Streszczenie: Artykuł porusza problem niewłaściwego dopasowania narzędzi sztucznej inteligencji do procesów decyzyjnych w organizacjach. Autorzy zwracają uwagę, że błędem jest traktowanie każdego rodzaju AI w ten sam sposób, co często prowadzi do rozczarowujących wyników i trudności w mierzeniu rzeczywistego wpływu tych technologii na biznes. Kluczem do sukcesu jest świadome rozróżnienie decyzji na „wąskie” i „szerokie”. Decyzje wąskie charakteryzują się jasnymi, mierzalnymi celami i opierają się na twardych danych, dlatego najlepiej wspiera je analityczna sztuczna inteligencja, która pełni funkcję precyzyjnego silnika optymalizacyjnego i predykcyjnego. Z kolei decyzje szerokie cechują się dużą wieloznacznością, wiążą się ze strategią oraz polityką firmy i bezwzględnie wymagają wypracowania konsensusu wśród interesariuszy. W takich przypadkach generatywna sztuczna inteligencja powinna służyć jedynie jako asystent, pomagający w syntezie różnorodnych informacji, wydobywaniu ukrytych założeń i budowaniu scenariuszy, pozostawiając przy tym ostateczny osąd i odpowiedzialność w rękach ludzi. Właściwa kalibracja narzędzi do specyfiki problemu decyzyjnego pozwala liderom skuteczniej czerpać mierzalne korzyści z AI.
Presja na wykorzystanie sztucznej inteligencji sprawia, że wiele firm wdraża ją bezrefleksyjnie, nie osiągając ostatecznie zamierzonych korzyści biznesowych i finansowych. Sukces tych wdrożeń zależy od odpowiedniego dopasowania rodzaju AI do charakteru podejmowanej decyzji – wąskiej, dającej się łatwo zamodelować, lub szerokiej, obciążonej wieloznacznością i wymagającej organizacyjnego konsensusu.
Materiał dostępny tylko dla subskrybentów
Dołącz do subskrybentów MIT Sloan Management Review Polska Premium!
Kup subskrypcję