problém, ktorý ľudia poznajú, overte riešenie na dátach, ktoré naozaj máte, nechajte za výstup zodpovedať konkrétneho človeka a merajte výsledok v hodinách alebo chybách, nie v aktivite. Miera zlyhania je vysoká preto, že väčšina firiem tieto štyri kroky preskočí, nie preto, že by technológia nefungovala.
Časté otázky
Aké percento AI projektov zlyhá?
RAND uvádza vyše 80 percent, približne dvojnásobok oproti IT projektom bez AI. Iné odhady sa pohybujú od 46 do 95 percent podľa toho, čo sa považuje za zlyhanie — napríklad či sa ráta aj pilot, ktorý sa nikdy nerozšíril. Dôležitejší než rozptyl je spoločný vzorec: väčšina projektov sa zastaví medzi pilotom a prevádzkou.
Zlyháva naozaj technológia?
Takmer nikdy. Opakujú sa tie isté príčiny: zle pochopené zadanie, dáta, ktoré nezodpovedajú realite, pilot, ktorý podcenil rozsah integrácie, a chýbajúci človek zodpovedný za zmenu. Každá z nich je organizačné zlyhanie v technickom prestrojení.
Prečo sa AI piloty nedostanú do prevádzky?
Pretože pilot bol rýchly práve preto, že vynechal všetko, čo prevádzka obnáša: bežal na vybraných dátach, v úzkom rozsahu, s ručným riešením výnimiek a minimom pravidiel. Pri rozšírení sa to všetko vráti naraz. Pilot dokáže, že technológia funguje; prevádzka vyžaduje, aby okolo nej fungovala aj organizácia.
Ako sa vyhnúť pasci čistých dát?
Zaraďte svoje najhoršie vstupy priamo do výberu dodávateľa. Pošlite päť najhorších súborov z minulého mesiaca — ten z faxu, sken so škvrnou, ten s rukou písanou poznámkou — a namiesto ukážky si vyžiadajte surový výstup nástroja. S dodávateľmi, ktorí túto skúšku prijmú, sa oplatí hovoriť ďalej.
Kto má za AI projekt zodpovedať?
Niekto z tej časti firmy, ktorej výstup patrí, nie iba IT. Zlyhania sa kopia okolo nejasných cieľov a slabého prijatia — a ani jedno z toho nevyrieši tím, ktorý softvér nainštaloval.
