Mindenki használja, kevesen látják a hasznát
„Az AI-használat általános, de a cégek túlnyomó része nem tud mérhető pénzügyi vagy termelékenységi hatást kimutatni, és a skálázás elakad.”
Ellennarratíva
Az AI valós eredményt és termelékenységi nyereséget hoz, a vezetők jelentős része pozitív megtérülésről számol be. Ezt a Wharton–GBK kutatás képviseli, amely szerint a vezetők 80%-a pozitív ROI-ról szól. Hasonlóan érvel a BearingPoint (az AI valós eredményt hoz) és az EY (az AI növeli a termelékenységet).
Hordozók
PwC CEO-felmérés, Gartner, McKinsey, IMD, EY-Parthenon, Deloitte
Elemzés
A narratíva szerint az AI-befektetés és a kimutatható eredmény között tartós szakadék van, és ezt sok egymást követő felmérés adatolja. Táplálják a nagy tanácsadók felmérései, valamint a KPMG adata, amely szerint a vezetők közel fele költség miatt visszafogta az agenteket. A skálázás is elakad: a BearingPoint szerint a szervezetek 13%-a skálázza az AI-t, a Deloitte szerint 15% jutott el a többagentes bevezetésig. Paradox módon a rést hirdető tanácsadóknak is érdekük a narratíva, mert a megoldás (átalakítás, skálázás) újabb megbízást jelent. Gyengesége, hogy maga a mérés is hiányos: az EY szerint a brit vezérigazgatóknak csak 14%-a látja teljesen a költségeket és a hozamot, így a rés részben mérési rés. A korai, egyéni szintű nyereségek (EY: a vezetők fele termelékenységi javulást lát) még nem jelennek meg a vállalati eredményben.
A tét: Az, hogy a tartós megtérülési rés a beruházások visszafogásához vezet-e, mielőtt a szervezetek megtanulnák az AI-t valódi eredménnyé fordítani.
Narratíva-alszálak
A felsővezetők nem látják a megtérülést
Vezérigazgatók, pénzügyi és technológiai vezetők körében végzett nagy mintás felmérések szerint a döntéshozók jelentős része, több felmérésben a többsége, nem tud mérhető pénzügyi vagy termelékenységi hatást kimutatni. Az IMD 6000 felsővezetős tanulmányában 90% nem lát mérhető termelékenységi hatást. 1200 vezérigazgató közül csak 16% tudja, megtérül-e az AI. A brit vezérigazgatók 10-ből 8-ának nincs átfogó képe a megtérülésről, és csak 14%-uknak van teljes rálátása a költségekre és a hozamokra. A kép nem egységes: a brit vezérigazgatók fele termelékenységi nyereséget tulajdonít az AI-nak, a Wharton–GBK kutatásban pedig a vezetők 80%-a pozitív ROI-ról számol be.
Ez az ág a felső vezetés saját bevallására épül (PwC, IMD, Gartner, EY-Parthenon). A hiányzó mérhetőséget és a megtérülés láthatatlanságát mutatja, nem a bevezetés szakaszát vagy a szervezeti okokat.
→ tartós · bizonyíték: erősElakadás a kísérleti szakaszban
A szervezetek többsége a kísérletezésnél reked meg. Felmérésenként és vizsgált körönként csak 13–23%-uk skálázza vállalati szinten az AI-t vagy az agenteket: a BearingPointnál 13%, a Deloitte-nál 15% jutott el a többagentes bevezetésig, a McKinsey-nél 15% a skálázott működésig, a biztosítóknál 23%.
A bizonyíték itt a bevezetés érettségi szakasza, vagyis a skálázott és a kísérleti szervezetek aránya (Deloitte, McKinsey, BearingPoint), nem a pénzügyi hozam megítélése.
↘ kifulladó · bizonyíték: közepesAgentek: költség és visszalépés
Az agent-alapú AI költségei erősen szórnak, a McKinsey szerint akár 30-szoros eltérés is lehet köztük. Az agenteket használó cégek 30%-ánál csökkent a termelékenység. A KPMG felmérése szerint a vezetők közel fele költségek miatt visszafogta az AI-agenteket.
Ez az ág konkrétan az agentekhez kötődik, mechanizmusa a költség, illetve a romló termelékenység. Felmérésekre és agentköltség-adatokra épül (KPMG, McKinsey).
→ tartós · bizonyíték: közepesMagyar és európai használat–haszon szakadék
Magyar, európai és magyar sajtóban ismertetett globális felmérések szerint a cégek és a dolgozók nagy többsége használ AI-t: a hazai vállalatok 92%-a, a magyar vállalatvezetők 84%-a, a tudásmunkások 74%-a. A mély szervezeti integráció és a pénzben kifejezhető haszon azonban elmarad. A hazai cégek közel kétharmadánál a használat kísérleti vagy szűk körű. Munkára a vezetők 30%-a alkalmazza az AI-t. Az európai szervezetek 75%-a korlátozott hasznot lát.
A szereplők itt hazai és európai kutatók és források (Portfolio, Bell Research, a hvg360 által ismertetett BCG-kutatás). A bizonyíték a magas használati arány és az alacsony munkabeli vagy pénzügyi hasznosulás közti rés.
→ tartós · bizonyíték: közepesÚjratervezés nélkül nincs nyereség
Az elemzések szerint az egyéni AI-használat elsősorban ott válik vállalati értékké, ahol a munkafolyamatokat és a működési modellt is újratervezik. A BCG szerint az érték 70%-a az üzemi modell változásából származik. Enélkül az AI képességei kihasználatlanok maradnak. A Bloomberg által ismertetett adatok szerint az AI hosszabb munkanapokat hoz, egy kommentár ezt az újratervezés hiányával köti össze.
Ez az ág magyarázó mechanizmust kínál a hiányzó haszonra. Kutatásokra és szakértői elemzésekre épül (BCG, Wharton, McKinsey, Mollick), nem a megtérülés hiányát mérő felmérésekre.
Az alszálak sztorijai
A felsővezetők nem látják a megtérülést
Elakadás a kísérleti szakaszban
Agentek: költség és visszalépés
Magyar és európai használat–haszon szakadék
Újratervezés nélkül nincs nyereség
Google-keresési érdeklődés
Magyarország
| Téma és keresőkifejezés | Hetente | Átlag |
|---|---|---|
| Mindenki használja, kevesen látják a hasznátai megtérülés | 0 | |
| A felsővezetők nem látják a megtérüléstai hatékonyság | 0 | |
| Elakadás a kísérleti szakaszbanai bevezetés vállalatnál | 1 | |
| Agentek: költség és visszalépésai költségek | 0 | |
| Magyar és európai használat–haszon szakadékai használat cégeknél | 0 | |
| Újratervezés nélkül nincs nyereségai termelékenység | 0 |
Világ
| Téma és keresőkifejezés | Hetente | Átlag |
|---|---|---|
| Mindenki használja, kevesen látják a hasznátai roi | 6 | |
| A felsővezetők nem látják a megtérüléstai productivity | 16.1 | |
| Elakadás a kísérleti szakaszbanai pilot purgatory | 0 | |
| Agentek: költség és visszalépésai agent costs | 0.6 | |
| Magyar és európai használat–haszon szakadékenterprise ai adoption | 2.7 | |
| Újratervezés nélkül nincs nyereségai value realization | 0 |
Google Trends relatív keresési index a vizsgált időszakban, heti átlag. Egy narratíva és alszálai egy összevetésben szerepelnek: a 100 a csoport legkeresettebb napja, a számok csak a csoporton belül vethetők össze. A keresőkifejezést gépi elemzés választotta; a kifejezés keresettségét méri, nem a narratíva elterjedtségét.
Kit érint és hogyan
- igazgatósági tag
- A beruházások üteme meghaladja a kimutatott hasznot. Érdemes a költségvetés jóváhagyását mérhető mérföldkövekhez kötni.
- KKV-tulajdonos
- Az Economx szerint a hazai cégek 95%-ának az AI nem hoz pénzt. Érdemes egyetlen, bevételhez vagy költséghez kötött felhasználási esettel kezdeni, nem általános eszközelőfizetéssel.
- középvezető
- Gyakran nála jelentkezik a haszon, mégsem tudja kimutatni. Érdemes az időmegtakarítást és a hibaszámot dokumentálni, mert ez az alapja a további forrásnak.
Itthon
A hazai adatok egybevágnak. A Portfolio szerint a cégek 92%-a használ AI-t, de közel kétharmaduknál ez kísérleti vagy szűk körű. Az Economx szerint 95%-uknak nem hoz pénzt. A Bell Research szerint a megkérdezettek 84%-a használ AI-alkalmazást, de csak 30% munkára. A BellResearch 302 cégre kiterjedő felmérése szerint a fejlesztőcégek 40%-a tapasztalat alapján értékeli az AI üzleti hasznát, és egy részük nem tudja számszerűsíteni a hatást.
Heti alakulás
Fordulópontok
Kapcsolódó narratívák a hírmagazinban
Alátámasztó sztorik
Gépi elemzés a sztorik címe és összefoglalója alapján, ellenőrző körrel. A tények forrása a sztorinál hivatkozott cikk.