Zarządy muszą przejąć kontrolę nad strategią AI. Oto jak to robić

Zarządy dużych organizacji coraz częściej odkrywają, że wiele strategii sztucznej inteligencji opracowanych przez firmy doradcze pochodzi spod ręki pracowników bez odpowiedniego doświadczenia w tej dziedzinie. Problem jest poważny: ponad 90 procent pilotów sztucznej inteligencji w korporacjach kończy się niepowodzeniem, a przyczyna często tkwi w słabych fundamentach strategicznych.

Marek Pokorski, General Manager Inetum Polska, wskazuje na kluczowy problem: zarządy nie biorą wystarczającej odpowiedzialności za kierunek rozwoju sztucznej inteligencji w swoich organizacjach. Zamiast tego delegują to zadanie zewnętrznym konsultantom, którzy mogą nie rozumieć specyfiki biznesu ani jego rzeczywistych potrzeb.

Dlaczego strategie AI kończą się porażką?

Głównym błędem jest rozpylanie zasobów na zbyt wiele inicjatyw jednocześnie. Wiele organizacji tworzy listy zawierające 25 potencjalnych projektów AI, licząc, że któryś z nich się powiedzie. Taki podход to recepta na chaos i marnotrawstwo budżetu. Efektywna strategia musi być skoncentrowana i realistyczna.

Drugi problem to brak zaangażowania kierownictwa. Gdy zarząd nie rozumie, jakie konkretnie problemy biznesowe ma rozwiązać sztuczna inteligencja, projekty tracą kierunek i wsparcie. Pracownicy niższych szczebli, którzy faktycznie wdrażają piloty, nie mają jasnego mandatu ani zasobów, które potrzebują.

Co powinien zrobić zarząd?

Pokorski rekomenduje radykalne podejście: zarząd powinien spędzić tydzień na wspólnym opracowaniu strategii sztucznej inteligencji. To nie oznacza delegowania pracy – oznacza to, że dyrektorzy i członkowie rady powinni osobiście zaangażować się w proces myślenia strategicznego.

Podczas tego tygodnia zespół kierowniczy powinien zdefiniować dokładnie 2–3 priorytety biznesowe, które sztuczna inteligencja ma wspierać. Te priorytety muszą być bezpośrednio powiązane z celami finansowymi i operacyjnymi organizacji. Każdy priorytet powinien mieć jasno określonego właściciela, budżet i harmonogram.

Studium przypadku: Transformacja modelu biznesowego

Praktyczne znaczenie takiego podejścia pokazuje przykład producenta silników lotniczych z Wielkiej Brytanii. Firma nie tylko wdrożyła sztuczną inteligencję, ale zmienił swój cały model biznesowy – z tradycyjnej sprzedaży silników na model wynajmu wspieranego przez technologię.

Kluczowym elementem tej transformacji było wdrożenie systemu Predictive Maintenance (predykcyjne utrzymanie ruchu), który wykorzystuje sztuczną inteligencję do określenia optymalnego momentu na przeprowadzenie serwisu silnika. Zamiast czekać na awarię lub wykonywać rutynowe przeglądy, system analizuje dane operacyjne i wskazuje, kiedy interwencja będzie najbardziej efektywna.

Rezultat? Producent zaoszczędził około 500 milionów euro rocznie. Oszczędności wynikały z kilku czynników:

• Zmniejszenia liczby nieplanowanych awarii (które kosztują setki tysięcy euro za incydent)
• Optymalizacji harmonogramu serwisu
• Wydłużenia okresu eksploatacji silników
• Poprawy zadowolenia klientów dzięki wyższej niezawodności

Co to oznacza dla Ciebie?

Jeśli pracujesz w dużej organizacji i obserwujesz, że projekty AI nie przynoszą oczekiwanych rezultatów, problem może leżeć na poziomie strategii. Zamiast szukać lepszych narzędzi lub inżynierów, spytaj: czy zarząd naprawdę rozumie, co chce osiągnąć?

Dla członków zarządów i rad nadzorczych wiadomość jest jasna – nie można oddelegować odpowiedzialności za strategię AI. Zewnętrzni doradcy mogą dostarczyć wiedzę techniczną, ale tylko zarząd zna rzeczywiste cele biznesowe i ma władzę, by przydzielić zasoby zgodnie z priorytetami. Tygodniowe zaangażowanie na etapie strategii może zaoszczędzić miliony złotych na zmarnowanych pilotach i projektach, które nigdy nie osiągną produkcji.

Dla specjalistów IT i liderów technicznych kluczowe jest zdobycie poparcia zarządu dla wybranych priorytetów. Bez tego poparcia nawet najlepiej zaprojektowany projekt AI będzie walczyć o zasoby i uwagę.