W miarę jak firmy wyścigają się w adopcji generatywnej AI, autonomicznych agentów i nowej generacji narzędzi danych, liderzy stają przed trudniejszym pytaniem niż to, czy w ogóle przyjąć tę technologię: jak przekształcić ją w mierzalną wartość, nie tworząc przy tym nowych kosztów, ryzyk i chaosu organizacyjnego.

To wyzwanie wyznaczyło ramy Fortune AIQ Summit, zorganizowanego na nowojorskiej giełdzie (New York Stock Exchange), gdzie przedstawiciele kierownictwa z sektorów technologii, finansów, operacji przemysłowych, podróży i zasobów ludzkich analizowali, co odróżnia prawdziwą transformację AI od rozproszonych projektów pilotażowych. Wyłonił się spójny wzorzec: najsilniejsze firmy nie ograniczają się do wręczania pracownikom narzędzi AI. Przeprojektowują procesy pracy, rozwijają talenty, wzmacniają ład korporacyjny i budują dyscyplinę danych oraz operacyjną potrzebną do odpowiedzialnego skalowania. Spotkanie odzwierciedlało szerszy moment dla technologii przedsiębiorstw: zespoły kierownicze są pod presją wykazania zwrotów z zobowiązań związanych z AI, które wykraczają już poza małoskalowe próby — to napięcie przewijało się przez większość dyskusji.

Dyskusje na szczycie koncentrowały się wokół pięciu kluczowych trendów:

• Przejście od eksperymentów do transformacji przedsiębiorstwa
• Budowa siły roboczej gotowej na AI
• Zarządzanie ładem, zaufaniem i ryzykiem
• Stosowanie AI w środowiskach fizycznych i regulowanych
• Mierzenie ROI, kontrola kosztów i tworzenie wzrostu

Od adopcji AI do transformacji

Najważniejsze pytanie dotyczące AI nie brzmi, czy firma wdrożyła narzędzia, lecz czy zmieniła sposób, w jaki wykonywana jest praca.

Prelegenci wielokrotnie ostrzegali, że szeroki dostęp do AI nie przekłada się automatycznie na produktywność, wartość biznesową ani dojrzałość organizacyjną.

Diana David, dyrektor ds. futurystyki w ServiceNow, powiedziała, że wiod firmy wyróżniają się zaangażowaniem w ludzi i dyscypliną operacyjną, a nie samą technologią. Z indeksu dojrzałości AI ServiceNow (Enterprise AI Maturity Index) wynika, że 57% „pacesetterów” inwestuje w ciągłe podnoszenie kwalifikacji w zakresie AI, w porównaniu z zaledwie 4% pozostałych organizacji. Najbardziej uderzający podział dotyczy przyciągania, zatrudniania i zatrzymywania talentów AI: robi to 68% pacesetterów wobec 10% innych firm.

„Inwestycja w talenty. To była największa luka” — powiedziała David.

Ostrzegła przed traktowaniem powszechnego dostępu pracowników do AI jako dowodu sukcesu. „95% wszystkich ma X, Y, Z” — powiedziała. „Ale nie przekłada się to na produktywność, często nie idzie w parze ze szkoleniami, a to nie równa się dojrzałości.” Jej zdaniem prawdziwa praca zaczyna się od przywództwa, jasnej wizji, przejrzystych systemów, właściwych fundamentów danych i iteracyjnego przeprojektowywania konkretnych procesów pracy.

Paul Fipps, prezes ds. globalnych operacji obsługi klienta w ServiceNow, podniósł pokrewny wątek: największe zyski nie płyną z szybszego automatyzowania starych procesów, lecz z przebudowy ich wokół nowych możliwości. „Jeśli po prostu zautomatyzuję obecne procesy lub skieruję do nich autonomicznych agentów, to wybór, który może dać pewien wzrost produktywności” — powiedział Fipps. „Ale ci, którzy faktycznie przemyślają i na nowo wyobrażą sobie procesy biznesowe … naprawdę robią różnicę.”

Fipps arguedował, że firmy powinny wdrażać AI poziomo — w funkcjach skierowanych do pracowników, takich jak HR, dział prawny i technologia — zamiast zamykać ją w jednym departamencie. Wskazał na Standard Chartered, gdzie AI pomogło przekierować 77% zgłoszeń pracowników. „Jeśli w tych przypadkach użycia uzyskasz 25–30% odciążenia, to zmienia zasady gry” — powiedział. „Jeśli 75–80%, to zmienia życie.”

Amy Webb, założycielka i CEO Future Today Strategy Group, była bardziej bezpośrednia co do dystansu między ambicją a gotowością. „Bądźmy uczciwi, firmy z listy Fortune 500 dość spóźniły się na tę imprezę” — powiedziała. „Sztuczna inteligencja nie pojawiła się znikąd kilka lat temu.” Webb przestrzegła, że firmy przeznaczają znaczny kapitał na pilotaże bez odpowiedniej strategii, przywództwa czy planowania — tworząc odizolowane projekty, które nigdy nie przynoszą trwałej wartości.

Budowa siły roboczej gotowej na AI

Transformacja AI jest w istocie transformacją siły roboczej.

Ze szczytu wynikało wyraźnie, że organizacje potrzebują czegoś więcej niż nowego oprogramowania: potrzebują pracowników i liderów gotowych przemyśleć utarte procesy, nauczyć się nowych umiejętności i zrobić miejsce na nowe sposoby pracy.

Stacy Dillow, wiceprezes wykonawczy i dyrektor personalna w HPE, powiedziała, firmy muszą oprzeć się pokusie prostego wstawienia AI do istniejących systemów. „Musimy zmusić się do innego myślenia, bo jeśli nie próbujemy zmienić sposobu, w jaki pracujemy, to tylko próbujemy dokleić AI do procesu, który nie da nam innej odpowiedzi” — powiedziała. Dla najwyższej kadry kierowniczej, dodała, adopcja i transformacja AI stały się centralnym obowiązkiem zarządczym.

W Palo Alto Networks AI już zmienia doświadczenie pracowników, według dyrektor personalnej Danielle Gonzalez. Dedykowany agent AI zmniejszył liczbę zgłoszeń IT o 83% i obsługuje obecnie procesy w HR, finansach i dziale prawnym. Zamiast zwracać się do ludzkiego partnera HR czy osoby kontaktowej, pracownicy coraz częściej zadają pytania agentowi, który udziela odpowiedzi powiązanych z ich rolą i lokalizacją.

Gonzalez powiedziała, że firmy powinny zatrudniać i rozwijać osoby potrafiące szybko się adaptować — nie tylko nabywać nowe umiejętności, lecz także kwestionować założenia, które już nie obowiązują. „Szukamy ciekawości” — powiedziała. „Szukamy sprawczości i szukamy ludzi, którzy potrafią nie tylko szybko się uczyć … ale też oduczyć się tego, co uważali za prawdę, aby zrobić miejsce, by iść naprzód.”

Drew Holler, dyrektor zasobów ludzkich w deweloperze Lennar, podkreślił, że odpowiedzialność jest wspólna. „Damy wam wszystkie narzędzia, ale to waszą odpowiedzialnością jest podnoszenie własnych kwalifikacji” — powiedział. „Damy wam szkolenia, ale to wy, jako jednostki, musicie się doszkolić.”

Konsekwencje dla siły roboczej wykraczają poza przekwalifikowanie. Francis Shanahan, dyrektor technologii w Peloton, ostrzegł, że tworzenie wspomagane AI niesie własne wyzwanie. Pracownicy są „teraz zalewani, bo dosłownie mogą zbudować cokolwiek” — powiedział — a „wypalenie” staje się coraz większym problemem.

Michelle Kwon, dyrektor operacyjna Runway, wzywała liderów, by nie mylili ilości z produktywnością. „Sam fakt, że używasz AI, nie jest miarodajny dla Twojej produktywności ani dla dobrej pracy” — powiedziała. AI, jej zdaniem, powinno poprawiać sposób pracy ludzi, nie generując dodatkowej pracy dla współpracowników ani nie zalewając ich rezultatami, które nie zostały właściwie ocenione i zsyntetyzowane.

Ład, zaufanie i kontrola

Argumentowi za AI musi towarzyszyć argument za nadzorem.

W branżach regulowanych i zastosowaniach o wysokiej stawce liderzy podkreślali, że skuteczne wdrożenie zależy od wyboru właściwej technologii, zrozumienia ryzyka i zachowania ludzkiego osądu tam, gdzie ma on największe znaczenie.

Hari Gopalkrishnan, dyrektor technologii i informacji w Bank of America, przestrzegł firmy przed odruchowym sięganiem po AI. „Jednym z największych błędów, jakie widzimy u siebie i innych, jest rzucanie się w stronę AI jako rozwiązania, gdy modele deterministyczne radzą sobie zupełnie nieźle” — powiedział. Bank zaczyna od potrzeb klienta i szczegółowej inwentaryzacji danego procesu; czasem zwykła funkcja mobilna lub reguła decyzyjna w czasie rzeczywistym jest lepszym narzędem.

Bank of America ocenia projekty AI według 16 filarów ryzyka, w tym prywatności, stronniczości, wpływu na siłę roboczą i własności intelektualnej. W sprawie systemów autonomicznych również postępuje ostrożnie. „Jest teraz tak wiele do wyciśnięcia z agentów asystujących, które faktycznie pracują z człowiekiem w pętli” — powiedział Gopalkrishnan. Dla banków i innych instytucji regulowanych takie ramy stały się bramą między budową agentów AI a wprowadzaniem ich na produkcję.

Sally Moore, dyrektor ds. klientów i współszefowa wywiadu rynkowego, Kensho data and platforms, w S&P Global, podkreśliła, że użyteczność AI opiera się na wiarygodnych danych. „Dane są walutą w AI” — powiedziała, zauważając, że klienci w regulowanych procesach wymagają dokładności, cytowań, audytowalności i możliwości prześledzenia danych do źródła. Jej szerszy wniosek: firmy powinny zaczynać od problemu do rozwiązania, a nie od technologii, którą chcą wdrożyć. „Co tutaj próbuję rozwiązać? I dokąd może mnie zawieść ta technologia?” — powiedziała.

Fipps arguedował, że ładu korporacyjnego nie należy przedstawiać jako przeszkody dla innowacji. „Widzę, jak ład i zaufanie napędzają szybkość” — powiedział. Przywołał przykład banku regulowanego, który zbudował dziesiątki agentów, ale nie mógł ich wdrożyć, ponieważ liderzy nie ufali mechanizmom kontroli — wymowny obraz kosztów słabego nadzoru.

Webb również wzywała kierownictwo do pragmatycznego podejścia do odpowiedzialności i ryzyka. Liderzy muszą „przestać antropomorfizować” AI, powiedziała: awarie wynikają zwykle nie z tego, że technologia stała się niezależnie świadoma, lecz z tego, że ludzie wdrażają źle zaprojektowane systemy bez odpowiednich zabezpieczeń.

AI w prawdziwym świecie

Środowiska fizyczne i regulowane wymagają innego standardu wdrażania AI.

W budynkach, fabrykach, systemach wodnych i usługach finansowych niezawodność, bezpieczeństwo, koszt, opóźnienia i suwerenność danych kształtują to, co firmy mogą odpowiedzialnie wdrożyć na produkcję.

Suresh Venkatarayalu, dyrektor technologii w Honeywell Technologies, powiedział, że klienci przemysłowi „naprawdę wymagają 99,9999%” niezawodności, podczas gdy modele graniczne „mogą osiągać 85%”. Ta luka sprawia, że wdrożenia w ustawieniach krytycznych dla bezpieczeństwa i misji są fundamentalnie inne niż wstawienie asystenta AI do procesu biurowego.

Venkatarayalu opisał krótkoterminowy kierunek jako „świat półautonomiczny”, a nie w pełni autonomiczny. „Autonomia nie polega też na usuwaniu ludzi” — powiedział. W budynkach komercyjnych i obiektach przemysłowych operatorzy muszą pozostać w grze, ponieważ przestoje i błędy systemowe mają natychmiastowe konsekwencje operacyjne. „Nie można sobie pozwolić, by budynek był wyłączony przez półtorej godziny” — powiedział.

AJ Wijesinghe dyrektor ds. AI w Ecolab, przedstawił ekonomiczny argument za bardziej selektywnym podejściem. Gdy firma używała „najlepszego dostępnego modelu” do zadań o dużej skali, „tokenomia wystrzeliwuje w kosmos” — powiedział. „Czasem jest to droższe niż zatrudnienie ludzi.” Ecolab zareagował optymalizacją wykorzystania modeli i obniżeniem kosztów tokenów o około 70–80%.

Firmy nie zawsze potrzebują najbardziej zaawansowanego dostępnego modelu, powiedział Wijesinghe: „Czasem nie musisz mieć najszybszego samochodu”. Advocował podejście „człowiek na czele” dla agentowego AI i arguedował, że wyniki zależą od utrzymania równowagi między fundamentami danych, gotowością procesów a dyscypliną kosztów. „Jeśli jeden przeważa nad drugim, to nie uzyskasz wartości” — powiedział.

Wartość, koszty i wzrost

Kolejnym testem dla AI będzie to, czy przynosi mierzalne zwroty.

Liderzy finansowi i operacyjni ze szczytu zgodzili się, że firmy muszą dążyć do produktywności i wzrostu, zachowując jednocześnie dyscyplinę w kosztach modeli, infrastrukturze danych i jakości rezultatów.

Ewout Steenbergen, wiceprezes wykonawczy i CFO Booking Holdings, powiedział, że niepewność co do zwrotów z AI jest powszechna — nawet wśród największych inwestorów technologicznych. „Myślę nawet, że hyperscalerzy wydający setki miliardów na rozwój swoich dużych modeli językowych naprawdę nie wiedzą, jaki będzie ROI” — powiedział. „Mają może jakieś założenia i hipotezy, ale cała istota polega na tym, że nie chcesz zostać w tyle.”

Dla Bookingu droga do wartości nie wiedzie przez nieprzemyślane wydatki, lecz przez przeprojektowanie procesów „od białej karty”. Steenbergen powiedział, że koszty obsługi klienta firmy lekko spadają, podczas gdy rezerwacje rosną w tempie wysokojednocyfrowym, a satysfakcja klientów wzrosła. Dodał, że około 9 000 inżynierów Bookingu wprowadza na produkcję około 30% więcej kodu, licząc żądania scalenia, które przechodzą firmowe standardy testowania i kontroli jakości.

„Zwroty pojawią się w tych procesach, które są przeprojektowywane od końca do końca” — powiedział Steenbergen — „ale musisz też zadbać, żeby z drugiej strony te koszty nie wymykały się spod kontroli.” Booking zarządza tym napięciem poprzez „efektywny routing kosztów modeli”, przypisując tańsze modele prostszym zadaniom i rezerwując droższe modele do pracy wymagającej głębszego rozumowania. Podejście to daje konkretny wgląd w to, jak koszty modeli rozliczane według użycia — pozycja kosztowa rosnąca wraz z adopcją, a nie zachowująca się jak stała licencja software'owa — są zarządzane w dużej spółce publicznej.

Steenbergen zasugerował, że większy potencjał AI może tkwić we wzroście liczby klientów. Technologia nie zmieni fundamentalnej natury podróży — „hotel to nadal hotel, linia lotnicza to nadal linia lotnicza, a wypożyczalnia samochodów to nadal wypożyczalnia” — ale może ułatwić podróżnym planowanie, rezerwację i reagowanie na zakłócenia. Łączą elementy podróży i przewidując potrzeby klienta, AI może pomóc budować, jak powiedział, „więcej lojalności, więcej zaufania i więcej wartości marki.”

Wnioski końcowe

Fortune AIQ Summit pokazał wyraźnie, że przywództwo w AI nie definiuje liczby kupionych narzędzi, rozmiar programu pilotażowego ani ilość generowanych treści. Organizacje wysuwające się na czołę łączą ambicje technologiczne z rozwojem ludzi, przeprojektowaniem procesów, dyscypliną finansową, wiarygodnymi danymi i rozliczalnym ładem. Dane samego szczytu dostarczają punktów odniesienia do śledzenia tej zmiany: czy luki w talentach i szkoleniach ujawnione przez indeks dojrzałości ServiceNow będą się zawężać, czy wdrożenia przemysłowe zmniejszą dystans między niezawodnością modeli granicznych a niemal idealną dostępnością, której wymagają operacje fizyczne, oraz czy poprawi się jasność ROI u hyperscalerów wydających setki miliardów na budowę modeli bazowych. W miarę jak AI wnika głębiej w przedsiębiorstwa, odniosą się ci liderzy, którzy użyją jej nie po to, by automatyzować istniejącą pracę, lecz by budować bardziej odporne, produktywne i responsywne biznesy.

Generatywna AI została wykorzystana do pomocy badawczej i/lub transkrypcji tego artykułu. Dziennikarz niezależnie zebrał i zweryfikował fakty zawarte w tym artykule, a przed publikacją przeszedł on recenzję redakcyjną.

Ta historia pierwotnie ukazała się na Fortune.com.