Patuloy na tinitingnan ng mga pinuno ng negosyo sa iba't ibang industriya ang generative artificial intelligence (AI) bilang isang makapangyarihang puwersa na kayang baguhin ang operasyon, pakikipag-ugnayan sa customer, at pagpapasya sa estratehiya. Sa kabila ng malawakang kasiyahan at mabilis na pagtanggap na dulot ng paglulunsad ng ChatGPT tatlong taon na ang nakalipas, marami pa ring mga organisasyon ang nahihirapang makamit ang makatotohanang at palagiang balik sa kanilang mga inisyatiba sa AI. Ipinapakita ng mga kamakailang survey mula sa mga nangungunang kumpanya ng pananaliksik na Forrester at Boston Consulting Group (BCG) ang isang nakakaaktuhing katotohanan: isang maliit na porsyento lamang ng mga kumpanya—humigit-kumulang 15% para sa Forrester at 5% para sa BCG—ang nakakita ng makabuluhang pagbuti sa resulta ng negosyo na kaugnay ng kanilang generative AI na mga pagsisikap. Ang limitadong tagumpay na ito ay nagmumula sa ilang patuloy na hamon na kinahaharap ng mga generative AI technologies. Isa sa mga pangunahing problema ay ang tendensya ng AI na lumikha ng mga tugon na masyadong pabor o payak, madalas na kulang sa kritikal na nuance o hindi sapat na hamunin ang mga inputs na natatanggap. Binabawasan nito ang lalim at bisa ng mga insights na nililikha ng AI. Bukod pa rito, ang hindi pagkakapareho sa pagbibigay ng tama at tumpak na resulta ay nagpapalala sa praktikal na paggamit, lalo na kapag hinaharap ang mga komplikado, mahahaba, o espesipikong dokumento sa isang larangan. Nagsisilbing mga halimbawa sa totoong buhay ang mga problemang ito: nahihirapan ang AI-powered wine recommendation engine ng CellarTracker na tumpak na maintindihan ang mga paborito ng user sa gitna ng iba't ibang terminolohiya tungkol sa alak at mga delikadong pagkakaiba, habang ang AI tool na ginawa ng Cando Rail upang buodin ang mga patakaran sa kaligtasan ay nakakaranas ng hamon sa pagpapanatili ng katumpakan sa malalaking tekstong regulatori. Isa sa mga mas mature na aplikasyon ng mga chatbot technology ay customer service. Ang mga kumpanyang tulad ng Klarna at Verizon ay gumamit ng AI chatbots upang pangasiwaan ang mga pangkaraniwang tanong, na nagdudulot ng mas episyenteng operasyon at pagbawas sa gastos.

Subalit, lalong nakikilala na hindi kayang ganap palitan ng AI ang mga human agents sa pagharap sa mga kumplikadong, sensitibo, o masalimuot na pakikipag-ugnayan sa customer. Ang kakulangan nito sa empatiya na katulad ng sa tao at ang hindi kakayahang maintindihan ang mga delikadong kontekstuwal na nuance ay naglilimita sa bisa ng AI sa mga ganitong kalagayan, kaya’t mahalaga ang patuloy na pag-supervise ng tao. Inilalarawan ng mga ekspertong ang kasalukuyang kalagayan ng generative AI bilang isang “magaspang na hangganan, ” na nagrereplekta sa hindi pantay na performance sa iba't ibang kaso ng gamit. Habang mahusay ang AI sa ilang gawain tulad ng pagbuo ng wika at pagbubuod ng datos, nahihirapan ito sa mga aktibidad na nangangailangan ng malalim na pag-unawa sa konteksto o espesyalisadong kaalaman. Ang mga hamon sa tumpak na interpretasyon ng geographic data o mga kolokyal na ekspresyon na may kaugnayan sa oras ay nagpapakita ng pangangailangan para sa karagdagang pag-unlad at pagpino. Upang matugunan ang mga balakid na ito at mapakinabangan ang potensyal ng AI, malaki ang ini-invest ng mga kumpanya sa malapit na kolaborasyon sa pagitan ng kanilang mga internal na koponan at mga provider ng teknolohiya ng AI. Ang mga lider sa industriya tulad ng OpenAI at Anthropic, kasama ang mga makabagong startup tulad ng Writer, ay inilalagay ang kanilang mga inhinyero sa loob mismo ng mga organisasyong kliyente upang magtulungan sa paglikha ng mga custom na solusyon sa AI na naaayon sa partikular na pangangailangan at daloy ng trabaho. Ang pangkalahatang konsensus sa mga siklo ng negosyo at teknolohiya ay na bagamat napakalaki ng pangako ng generative AI, ang pagkamit sa buong potensyal nito ay nangangailangan ng mas targeted na aplikasyon, patuloy na partisipasyon ng tao, at handang baguhin nang malaki ang mga umiiral na proseso at kasanayan. Dapat turingin ang generative AI bilang isang makapangyarihang kasangkapan upang dagdagan ang kakayahan, hindi bilang isang solusyong mag-isa. Sa pamamagitan ng maingat na estratehiya at patuloy na pagsisikap, maaaring umunlad ang mga organisasyon mula sa paunang eksperimento patungo sa pagkamit ng mga nasusukat na resulta sa negosyo, na sa huli ay magpapalakas sa AI bilang isang pangunahing pampalakas sa kompetitibong kalamangan sa mga darating na taon.