Pemimpin perniagaan di pelbagai industri terus melihat kecerdasan buatan penjana (AI) sebagai satu kuasa transformasi yang mampu mengubah operasi, penglibatan pelanggan, dan pengambilan keputusan strategik. Walaupun terdapat kegembiraan meluas dan pengambilan pantas yang dipelopori oleh pelancaran ChatGPT tiga tahun lalu, banyak organisasi masih berjuang untuk mencapai pulangan yang ketara dan konsisten daripada inisiatif AI mereka. Tinjauan terkini oleh firma penyelidikan terkemuka, Forrester dan Boston Consulting Group (BCG), menunjukkan realiti yang mengecewakan: hanya sebahagian kecil syarikat—kira-kira 15% untuk Forrester dan 5% untuk BCG—telah mencapai peningkatan yang bermakna dalam hasil perniagaan yang berkaitan dengan usaha AI penjana mereka. Kejayaan yang terhad ini berpunca daripada beberapa cabaran berterusan yang dihadapi oleh teknologi AI penjana. Salah satu masalah utama ialah kecenderungan AI untuk menghasilkan jawapan yang terlalu setuju atau ringkas, sering kali kekurangan nuansa kritikal atau gagal mencabar input yang diterima dengan mencukupi. Ini mengurangkan kedalaman dan kebolehpercayaan maklumat yang dihasilkan oleh AI. Selain itu, ketidakkonsistenan dalam menyampaikan hasil yang tepat menyukarkan penggunaan praktikal, terutamanya apabila mengendalikan dokumen yang kompleks, panjang, atau khusus bidang. Contoh dunia sebenar menunjukkan kesukaran ini: enjin cadangan wain berkuasa AI CellarTracker sukar untuk mentafsir pilihan pengguna dengan tepat di tengah-tengah pelbagai terminologi wain dan perbezaan halus, manakala alat AI Cando Rail yang direka untuk merumuskan peraturan keselamatan menghadapi cabaran dalam mengekalkan ketepatan di seluruh teks peraturan yang luas. Perkhidmatan pelanggan merupakan salah satu aplikasi yang lebih matang untuk teknologi chatbot. Syarikat seperti Klarna dan Verizon telah menggunakan chatbot AI untuk menguruskan pertanyaan rutin, menghasilkan kecekapan operasi dan pengurangan kos.

Walau bagaimanapun, semakin ramai yang mengakui bahawa AI tidak dapat sepenuhnya menggantikan ejen manusia dalam mengendalikan interaksi pelanggan yang kompleks, sensitif, atau bernuansa. Kekurangan empati yang menyerupai manusia dan ketidakmampuan untuk memahami nuansa kontekstual yang halus mengehadkan keberkesanan AI dalam situasi ini, menjadikan pengawasan manusia secara berterusan adalah amat penting. Pakar menggambarkan keadaan semasa AI penjana sebagai “perbatasan yang bergelombang, ” mencerminkan prestasi yang tidak sekata di pelbagai kes penggunaan. Walaupun AI cemerlang dalam tugas tertentu seperti penjanaan bahasa dan ringkasan data, ia menghadapi rintangan dalam aktiviti yang memerlukan pemahaman kontekstual mendalam atau pengetahuan khusus. Cabaran dalam mentafsir data geografi secara tepat atau ungkapan kolokial berkaitan masa menekankan keperluan untuk pembangunan dan penambahbaikan yang berterusan. Untuk mengatasi halangan ini dan memaksimumkan nilai AI, syarikat-syarikat sedang melabur secara besar-besaran dalam menjalin kerjasama rapat antara pasukan dalaman mereka dan penyedia teknologi AI. Pemimpin industri seperti OpenAI dan Anthropic, bersama dengan syarikat permulaan inovatif seperti Writer, sedang menyisipkan jurutera mereka dalam organisasi pelanggan untuk mencipta penyelesaian AI yang disesuaikan dan khusus untuk keperluan dan aliran kerja perniagaan tertentu. Kesepakatan umum dalam kalangan perniagaan dan teknologi ialah bahawa walaupun AI penjana memegang janji yang besar, merealisasikan potensi penuh memerlukan aplikasi yang lebih tumpu, penglibatan manusia secara berterusan, dan kesediaan untuk mengubah proses dan kemahiran sedia ada secara besar-besaran. AI penjana harus dianggap sebagai alat pengembang yang berkuasa, bukan penyelesaian tunggal. Dengan strategi yang berperancangan dan usaha berterusan, organisasi boleh beralih dari percubaan awal ke arah mencapai hasil perniagaan yang dapat diukur, akhirnya menempatkan AI sebagai pendorong utama kelebihan daya saing dalam tahun-tahun akan datang.