A McKinsey újraértelmezett Rewired játékkönyve szerint az AI üzleti haszna nem csupán a technológia alkalmazásából fakad. Dan Swan, a McKinsey Tech & AI csoportjának globális vezetője a WIRED Global Editorial Director, Katie Drummonddal beszélgetett arról, mi különbözteti meg azokat a szervezeteket, amelyek mérhető üzleti értéket hoznak létre, azoktól, amelyek csupán kísérleteznek az AI‑val.
Két‑három fókuszált domain, nem sok kis pilot
Swan hangsúlyozza a fókusz fontosságát: a sikeres cégek két–három „domainre” (vég‑vég folyamataikra vagy üzleti területeikre) koncentrálnak, ahol az AI rendszerszinten képes változást okozni. Sokan korábban kis „use case” pilotokat futtattak, amelyek nem skálázódtak, és nem jelentek meg a mérlegben (P&L), így csalódáshoz vezettek. Egy domain újragondolása több use case‑et ölelhet fel, és elég nagy lehet ahhoz, hogy érdemben mozgatni tudja az eredményeket.
Átalakítás, nem csupán technológiai beruházás
A Rewired‑szemlélet megkülönbözteti azt, ha egy cég csak „vesz” technológiát, és azt, amikor a technológia mentén valódi üzleti átalakulás történik. A kulcs: nem az a kérdés, hogy „hová tudom alkalmazni az AI‑t?”, hanem hogy „milyen üzleti problémát kell megoldanom, és az AI hogyan segíthet ebben?”. Ez összekapcsolja a technológiát, az embereket és a szervezeti képességeket.
Vezetői szerep és műhelymunka a szervezeten belül
Swan szerint a CEO‑knak jó kérdéseket kell feltenniük és példát mutatniuk: például érdeklődni arról, hogy használták‑e a nagy nyelvi modellt (LLM) egy adott válasz ellenőrzésére, vagy kérniük, hogy egy junior munkatárs mutassa be a megoldást. Az „apprenticeship” és a jó üzleti ítélőképesség a technológia mellett kulcsfontosságú.
Példák: Toyota és DBS
- Toyota: a cég egy digitális ikert (digital twin) épített a teljes ellátási láncáról, ami a beszerzéstől a gyártáson át a két és fél millió autó kiszállításáig tudta modellezni a folyamatot. A digitális iker 15 perc alatt több milliárd döntést tudott feldolgozni; ami korábban 100 embert és 75 különböző táblázatot igényelt, azt egy megoldásba csomagolták. A beavatkozás körülbelül 800 millió dollár értéket teremtett, főként növelt áteresztőképesség és jobb időzítés révén. Kritikus volt, hogy a felhasználók — értékesítési, gyártási és tervezési szakértők — már a kezdetektől részt vettek a fejlesztésben, így megbíztak a megoldásban és maguk is a változás támaszaivá váltak.
- DBS: a bank példája azt mutatja, hogy ha a szervezetnél korábban is jelen volt a technológiai transzformáció kultúrája, az új AI‑lépések sokkal gördülékenyebben mennek. DBS‑nél a vezetés azonnal emberekre fókuszáló transzformációnak tekintette az AI‑t, és két–három priorizált domainnel kezdtek, majd a tapasztalatok alapján gyorsan bővítették a mezőt. Ez a „képességek kumulációja” gyorsabb továbblépést tett lehetővé.
Agenticus (agentic) AI: új működési modell
Swan rámutat: a korai AI elsősorban a meglévő folyamatok felgyorsításáról szólt; az agentic AI viszont új típusú, zárt hurkú folyamatokat hozhat létre, ahol autonóm ügynökök (agentek) kommunikálnak és együttműködnek. Ez alapjaiban változtatja meg, hogyan kell az embereknek az AI‑val dolgozniuk.
- Ember „a hurkon felül”: a korábbi „ember a hurkban” megközelítés helyett a McKinsey szerint a döntéshozókat célszerű inkább „a hurkon felülre” helyezni: kontextust adnak, felügyelnek és össz‑hangolják az ügynököket, ahelyett hogy minden lépést kézzel ellenőriznének.
- Négyfokú agenticus létra: az első fok az LLM‑t egyszerű kérdezésre használni; a második a meglévő szoftverbe integrált funkciók (pl. találkozó‑összefoglalók). A harmadik és negyedik fok a folyamatok alapvető átalakítása vagy új üzlet építése. Sok vállalat azonban a második foknál beragad, mert az könnyen elterjed és azonnali kényelmet ad, de nem feltétlenül mozgatja meg a P&L‑t.
Az „AI slop” kezelése
A sikeres szervezetek szándékos megközelítéssel dolgoznak: világos kontextust adnak az ügynököknek, mérik bemeneteket és kimeneteket, figyelik a hallucinciókat, és folyamatosan javítják a rendszereket. Így csökkenthető az „AI slop” mértéke és az ügynökök idővel tanulnak.
Szervezeti képességek és HR szerepe
Swan három kulcsterületet említ HR‑szempontból: kommunikáció és szemléletformálás; képességfejlesztés, mert a szükséges készségek gyorsan változnak; és a munkaszervezés módjának tudatos átalakítása. A tréning és a beágyazás (embed) elengedhetetlen, különben jó beruházások „a polcon” maradnak.
Vezetői tanulságok és előretekintés
A technológia rendkívüli, és a vezetőknek elfogadniuk kell azt; ugyanakkor a vezető szerepe soha nem volt fontosabb abban, hogy ezt üzleti transzformációként pozícionálják a szervezetben. Swan szerint öt év múlva jól láthatóvá válik majd, hogy a változás tartós: azok a cégek, amelyek most előrelépnek és tanulnak, tartós versenyelőnyre tehetnek szert.
Záró gondolatok
Swan hangsúlyozza a rugalmasság és alkalmazkodóképesség fontosságát a következő generációk számára, valamint azt, hogy a kreativitás, az empátia és a kommunikáció továbbra is kulcsfontosságú emberi készségek maradnak. A Rewired frissített kiadása új betekintést kínál az AI‑megoldásokba és a digitális‑AI transzformációk gazdaságtanába, de alapüzenete: a sikeres AI‑használat embereket, folyamatokat és vezetést egyaránt át kell, hogy alakítson.
Dan Swan a McKinsey & Company senior partnere és a Tech & AI globális vezetője. Katie Drummond a WIRED Global Editorial Director‑ja. A cikkben kifejtett vélemények az interjúalanyok saját gondolatai, és nem tükrözik feltétlenül a McKinsey & Company hivatalos álláspontját.
