A technológiát, köztük a mesterséges intelligenciát (AI), használó vállalatok közötti különbséget nem elsősorban a használt eszközök adják: ezek széles körben elérhetők. Az igazán sikeres cégek előnye abból származik, hogy hogyan és milyen gyorsan fordítják át a technológiát valódi, nagyszabású üzleti problémák megoldására. Ez új szervezeti képességeket igényel, amelyek kiépítése időt vesz igénybe, és amelyek végül tartós versenyelőnnyé válnak.
A szerzők 20 olyan vállalatot vizsgáltak, amelyek következetesen jelentős gazdasági értéket teremtettek AI-vezérelt üzleti transzformáció révén. Sokuk szerepel a Rewired: How Leading Companies Win with Technology and AI című könyv második kiadásában. Ezek nem a folyamatosan a címlapokra kerülő „wunderkind” technológiai cégek, hanem nagyvállalatok, amelyek éveken át építették fel technológiai és AI-képességeiket, hogy a technológiát üzleti értékké tudják alakítani.
A legújabb State of AI jelentés szerint a vállalatok 94 százaléka még nem teremtett jelentős értéket AI-ból. A számok keményen rámutatnak: sok igazgatóság és vezetőcsapat szkeptikus azzal kapcsolatban, hogy megéri-e a transzformációhoz szükséges beruházásokat megtenni.
Mégis van néhány vállalat, amelyek radikálisan eltérő eredményeket értek el. A tanulmányban minden cégnél áttekintették a transzformációs ütemtervet és a pénzügyi eredményeket, valamint vezetőket interjúvoltak meg további részletekért. Az elemzés hat kulcsfontosságú képességet azonosított, amelyeket a sikeres szervezetek kiépítenek — ezek egymást erősítik, és időbe telik őket kialakítani.
A hat kulcsképesség és a folyamatos fejlesztés
A vizsgált vállalatoknál a következő jellemzők ismétlődtek: a C-szintű elköteleződés az AI iránt; a technológia és adatplatformok stratégiai kezelése; termékorientált, keresztfunkcionális csapatok, amelyek ügyfélutak köré szerveződnek; újrahasznosítható platformelemek és API-k; egységes adat- és AI-platformok, valamint bevált módszertanok az elfogadásra és a skálázásra.
Érdekes módon a legsikeresebb cégek nem tekintik elért győzelmeiket lezártnak: a technológia folyamatos fejlesztést kíván. A transzformáció hullámai általában 2–4 évig tartanak. Például a Freeportnál az első széles körű AI-eredmény 2018-ban jelentkezett a rézkoncentrátorok termelékenységének ugrásszerű javításával; három évvel később, 2021-ben a megszerzett „izomerőt” kihasználva ismét áttörést ért el a lixiviáció (a kőzetből vegyszeres kinyerési folyamat) területén.
E képességek felépítése nem megy egyik pillanatról a másikra; a négy kiemelt példa vállalat éveken át dolgozott ezeken — több mint öt éve építik a képességeiket, és továbbra is fejlesztenek.
A C-szint felelőssége és a technológiai tudás
A siker legfontosabb mozgatórugója az a felső vezetés, amely ért és támogatja az AI-t. A vezetői csapat feladata nem pusztán eszközökre vonatkozó döntés: stratégiai kreativitásra és arra van szükség, hogy az AI-t ott alkalmazzák, ahol versenyelőnyt teremt. A DBS Bank példája világos: a felső vezetés hosszabb időt töltött a Szilícium-völgyben és digitális natív cégeknél, hogy megértse, mi különbözteti meg a ténylegesen magas teljesítményű technológiai szervezeteket — nem az eszközöket, hanem a modern mérnöki gyakorlatokat, platform-alapú architektúrát, adatokat skálán, agilis munkamódszereket és a folyamatos kísérletezés kultúráját. Ez a benchmarkolás vezetett a DBS technológiai működési modelljének alapvető újrafogalmazásához és egy többéves elköteleződéshez ezen képességek felépítésére.
Az AI mélyen beágyazódik a vállalat működésébe és munkafolyamataiba, ezért az értékkihasználáshoz olyan vezetők kellenek, akik egyesítik az üzleti szakértelmet, a technológiai és adatismeretet, valamint a végponttól végpontig terjedő változásmenedzsment képességét. A Freeport a lixiviációs optimalizációs rendszer bevezetésekor olyan vezetőt nevezett ki a művelet általános igazgatójának, akinek volt gyakorlata az AI-megoldások operacionalizálásában és hitelessége a feldolgozó műveletekben: így a domain-tulajdonos vezette a rendszer fejlesztését, a technológiák integrálását és a végső üzleti eredményekért való felelősséget.
A sikeres történetekben mindig van egy felsőszintű üzleti vezető — néha kétfejű („two-in-a-box”) modellben üzleti és technológiai vezetővel —, aki integrálja az üzleti, technológiai és változásmenedzsment elemeket. A szervezetek legstratégiaiabb képzései közé tartozik a technológia-képes üzleti vezetők fejlesztése.
Platformok, termékcsapatok és adat, mint vállalati eszköz
A Rewired-szervezetek beágyazzák a technológiai kiszállítás képességeit az üzletbe, hogy gyorsabb és hatékonyabb innovációs ciklusokat érjenek el. Platformokat építenek újrahasznosítható képességekkel — API-okká, adat-eszközökké és szolgáltatásokká — amelyek több üzleti területen is felhasználhatók.
A DBS például ügyfélutak mentén (számlanyitás, lakásvásárlás, kisvállalati hitel) szervez keresztfunkcionális csapatokat, amelyek felelősek a csatornákat és termékeket átfogó, zökkenőmentes ügyfélélményért. Emellett vállalati platformokat (pl. fizetések, ügyféladat, onboarding, hitel) tart fent, amelyeket hosszú távú eszközként finanszíroz — nem egyszeri projektként. Ennek eredménye élesebb ügyfélfókusz, gyorsabb ciklusidő, jobb konverzió és magasabb ügyfélelégedettség.
Ez a megközelítés egy elosztott működési modell, ahol az üzlethez közel lévő csapatok iteratívan építenek, tesztelnek és javítanak. Minden sikeres példában van valamilyen ilyen modell, de a vállalatok mindössze körülbelül 10 százaléka alkalmazott ilyet: a szervezet újraarchitektúrája víziót és eltökéltséget igényel.
LATAM Airlines tudatosan külön választotta az ügyféloldali képességek építését a régi magrendszertől, és felhőben, API-first, moduláris módon tervezte új digitális szervezetét. Az így létrejött komponensek könnyen újrahasznosíthatók csatornák és piacok között, és absztrakciós rétegek segítségével különböző helyi fizetési rendszereket és szabályozásokat lehet integrálni anélkül, hogy az alapplatformot felapróznák.
A jól felépített platformok felgyorsítanak mindent: termékbevezetések, automatizálás, adatújrafelhasználás, AI-telepítések és reziliencia. Gyenge platformok viszont lassítanak és rejtett költségeket generálnak.
Adatplatformok és mérhető eredmények
A DBS 2018-ban még 15–18 hónapot töltött AI-modellek fejlesztésével és telepítésével: az adatok szigetekben voltak, hónapok teltek el az adatok megtalálásával és a hozzáférések megszerzésével, és gyakran külön projekt volt az adatszerkezet felderítése és minőségének felmérése. Az egyedi adatszállítások nem voltak újrahasznosíthatók.
Ezért a bank egységes adatplatform és AI-platform kiépítésébe, az adat-hozzáférések automatizálásába és a metaadatokkal való felfedezhetőség megteremtésébe kezdett. Az adatirányítást az üzleti domének vezetése köré szervezte, hogy az adat valóban vállalati eszközként legyen kezelve.
Az eredmény: 2023-ra az AI-modellek telepítési ideje 2–3 hónapra csökkent, és az adathasználat egyszerűsödése központi szerepet játszott abban, hogy az AI-ból származó értéket több mint 1 milliárd Szingapúri dollárra (közel 772 millió USD) becsülték.
Elfogadás és skálázás: gyakorlati megoldások
Az AI rendszerek csak akkor teremtenek értéket, ha beépülnek a működésbe és skálázódnak. Gyakran az elfogadás azért bukik el, mert a hozzá kapcsolódó upstream vagy downstream folyamatok nem változnak meg. Amikor a Freeport egy AI-pilottal növelte a rézvisszanyerést lixiviációval, adat- és szenzorstandardokat hozott létre, hogy az adatok könnyen betölthetők legyenek egy korábbi programhoz épített felhőalapú adatplatformba, és következetesen modellezhetők legyenek az összes telephelyen.
A skálázás más jellegű kihívás: gyors és költséghatékony terjesztés piacok, üzemek vagy termékek között moduláris architektúrát és központi és helyi egységek jól összehangolt együttműködését igényli. Freeport megoldása az volt, hogy megállapította: az AI-rendszer 60 százaléka újrahasználható a telephelyek között, 40 százalék pedig lokális adaptációt igényel — ez alapján szervezte a központi és helyi csapatokat.
Ezek a képességek a tapasztalatokból épülnek fel: egy sikerleíró (success playbook) jön létre a cégen belül, amely folyamatosan fejlődik új technológiákkal, például agentikus AI-val.
A jövő: szakaszok és agentikus AI
A vállalatok, amelyek előrébb járnak, nem tekintik az első AI-nyereségeket végpontnak: folyamatosan javítanak jobb adatokkal, összetettebb modellekkel, valós idejű reakcióképességgel és szélesebb munkafolyamat-orchestrationnel. A fejlődés szakaszai egymásra épülnek; nem lehet hopponálni egy magasabb szintre anélkül, hogy az előző szint alapjait megszilárdították volna.
A tanulmányban szereplő vállalatok nagy része a 2. szakasz képességeit uralja, és most a 3. szakasz kialakításán dolgozik. LATAM például előrehaladott az agentikus szoftverfejlesztés elfogadásában: hatékonyságnövekedést ért el, fejlesztési kapacitását 50 százalékkal növelte, miközben a csapatok méretét 30–50 százalékkal csökkentette.
A következő évek gyors érési periódust hoznak az agentikus képességekben; akik ezt jól kezelik, további komparatív előnyt építenek.
Választható stratégia: alakítani vagy reagálni
A kérdés ma már nem az, hogy az AI átalakítja-e az iparágakat — már átalakítja. A valódi kérdés az, hogy a szervezet építi-e azokat a képességeket, amelyekkel formálhatja a jövőt, vagy csupán reagál rá. A piacot meghódító vállalatok most fektetnek be abba, hogy ismétlődően képesek legyenek technológiát üzleti értékké alakítani.
(Leadott szerkesztés: Barr Seitz, New York-i szerkesztési igazgató.)
