Lideri poslovanja iz raznih industrija i dalje smatraju generativnu umjetnu inteligenciju (AI) kao transformacijsku snagu koja može preoblikovati poslovne operacije, angažman s kupcima i strateško donošenje odluka. Unatoč širokom uzbuđenju i brzom usvajanju potaknutom lansiranjem ChatGPT-a prije tri godine, mnoge organizacije se bore da postignu značajne i konzistentne povrate od svojih AI inicijativa. Nedavna istraživanja vodećih istraživačkih tvrtki Forrester i Boston Consulting Group (BCG) ističu realnu sliku: samo mali postotak tvrtki – oko 15% prema Forresteru i 5% prema BCG-u – ostvarilo je značajna poboljšanja u poslovnim rezultatima povezanima sa svojim naporima u generativnoj AI. Ovaj ograničeni uspjeh rezultat je nekoliko stalnih izazova s kojima se suočavaju tehnologije generativne AI. Jedan od glavnih problema je sklonost AI-a da daje odgovore koji su previše ljubazni ili pojednostavljeni, često bez kritičnog nuansa ili nedostatka izazova prema primljenim unosima. To smanjuje dubinu i pouzdanost uvida koje AI generira. Osim toga, neregularnost u pružanju točnih rezultata komplicira praktičnu primjenu, posebno kod složenih, dugih ili specijaliziranih dokumenata. Primjeri iz prakse ilustriraju te poteškoće: AI-pokretani stroj za preporuku vina CellarTracker teško interpretira želje korisnika među raznovrsnom terminologijom i suptilnim razlikama, dok alat AI tvrtke Cando Rail za sažimanje sigurnosnih pravila suočava se s izazovima u održavanju preciznosti kod opsežnih regulatornih tekstova. Korisnička služba jedna je od zrelijih primjena tehnologija chatbotova. Tvrtke poput Klarne i Verizona uvele su AI chatbote za upravljanje rutinskim upitima, ostvarujući operativne uštede i smanjenje troškova.

Međutim, sve je veće priznanje da AI ne može u potpunosti zamijeniti ljudske agente u složenim, osjetljivim ili suptilnim interakcijama s kupcima. Nedostatak empatičnosti nalik ljudskoj i nemogućnost shvaćanja suptilnih kontekstualnih nijansi ograničavaju učinkovitost AI-a u tim situacijama, stoga je stalno ljudsko nadgledanje ključno. Stručnjaci opisuju trenutno stanje generativne AI kao “iskrivljenu granicu”, odražavajući neravnomjernu učinkovitost u različitim slučajevima upotrebe. Dok AI odlično obavlja zadatke poput generiranja jezika i sažimanja podataka, ima poteškoće s aktivnostima koje zahtijevaju duboko kontekstualno razumijevanje ili specijalizirano znanje. Problemi u preciznom tumačenju geografskih podataka ili kolokvijalnih izraza vezanih uz vrijeme ističu potrebu za daljnjim razvojem i usavršavanjem. Kako bi prevladale te prepreke i maksimizirale vrijednost AI-a, tvrtke ulažu velike napore u uspostavljanje uske suradnje između svojih internih timova i pružatelja AI tehnologija. Vodeće tvrtke poput OpenAI i Anthropic, zajedno s inovativnim startupima kao što je Writer, ugrađuju svoje inženjere unutar organizacija klijenata radi zajedničkog kreiranja prilagođenih AI rješenja dostupnih za specifične poslovne potrebe i radne procese. Opći konsenzus u poslovnim i tehnološkim krugovima je da, iako generativna AI nosi goleme mogućnosti, ostvarivanje njenog punog potencijala zahtijeva fokusiranije primjene, stalno ljudsko sudjelovanje i spremnost na značajne preinake postojećih procesa i vještina. Generativnu AI treba smatrati snažnim alatom za dopunu, a ne kao samostalno rješenje. Uz promišljenu strategiju i ustrajan trud, organizacije mogu prijeći od početnih eksperimenata prema ostvarivanju mjerljivih poslovnih rezultata, čime će AI na kraju postati ključni pokretač konkurentske prednosti u godinama koje dolaze.