Керівники бізнесу в різних галузях продовжують вважати генеративний штучний інтелект (ШІ) трансформаційною силою, здатною змінити операції, взаємодію з клієнтами та стратегічні рішення. Попри загальне захоплення та швидке впровадження, зроблене запуском ChatGPT три роки тому, багато організацій стикаються з труднощами у досягненні значущих та стабільних результатів від своїх ініціатив у сфері ШІ. Останні опитування провідних дослідницьких компаній Forrester та Boston Consulting Group (BCG) висвітлюють реальність: лише невелика частка компаній — близько 15% за даними Forrester і 5% за даними BCG — змогли добитися суттєвих покращень у бізнесових показниках, пов’язаних із їхніми зусиллями у генеративному ШІ. Ця обмежена удача обумовлена кількома постійними проблемами, з якими стикаються технології генеративного ШІ. Однією з головних є тенденція ШІ давати відповіді, що надмірно погоджуються або є занадто спрощеними, часто без критику або без достатнього врахування нюансів. Це зменшує глибину та надійність здобутих штучним інтелектом висновків. Крім того, нерегулярність у наданні точних результатів ускладнює практичне застосування, особливо при роботі з складними, довгими або галузево-специфічними документами. Реальні приклади ілюструють ці труднощі: AI-підсилений сервіс рекомендацій вина CellarTracker зіштовхується з проблемами точного інтерпретування переваг користувачів через різноманітність термінології та тонкощі у винній індустрії, тоді як інструмент штучного інтелекту Cando Rail, створений для підсумовування правил безпеки, має труднощі з підтримкою точності у великих регуляторних текстах. Обслуговування клієнтів є однією з більш зрілих сфер застосування чат-ботів. Такі компанії, як Klarna і Verizon, використовують ШІ чат-ботів для автоматизації рутинних запитів, що призводить до підвищення операційної ефективності та зниження витрат.

Однак все більше визнається, що ШІ не може повністю замінити людських агентів у вирішенні складних, чутливих або делікатних клієнтських запитів. Відсутність людської емпатії та неспроможність захоплювати тонкощі контексту обмежують ефективність ШІ у цих ситуаціях, тому постійний людський нагляд залишається важливим. Експерти описують поточний стан генеративного ШІ як «обрізану перехідну лінію», що відображає нерівномірність у його продуктивності залежно від застосування. Поки ШІ демонструє високі результати у таких сферах, як генерація мови й підсумовування даних, він має труднощі з виконанням завдань, що вимагають глибокого розуміння контексту або спеціалізованих знань. Виклики у точній інтерпретації географічних даних або колоквіалізмів, пов’язаних із часом, підкреслюють необхідність подальшого розвитку та вдосконалення технологій. Для подолання цих перешкод та максимізації цінності ШІ компанії інвестують значні ресурси у тісну співпрацю між внутрішніми командами та провайдерами технологій ШІ. Лідери галузі, такі як OpenAI і Anthropic, разом із інноваційними стартапами, наприклад Writer, інтегрують своїх інженерів у структури клієнтів для спільної розробки індивідуальних рішень ШІ, адаптованих до конкретних бізнес-потреб і робочих процесів. Загальновизнана думка у бізнесовому й технологічному середовищі полягає в тому, що хоча генеративний ШІ має величезний потенціал, повне втілення його можливостей вимагає більш цілеспрямованих застосувань, постійної участі людини та готовності суттєво змінити існуючі процеси й навички. Генеративний ШІ слід розглядати як потужний інструмент доповнення, а не як самодостатнє рішення. З обдуманою стратегією і наполегливими зусиллями організації зможуть перейти від початкових експериментів до досягнення вимірюваних бізнесових результатів, а в перспективі — закріпити роль ШІ як ключового драйвера конкурентних переваг у майбутні роки.