Generativ AI har blivit årets stora satsning för många företag. Men ny forskning visar att entusiasmen ofta övergår i besvikelse. MIT:s studie av 300 AI-införanden avslöjar att endast 5% av generativa AI-projekt lyckas öka intäkterna snabbt. McKinseys globala undersökning bekräftar bilden – 78% av organisationer använder AI, men över 80% märker ingen skillnad på företagets resultat. Goldman Sachs ifrågasätter om de enorma investeringarna någonsin kommer att löna sig.
Vad säger detta till dig som ledare? Att AI är värdelöst?
Nej. Att framgång handlar om mycket mer än teknik.
MIT-forskaren Aditya Challapally som lett studien förklarar varför:
"Generiska verktyg som ChatGPT fungerar bra för individer eftersom de är flexibla. Men i företag stannar de av eftersom de inte lär sig från eller anpassar sig till arbetsflöden."
Det här känner du igen om du arbetat med andra förändringsprocesser. Tekniken är sällan flaskhalsen. Det är organisationens förmåga att ta till sig förändringen som avgör.
Goldman Sachs rapport visar att trots teknikjättarnas planerade investeringar på över 1000 miljarder dollar i AI-infrastruktur de kommande åren, finns det betydande skepticism om huruvida nuvarande AI-satsningar levererar resultat som motiverar kostnaderna. Rapporten presenterar blandade åsikter - medan vissa analytiker är optimistiska om AI:s långsiktiga potential, pekar skeptiker på att teknologin ännu inte kan lösa tillräckligt komplexa problem för att rättfärdiga de enorma kostnaderna. Som ett exempel nämner Goldman Sachs att de i sina egna interna test funnit att AI kan uppdatera historisk data snabbare än manuellt arbete, men till sex gånger högre kostnad.
Rapporten blottlägger en bransch i konflikt med sig själv. Optimisterna ser potential för 25% automatisering av alla arbetsuppgifter som existerar med 9% produktivitetsökning, medan skeptikerna varnar för att endast 4,6% av arbetsuppgifter faktiskt kommer vara kostnadseffektiva att automatisera inom tio år.
Goldman Sachs egen forskning visar att AI-adoption "förblir blygsam" inom de flesta branscher, och att grundläggande uppgifter som textsammanfattning ofta ger "oläsliga och meningslösa resultat."
Samtidigt som Nvidia och andra "picks and shovels"-företag skördar rekordvinster från infrastrukturutbyggnaden, kämpar de flesta andra företag med att bevisa ROI på sina AI-investeringar.
Frågan kvarstår: kommer denna ofantliga satsning någonsin att betala sig, eller bevittnar vi uppbyggnaden av en ny teknikbubbla?
MIT-studien avslöjar något intressant: över hälften av AI-budgetarna går till försäljnings- och marknadsföringsverktyg. Men den största utdelningen kommer från att automatisera administrativa processer – eliminera manuellt arbete, minska externa konsulter och effektivisera drift.
Det påminner om hur många närmar sig kvalitetsarbete. De fokuserar på dokumentation istället för att förbättra processerna för att det är där man tror vinsten ligger.
Goldman Sachs Jim Covello, chef för Global Equity Research, pekar på samma problem: "AI-teknik är dyrt, och för att motivera kostnaderna måste tekniken kunna lösa komplexa problem, vilket den inte är byggd för att göra."
McKinseys forskning understryker samtidigt att AI-transformation ofta är dyr och resurskrävande. Detta förklarar varför så många AI-projekt fastnar – utan tydlig prioritering från ledningen konkurrerar de om samma resurser som alla andra initiativ.
En reflektion jag själv gör är att det för många är för tidigt att prata om "AI-transformation" när de ännu inte klarat av "Digital-transformation".
McKinseys forskning visar att organisationer använder AI i genomsnitt bara 3 affärsfunktioner – trots att tekniken skulle kunna användas mycket bredare för bättre resultat.
Trots den höga misslyckandegraden finns det dock tydliga framgångsfaktorer att lära av.
Företag som köper AI-lösningar från specialiserade leverantörer lyckas 67% av tiden, medan de som bygger egna lösningar endast lyckas 33% så ofta.
Challapally förklarar:
"(AI) Startups som lett av unga entreprenörer har sett intäkter hoppa från noll till 20 miljoner dollar på ett år. Det beror på att de väljer en smärtpunkt, kör hårt och samarbetar smart med företag som använder deras verktyg."
McKinseys forskning visar att tydliga KPI:er för AI-lösningar har störst påverkan på resultatet. VD:ns övervakning av AI-styrning är också en nyckelfaktor.
Oavsett om du leder ett företag med 50 eller 500 medarbetare gäller samma principer. Precis som med ISO-certifiering handlar framgång med AI om ledningens engagemang, tydliga processer och systematisk uppföljning. Du behöver inte vara teknikexpert, men du måste vara med och styra förändringen.
Börja smått och fokuserat. Välj ett specifikt - och verkligt - problem där AI kan göra skillnad. Mät resultatet noggrant.
Och kom ihåg – MIT-studiens författare är tydliga:
"Att testa AI är lätt, men att tjäna pengar på det är svårt."
Det kräver samma disciplin som andra lyckade organisationsförändringar.
Forskningen visar att framtiden tillhör specialiserade AI-verktyg som löser specifika affärsproblem, inte generiska lösningar.
Hos AmpliFlow utvecklar vi just nu AI-funktioner i vår mjukvara för ledningssystem och verksamhetsledning – men vi tar tid på oss och möter våra kunders verkliga behov. Precis som forskningen visar att man ska göra.
Har du problem inom vår domän som du tror att AI skulle kunna göra skillnad? Hör av dig!
