A legtöbb vállalat pontosan tudja, mennyit költ munkabérre, alapanyagokra és tárgyi eszközökre. Jóval kevesebben tudják azonban számszerűsíteni, mennyibe kerül a döntéshozatal – pedig a döntések határozzák meg a vállalati teljesítmény szinte minden elemét, az árképzéstől és gyártástól a tőkekihelyezésen és ügyfélszolgálaton át. A döntéshozatal költségei azért maradnak gyakran láthatatlanok, mert nem elkülönült tevékenységként jelennek meg a napi munka során: menedzserek, mérnökök, elemzők és frontvonalbeli munkatársak rengeteg időt fordítanak információgyűjtésre, alternatívák értékelésére, egyeztetésekre és jóváhagyások beszerzésére. Ahogy a szervezet növekszik, megnőnek a meetingek, az áttekintési ciklusok és a kormányzati követelmények, így a döntéshozatal gyakran az egyik legnagyobb, mégis legkevésbé látható működési költséggé válik.
Évtizedeken át a vállalatoknak el kellett viselniük ezt a terhet, mert a jó döntések nagyrészt emberi ítéletre, elemzésre és koordinációra támaszkodtak. Ma azonban egyre több szervezet használ mesterséges intelligenciát (AI) a “decisioning” – tehát a stratégiaalkotás és a következő legjobb lépés kiválasztása – felgyorsítására és optimalizálására. Korai pilotok ígéretes eredményeket mutattak: csökkenő működési költségek, gyorsabb termékbevezetések és magasabb ügyfél‑elégedettség. Nagyszériás replikáció azonban keveseknek sikerült, ezért kérdéses az AI valós gazdasági értéke.
Hogyan teremt értéket az AI: nem csak a költségoldal
A viták gyakran a termelékenység‑ és költségoldalra koncentrálnak, beleértve azt a vitatott stratégiát is, hogy a gépek emberi munkaerőt helyettesítenek. Ez a szűkre szabott nézőpont túlhangsúlyozhatja a munkaerő‑csökkentés lehetőségét, miközben figyelmen kívül hagyja, hogy az AI sokkal jobb és gyorsabb döntésekhez is hozzájárulhat — jobb eszközkihasználást eredményezve, és olyan lehetőségek megragadásában segítve a vállalatokat, amelyeket egyébként elmulasztanának.
Az AI tehát nem csupán munkaerő‑megtakarító technológia: olcsóbbá és jobbá teszi a döntéseket. Minél több döntés folyik át AI‑n, annál jobb lesz az erőforrások allokációja, gyorsabb a végrehajtás és következetesebbek az eredmények. Ezért a döntéshozatal áteresztőképessége (decision throughput) előre mutató indikátorként szolgálhat a jövőbeli pénzügyi teljesítményre.
Megtérülés, költségek és az infrastruktúra modellje
Az első kérdés, hogy az AI képes‑e vonzó megtérülést produkálni a befektetett tőkére: egyszerűen az, hogy a hozamok meghaladják‑e a költségeket. Az AI esetében mindkét oldal eltér a korábbi technológiai hullámoktól. Más, korábbi áttörő technológiákhoz képest az AI nem követeli meg, hogy a vállalatok megépítsék vagy birtokolják az alapinfrastruktúrát: a hiperskálázók (hyperscalers) több száz milliárd dollárt fektetnek adatközpontokba és AI‑kapacitást szolgáltatásként kínálnak. Csak 2026‑ban a négy legnagyobb hiperskálázó tőkeberuházása várhatóan meghaladja a 700 milliárd dollárt. Ennek köszönhetően cégek frontvonalbeli AI‑hoz juthatnak hozzá használatarányos díjazással, nagy kezdeti tőkekiadás helyett.
Sok feladatra az AI‑közvetítette döntések jobb egységgazdasággal működnek, mint a hagyományos emberi koordináció. Például a Klarna AI‑eszközökkel az ügyfélszolgálati ügyek megoldási idejét 11 percről kevesebb mint 2 percre tömörítette, amit a cég 2024‑re vonatkozóan 40 millió dollár megtakarítással becsült. Kutatások szerint az AI csökkentheti a döntéshozatal költségét több mint 90 százalékkal; olyan feladatok esetén, amelyek 2023‑ban körülbelül 40 dollár emberi munkát igényeltek, ma már töredék‑centbe kerülhetnek.
Ezzel a költségparitás elvileg gyorsan elérhetővé válik: ha a vállalatok képesek lennének széleskörűen reprodukálni ezeket az előnyöket, az AI körülbelül két év alatt érhetne el gazdasági paritást az emberi munkaerővel. Nincs korábbi általános célú technológia, amely ilyen rövid idő alatt váljon gazdaságilag életképessé ennyi vállalat számára: a gőzgéphez nagyjából 55 év, az elektromos dinamóhoz mintegy 30 év, az internethez pedig körülbelül hét év kellett.
Miért nem látszik még a profit a beszámolókban?
Ha az AI ilyen költségcsökkentéseket tesz lehetővé, miért jelentenek a legtöbb szervezet kis vagy semmilyen mérhető hatást a nyereségben? A válasz gyakran a megvalósítási stratégiában rejlik. A legtöbb cég ma copilothokkal, chat‑botokkal és dashboardokkal rétegezi az AI‑t a meglévő folyamataikra — ez általában csak mérsékelt pénzügyi javuláshoz vezet. Ezzel szemben azok a vállalatok, amelyek az AI köré szervezik át az end‑to‑end munkafolyamatokat, gyakran körülbelül 20 százalékos EBITDA‑növekedést érnek el, átlagosan három dollár profitot termelnek minden befektetett egy dollár után, és a megtérülési idő jellemzően egy‑két év.
A költségoldal önmagában nem magyarázza az ilyen mértékű javulást. A vállalatok SG&A (eladási, általános és adminisztratív) költsége általában 5–12 százalék körül mozog; még jelentős csökkenésük sem ad teljes magyarázatot egy 20 százalékos EBITDA‑növekedésre. Ehelyett az AI értékének nagy része abból származik, hogyan javítja maga a döntéshozatalt: jobb döntések, gyorsabb végrehajtás, kevesebb koordinációs veszteség és új növekedési lehetőségek megragadása.
Az AI‑ból származó érték fő forrásai
Elemzésünk szerint az AI gazdasági értelme több forrásból ered, amelyek gyakran egymás után jelentkeznek:
- Gyorsabb döntések: rövidebb ciklusidők és gyorsabb végrehajtás.
- Jobb döntések: megalapozottabb, adatvezérelt választások, amelyek növelik a hatékonyságot.
- Javuló eszközkihasználás: meglévő kapacitások nagyobb termelékenysége.
- Nagyobb rugalmasság: a szervezet gyorsabban reagál a piaci változásokra.
- Több lehetőség megragadása: az olyan alkalmak kihasználása, amelyeket lassabb versenytársak elmulasztanak.
Ezek az előnyök idővel összeadódnak. Egyes ipari vállalatoknál az AI‑ból származó legnagyobb érték éppen ezekből a kevésbé szem előtt lévő hatásokból ered: a létszám nem feltétlenül csökken, így a munkaköltség‑megtakarítás nem magyarázza a hozamokat.
Mérőszámok és vezetési gyakorlatok: mi számít valójában?
Sok szervezetnél a siker mérésére használt indikátorok például a licencelt AI‑eszközök száma, a bevezetett modellek vagy az indított pilotok. Ezek ugyan a szándékot mérik, de nem mondanak sokat a várható hozamokról; egy cégnek lehet több eszköze, de azokat nem használja széleskörűen vagy hatékonyan.
Jobb mérőszám a döntéshozatali áteresztőképesség (decision throughput): az a hányad, amelyet az AI informál, gyorsít vagy automatizál. A throughput növekedése mutatja, hogy az AI beépül a fő munkafolyamatokba és egyre több döntést befolyásol. Például egy gyártó, amely hetente egyszer állítja a termelési ütemezést, ha óránként vizsgálja a keresletet, készletet és gépellátottságot, naponta többször optimalizálhat.
A döntéshozatali throughput azonban önmagában sem ad teljes képet: az operációs költségek, a pontosság és a döntések üzleti értéke is számít. A vezetők számára hat prioritás segíthet növelni a throughput‑ot és az egy döntésre jutó értéket (ezeket a szerzők részletesebben ismertetik kiegészítő anyagban): működési felelősség, insourcing versus outsourcing stratégia, teljesítménymenedzsment, skálázás, adat‑ és technológiai befektetések, valamint kormányzás és változásmenedzsment.
Gyakorlati példa: Reckitt
A Reckitt (brit központú globális fogyasztási cikk vállalat) a McKinsey‑vel együtt bevezette az RGMx nevű AI‑támogatta revenue growth management platformot. Ahelyett, hogy táblázatokra és elkülönült vitákra támaszkodtak volna, az árazási, promóciós és portfóliódöntéseket adatvezérelt és együttműködő folyamattá alakították. Az AI nagy mennyiségű piaci, fogyasztói és kategóriaadatot integrált, lehetővé téve több „mi‑ha” forgatókönyv modellezését és a várható eredmények előzetes értékelését.
Reckitt fokozatos bevezetést alkalmazott: a fő piacokon teljes verziót, kisebb piacokon egyszerűsített megoldást telepített, és átalakította az üzleti folyamatokat úgy, hogy az analitika szerves része legyen a napi tervezésnek. Emellett személyre szabott javítóprogramokat hoztak létre áruházanként, az eladási és készletadatok, promóciós naptárak, SKU‑jellemzők és végrehajtási visszajelzések alapján. Az AI így a kereskedelmi döntéshozatal motorjává vált, nem csupán döntéstámogatási eszközzé.
Vezetői következtetések
Az AI gazdasági hatását gyakran munkamegtakarítási történetként tárgyalják, de ez nem magyarázza a vezető adaptálóknál megfigyelt hozamok nagyságát. A valódi nyereség abból származik, hogy az AI jobb és gyorsabb döntéseket tesz lehetővé, ami javítja a meglévő eszközök használatát, növeli a szervezet rugalmasságát és lehetővé teszi olyan lehetőségek megragadását, amelyeket a lassabb versenytársak kihagynak. A versenyelőny nem abból fakad, hogy kinek van AI‑ja, hanem abból, hogy melyik szervezet képes következetesen jobb döntéseket jobb üzleti eredményre váltani.
Lari Hämäläinen a McKinsey seattle‑i irodájának szenior partnere, Steffen Fuchs pedig a dallas‑i irodában dolgozik mint szenior partner.
