Kodėl 90% AI pilotų lieka be grąžos ir kaip įmonės gali tai pakeisti

Vos per kelerius metus dirbtinis intelektas tapo beveik privalomu žodžiu kiekviename verslo plane, bet tyliai įvyko ir kita istorija: daugybė projektų liko pilotų stadijoje, o pažadas apie greitą grąžą subliūško. 2026 m. birželio 17 d. TechRadar aprašytas vaizdas labai pažįstamas daugeliui vadovų – entuziazmo daug, demonstracijų netrūksta, tačiau kai ateina laikas parodyti realų poveikį pajamoms, sąnaudoms ar klientų aptarnavimo kokybei, skaičiai dažnai ima ir apsiverčia prieš pačią idėją.

Kodėl AI projektai dažnai neuždirba tiek, kiek žadėta

Didžiausia bėda nėra pati technologija. Bėda prasideda tada, kai organizacija įsigyja įrankį, bet nekeičia savo darbo būdo. TechRadar cituojama logika čia gana tiesi: daug įmonių finansuoja pilotus, suburia inovacijų komandas ir paleidžia „protingus“ įrankius, tačiau sustoja pusiaukelėje. Komandos gauna prieigą prie AI, bet nėra išmokomos, kaip juo dirbti kasdienėje veikloje. Procesai, sukurti žmonių greičiui, paliekami beveik tokie patys, nors AI sistemoms reikia kitokios ritmikos, kitokių duomenų ir kitokio sprendimų priėmimo tempo.

Toks modelis atrodo tvarkingai prezentacijoje, bet realybėje kuria tik pavienes produktyvumo pergalės istorijas. Vienas skyrius sutaupo kelias minutes, kitas pasidžiaugia greitesniu teksto parengimu, trečias gauna įspūdingą demonstraciją. Tačiau įmonės lygmeniu niekas nesikeičia: nėra mažiau rankinio darbo, nėra trumpesnio aptarnavimo laiko, nėra stabilesnės pardavimų konversijos. Kai projektas matuojamas taip pat, kaip tradicinis IT atnaujinimas, AI dažnai atrodo silpnas. O iš tikrųjų silpnas būna matavimo modelis.

Riba tarp piloto ir realaus rezultato

Čia atsiranda esminė klaida, kuri kartojasi skirtingose pramonėse. Vadovai dažnai tikisi, kad AI iškart pateisins save taip, kaip galėtų pateisinti jau brandi programinė įranga. Bet dirbtinis intelektas dažnai veikia kaip procesų pertvarkymo įrankis, o ne kaip vienkartinis produktas. Jei įmonė nori tik greitesnio mygtuko, ji gali nusivilti. Jei nori pertvarkyti darbo eigą, duomenų srautą ir sprendimų grandinę, atsiveria visai kita ekonomika.

TechRadar straipsnyje kartojama mintis, kad tradicinis ROI skaičiavimas AI atveju kartais prašauna pro šalį. Verta žiūrėti ne vien į tiesioginę grąžą, bet ir į tai, kiek darbo valandų sutaupoma, kiek sumažėja klaidų, kiek pagreitėja klientų aptarnavimas ir kiek mažiau reikia rankinio pervedimo tarp komandų. Kitaip tariant, AI vertė atsiranda ne vien tada, kai sistema pati sugeneruoja atsakymą. Ji atsiranda tada, kai organizacija ima veikti kitaip.

Tai paaiškina ir kodėl daug pilnų pažadų turėję projektai tyliai užstringa. Įrankis įsigyjamas kaip sprendimas, nors iš tiesų jis yra tik nauja darbo aplinka. Jei nekeičiami procesai, padalinių atsakomybės ir duomenų kokybė, AI tampa dar vienu sluoksniu ant seno chaoso. Tada natūralu, kad darbuotojai jį naudoja atsargiai, vadovai nusivilia, o lenta su gražiais skaičiais lieka kabėti iki kito posėdžio.

Kodėl verslui reikia mažiau triukšmo ir daugiau pertvarkos

Dar viena svarbi pamoka – ne kiekvienas AI projektas turi prasidėti nuo didelės ambicijos. Kartais geriausiai atsiperka siauras, bet aiškiai išmatuojamas naudojimo scenarijus: sąskaitų rūšiavimas, vidinių užklausų nukreipimas, klientų aptarnavimo siuntimas į tinkamą kanalą ar dokumentų santraukos. Ten, kur aiškus skausmas ir daug pasikartojimo, AI gali padaryti juntamą skirtumą jau per kelis mėnesius.

Didesni projektai, kurie bando automatiškai perrašyti visą organizaciją, dažniau stringa dėl pasipriešinimo, duomenų kokybės arba paprasčiausio per didelio masto. Vadinasi, sėkminga strategija nėra „pirkti daugiau AI“. Sėkminga strategija – pasirinkti vietą, kur automatizacija iš tiesų pašalina trintį, ir tada ją išmatuoti pagal darbo eigą, o ne pagal įspūdingą demonstraciją.

Tai ypač svarbu 2026 m., kai į AI rinką žiūrima jau ne kaip į stebuklą, o kaip į infrastruktūrą. Vadovai, kurie vis dar žiūri į dirbtinį intelektą kaip į atskirą eksperimentą, dažniau lieka nusivylę. Vadovai, kurie jį traktuoja kaip pertvarkos dalį, ima matyti rezultatus. Skirtumas tarp šių dviejų grupių dažnai nėra technologinis. Jis organizacinis.

Ką tai reiškia įmonėms, kurios dar tik pradeda

Paprasta išvada būtų tokia: prieš diegdami AI, įmonės turėtų pirmiausia nusibrėžti, kokį procesą nori pakeisti, kas bus atsakingas už pokyčius ir kaip bus matuojamas rezultatas po 30, 90 ir 180 dienų. Jei to nėra, pilotas gali tapti gražia, bet tuščia vitrina. Jei tai padaryta gerai, net nedidelis projektas gali atnešti daugiau vertės nei garsiai reklamuotas, bet neįsišaknijęs įrankis.

Galiausiai ši istorija nėra apie tai, kad AI neveikia. Ji apie tai, kad technologija vien pati nekuria vertės. Vertę sukuria organizacija, kuri pasiryžta keistis kartu su ja. Būtent todėl didžiausia pamoka šiandien yra ne „naudokite daugiau AI“, o „keiskite darbą taip, kad AI turėtų kur veikti“. Tada ROI tampa ne pažadu, o pasekme.