Mania AI niszczy globalne podejmowanie decyzji — raport z frontu

Autor tego eseju, który prowadzi firmę konsultingową i miał okazję obserwować setki projektów AI w różnych branżach, przedstawia alarmującą diagnozę: światowe organizacje padły ofiarą „masowej psychozy AI”, a inwestycje w sztuczną inteligencję przynoszą katastrofalne rezultaty. Szczegółowy raport z pierwszej linii frontu cyfrowej transformacji dostępny jest w oryginalnym artykule.

Kluczowe wnioski

• Zero procent sukcesu — autor i jego zespół nie zaobserwowali ani jednego udanego projektu AI przez półtora roku, zarówno w projektach własnych, jak i obserwowanych z boku.
• Masowa psychoza decyzyjna — kierownictwo firm, banków, szpitali i instytucji rządowych zostało opanowane przez „pianę AI”, podczas gdy rozsądni pracownicy żyją w strachu i frustracji.
• Fiasko chatbotów — wewnętrzne chatboty nie są używane przez pracowników z powodu słabej dokumentacji, a chatboty klienckie oferują kiepskie doświadczenia użytkownika.
• Ukrywanie porażek — wszyscy uczestnicy rynku (zarządy, menedżerowie, dostawcy) mają interes w zatajaniu rzeczywistej skuteczności projektów AI.
• Niepotrzebna kompleksowość — firmy dodają AI do projektów, które mogłyby być prostymi bazami danych lub formularzami internetowymi.

Epidemia nieudanych projektów

Mitchell Hashimoto z HashiCorp trafnie diagnozuje sytuację: „Mocno wierzę, że istnieją całe firmy będące obecnie pod wpływem ciężkiej psychozy AI i niemożliwe jest prowadzenie z nimi racjonalnych rozmów na ten temat.”

Autor eseju, dzięki prowadzeniu sprzedaży i setkom rozmów z profesjonalistami od firm z listy Fortune 500 po niszowe branże usługowe, miał okazję obserwować „zapierającą dech w piersiach masową psychozę” dotykającą zarówno sektor prywatny, jak i publiczny. Jego diagnoza jest bezwzględna: ludzie u władzy albo nie mają planu, albo nie widzą innej drogi niż trzymanie głowy w piaseku.

Szczególnie problematyczne są próby wdrażania chatbotów. Chatboty wewnętrzne nie sprawdzają się, ponieważ firmy zazwyczaj mają słabą dokumentację, a „LLM nie jest jasnowidz — może wiedzieć tylko to, co zostało zapisane i udostępnione”. Z kolei chatboty klienckie rzadko oferują przyjemne doświadczenia, z wyjątkiem być może transkrypcji na żywo podczas wizyt lekarskich.

Problem mierzenia i odpowiedzialności

Liderzy projektów starannie unikają śledzenia podstawowych metryk, takich jak faktyczne wykorzystanie narzędzi, lub śledzą wskaźniki, które można łatwo manipulować. Autor przytacza przykład własnego doświadczenia z chatbotem Mitsubishi — po zgłoszeniu awarii samochodu otrzymał obietnicę szybkiego kontaktu, ale sześć miesięcy później nadal czeka na telefon zwrotny.

Sytuację pogarsza fakt, że executives mówiący prawdę o szaleństwie AI w swoich firmach szybko tracą stanowiska, a uczciwi pracownicy są zwalniani lub „losowo” wybierani do kolejnych rund redukcji etatów. Wiele firm giełdowych publikuje komunikaty o wzroście produktywności dzięki AI, podczas gdy jedyne, co zrobiły, to zakupiły licencje Copilot i ogłosiły zwycięstwo.

Autor kończy pesymistyczną konkluzją: projekty AI podlegają wszystkim problemom normalnych projektów softwarowych, plus mogą się nie udać nawet przy idealnej realizacji ze względu na nowatorski charakter technologii. Niewiele firm jest na tyle dobrych w dostarczaniu oprogramowania, by pozwolić sobie na dodatkowe ryzyko.