A mesterséges intelligencia napjaink egyik legfelkapottabb technológiája. A ChatGPT, Gemini és hasonló LLM-ek – vagyis nagy nyelvi modellek – ma már sokak eszköztárában megtalálhatók. Otthoni felhasználók ezrei kérnek tőle tanácsot, fogalmaztatnak levelet, vagy akár verset generáltatnak vele. A válaszok gyakran meglepően meggyőzőek, sőt, egyesek úgy érzik: „ez tényleg gondolkodik”. Nem csoda, hogy a vállalatok is igyekeznek meglovagolni a mesterséges intelligencia-hullámot.
Mégis, amikor ugyanazt az „intelligenciát” egy cég szeretné bevezetni – például egy gyártósor vagy ügyfélszolgálat működésébe –, a lelkesedés gyakran gyors kiábrándulásba fordul. A nagyvállalati AI-projektek többsége nem éri el a célját. Több felmérés szerint a vállalati AI-kezdeményezések nagy része nem jut el üzleti értékig vagy gyártásig. 2020-ban a cégek ~10%-a számolt be jelentős pénzügyi haszonról, 2022-ben a modellek ~54%-a került produkcióba, 2025-ben pedig több vizsgálat is magas lemorzsolódást jelez a genAI-projektekben.
Otthon ugyanis az AI-jal való kapcsolat szinte játékos. Kérdezünk valamit, válasz jön. Általános információ, ötletelés, vagy egyszerű szövegalkotás – a hibák tét nélküliek. Ha az AI téved, legfeljebb újrapróbáljuk. Elfogadjuk, hogy néha pontatlan. Nem várjuk el tőle, hogy értsen, csak hogy „segítsen”.
Egy céges környezet azonban más szabályok szerint működik. Ott az AI-nak belső adatbázisokkal kell dolgoznia, protokollokat kell követnie, döntései valódi következményekkel járnak. Egy biztosító esetében például nem lehet, hogy a modell „kreatívan” számolja ki a díjakat. Egy gyártósornál nem hibázhat a prediktív karbantartásban. Az ilyen hibák nemcsak pénzbe, de hírnévbe és bizalomvesztésbe is kerülhetnek.
A céges AI-rendszerek kudarcának egyik leggyakoribb oka a túlzott elvárás. Sokan úgy gondolják, hogy ha egy chatbot képes értelmesnek tűnő válaszokat adni, akkor nyilván „érti” is, amit mond. De ez nem igaz. Az LLM-ek nem gondolkodnak – statisztikai minták alapján jósolják meg, mi legyen a következő szó. Ez elég lehet egy e-mail megfogalmazásához, de nem elég egy ipari döntés meghozatalához.
Gyakran problémát okoz az is, hogy a vállalatok nem rendelkeznek jól strukturált, tanításra alkalmas belső adatokkal. Az AI csak abból tud dolgozni, amit kap – és ha ez rendezetlen, hiányos vagy ellentmondásos, akkor az eredmény is az lesz. Az integráció nehézségei tovább súlyosbítják a helyzetet: egy mesterséges intelligencia nem fog magától illeszkedni egy több évtizedes informatikai rendszerbe. Ráadásul az emberek sem mindig fogadják örömmel a „gép döntéseit”. A dolgozói ellenállás, legyen az tudatos vagy tudattalan, lassíthatja a bevezetést.
A tanulság egyszerű, mégis sokszor figyelmen kívül hagyják: a mesterséges intelligencia nem varázsszer, hanem eszköz. Kétségtelen, hogy látványos dolgokra képes – de nem minden helyzetben működik jól. Nem önálló gondolkodó, nem döntéshozó, hanem egy valószínűségszámításra épülő automatizmus, amit meg kell tanítani, be kell illeszteni, és főként – meg kell érteni.
Források:
