Dr. Justina Valentukevičė yra VU EVAF mokslininkė, skaitmeninės transformacijos ekspertė
Lietuvos verslas sparčiai įsisavina dirbtinio intelekto technologijas. „Eurostat“ duomenimis, 2025 metais DI pagrindu veikiančias sistemas naudojo 21,3 proc. Lietuvos įmonių, turinčių bent dešimt darbuotojų. Pagal DI naudojimo augimą Lietuva užėmė trečią vietą Europos Sąjungoje. O šių metų spalio mėnesio OpenAI duomenimis Lietuva užėmė pirmąją vietą Europos Sąjungoje pagal agentinio dirbtinio intelekto naudojimą įmonėse. Tačiau šie įspūdingi skaičiai slepia gerokai sudėtingesnę situaciją. Įmonės vis aktyviau investuoja į dirbtinį intelektą, bet dažnai negali atsakyti į svarbiausią klausimą – kokią realią ekonominę naudą šios investicijos duoda?
Dirbtinis intelektas versle nėra pastarųjų kelių metų reiškinys. Mašininis mokymasis duomenų analizėje ar procesų automatizavimo sistemos naudojami jau ne vieną dešimtmetį. Tačiau 2022 metais išpopuliarėję generatyvinio DI sprendimai ne tik atvėrė naujas galimybes, bet iš esmės pakeitė technologijos prieinamumą. Su dirbtiniu intelektu tapo įmanoma bendrauti natūralia kalba, o jo naudojimas nebereikalauja specialių programavimo žinių – jas pakeitė užklausų inžinerijos žinios. Šiandien jau kalbame apie kitą etapą – agentinį DI, kuris gali savarankiškai atlikti sudėtingesnes užduotis ir netgi koordinuoti skirtingus procesus.
Vis dėlto technologijų galimybės savaime nereiškia verslo vertės. 2025 metais paskelbtas su Masačusetso technologijos institutu (MIT) susijusios NANDA iniciatyvos tyrimas parodė, kad tik maždaug 5 proc. analizuotų generatyvinio DI bandomųjų projektų atnešė reikšmingą apčiuopiamą finansinį rezultatą verslui.
„McKinsey“ tyrimų duomenimis, vos apie 6 proc. apklaustų organizacijų priskiriamos prie sėkmingai DI galimybes išnaudojančių įmonių – jos su DI diegimu sieja bent 5 proc. efektą veiklos pelnui ir pačios vertina jo poveikį kaip reikšmingą. Tai nereiškia, kad dirbtinis intelektas nenaudingas. Veikiau tai rodo, kad įmonės dažnai neįvertina, kiek ir kokių pastangų reikia norint technologines galimybes paversti finansiniais rezultatais.
Viena didžiausių klaidų – manyti, kad DI diegimas pirmiausia yra technologinis projektas. Įmonė nusiperka programinės įrangos licencijas, suteikia darbuotojams prieigą prie naujų įrankių ir tikisi produktyvumo šuolio. Arba kitas scenarijus - palieka sudėtingą DI sprendimo diegimą informacinių technologijų departamentui ar išoriniams paslaugų tiekėjams. Tačiau vien technologijos įsigijimas nepakeičia nei neefektyvių darbo procesų, nei organizacijos kultūros, nei darbuotojų įpročių.
„Boston Consulting Group“ siūlo vadovautis vadinamąja 10–20–70 taisykle: tik 10 proc. DI transformacijai skiriamų pastangų turėtų tekti patiems DI algoritmams, 20 proc. –technologijoms ir duomenims, o net 70 proc. – žmonėms, darbo procesams ir organizaciniams pokyčiams.
Šios proporcijos puikiai atskleidžia problemą, su kuria susiduria daugelis įmonių. Didžiausias išlaidas jos linkusios planuoti technologijoms, nors didžiausias darbas laukia keičiant organizacijos veikimą.
Kita dažna klaida – bandymas dirbtiniu intelektu automatizuoti netvarkingus procesus. Jei įmonės duomenys fragmentuoti, procesai neefektyvūs, o skirtingi padaliniai veikia nesuderintai, nauja technologija savaime šių problemų neišspręs. Priešingai, ji gali jas dar labiau išryškinti.
Kodėl investicijos į DI iš pradžių gali sumažinti produktyvumą?
Diegiant dirbtinį intelektą svarbu suprasti vadinamąjį J kreivės efektą. Naujų technologijų diegimas iš pradžių ne padidina, o netgi sumažina organizacijos produktyvumą. Reikia investuoti į licencijas, darbuotojų mokymą, duomenų sutvarkymą, procesų pertvarkymą. Žmonės turi išmokti dirbti kitaip, todėl tam tikrą laiką naujos sistemos gali pareikalauti daugiau pastangų negu senieji darbo metodai.
Tik vėliau, kai organizacija prisitaiko prie technologinio pokyčio, pradeda ryškėti ekonominė nauda. Tačiau vadovams neretai pritrūksta kantrybės. Nesulaukus greito rezultato, patiriamas nusivylimas, didėja spaudimas technologijų diegimo komandai, investicijos mažinamos arba stabdomos, nors organizacija dar yra adaptacijos etape ir net nepasiekė to taško, nuo kurio pradeda matytis grąža.
Todėl DI diegimą reikėtų vertinti ne kaip trumpalaikį projektą, o kaip ilgalaikę organizacijos transformaciją. Tai nėra vienkartinis programinės įrangos pirkimas. Technologijos nuolat keičiasi, DI nesustabdomai tobulėja, todėl taip pat turi keistis ir augti įmonės gebėjimai tai panaudoti.
Ypač svarbus vaidmuo šiame procese tenka vadovybei ir valdyboms. Dirbtinio intelekto diegimas negali būti paliktas vien IT padaliniui. Tai strateginis verslo sprendimas, nuo kurio priklauso organizacijos verslo modelis, veiklos organizavimas, konkurencingumas ir ilgalaikių investicijų kryptis. Vadovai, suprantantys technologinės transformacijos principus, geriau įvertina ne tik galimą naudą, bet ir pokyčiams reikalingą laiką bei išteklius.
Darbuotojai nėra kliūtis – jie yra svarbiausia transformacijos dalis
Viena jautriausių DI diegimo temų yra darbuotojų ateitis. Technologijos kelia suprantamą nerimą dėl darbo vietų, profesinių kompetencijų ir pačios darbo prasmės. Jeigu vadovybė nepaaiškina, kodėl diegiamos naujos sistemos ir kaip keisis darbuotojų funkcijos, natūraliai atsiranda pasipriešinimas.
Tačiau DI diegimo sėkmė labai priklauso būtent nuo darbuotojų įsitraukimo. Jie geriausiai pažįsta kasdienius procesus, jų trūkumus ir klientų poreikius. Neįtraukus darbuotojų į pokyčius, net technologiškai pažangūs sprendimai gali neduoti laukiamo rezultato.
Gerai šią dilemą iliustruoja skirtingos klientų aptarnavimo automatizavimo istorijos. Švedijos finansinių technologijų bendrovė „Klarna“ itin aktyviai diegėsi DI agentus klientų aptarnavime ir kartu drastiškai sumažino darbuotojų skaičių. Tačiau vėliau pripažino, kad pernelyg didelis automatizavimas neigiamai paveikė aptarnavimo kokybę, todėl vėl ėmė stiprinti žmonių vaidmenį ir samdyti klientų aptarnavimo specialistus.
Kitokį požiūrį demonstruoja Lietuvos technologijų bendrovė „Hostinger“. Ji DI klientų aptarnavimo srityje naudoja pirmiausia tam, kad galėtų efektyviau aptarnauti augantį klientų skaičių ir plėstis į naujas rinkas, o ne mažinti darbuotojų skaičių.
Šie pavyzdžiai atskleidžia esminį skirtumą tarp dviejų strategijų. Vienu atveju DI pirmiausia vertinamas kaip galimybė pakeisti žmones ir sumažinti darbo sąnaudas, kitu – kaip priemonė didinti verslo pajėgumus ir gerinti paslaugų kokybę, derinant DI galimybes su žmogaus stiprybėmis.
Tai nereiškia, kad dirbtinis intelektas neturės poveikio darbo vietoms. Tačiau svarbu suprasti, jog automatizuojant rutinines užduotis žmogaus vaidmuo išlieka itin svarbus sudėtingose, nestandartinėse ar emociškai jautriose situacijose. Be to, DI reikalauja žmogaus priežiūros – kažkas turi nustatyti jam tikslus, tikrinti rezultatus ir prisiimti atsakomybę už sprendimus. Todėl sėkmė lydi tuos, kurie pasirenka kurti stiprias žmonių ir DI agentų komandas.
Pradėti reikia ne nuo technologijos, o nuo verslo problemos
Įmonėms, svarstančioms apie dirbtinio intelekto diegimą, pirmiausia siūlyčiau atsakyti į labai paprastus, bet kritinius klausimus. Kur šiandien prarandame daugiausia laiko? Kur patiriame didžiausias sąnaudas? Kur stringa procesai? Kodėl nepatenkinti klientai? Kas labiausiai riboja mūsų augimą?
Tik išsiaiškinus šias problemas verta ieškoti technologinių sprendimų. Ir nebūtinai kiekvienu atveju atsakymas bus dirbtinis intelektas. Kartais pakanka supaprastinti procesą, sutvarkyti duomenis ar aiškiau nustatyti atsakomybes.
Taip pat būtina iš anksto apsibrėžti, kaip bus matuojama DI sėkmė. Vien sutaupytas darbuotojo laikas dar nereiškia finansinės naudos, jeigu tas laikas nepanaudojamas kitoms vertę kuriančioms veikloms. Svarbu vertinti ne tik tai, kiek užduočių atlieka DI, bet ir kaip dėl to keičiasi veiklos sąnaudos, pajamos, produktų kokybė, klientų pasitenkinimas, organizacijos produktyvumas ir, žinoma, pelnas.
Negalima pamiršti ir duomenų saugumo bei etikos. Europos Sąjungos dirbtinio intelekto aktas nustato papildomus reikalavimus didelės rizikos DI sistemoms, ypač tais atvejais, kai technologiniai sprendimai gali paveikti žmonių teises ar galimybes. Netinkamas duomenų naudojimas, nepakankama jų apsauga ar neatsakingas automatizuotų sprendimų taikymas gali sukelti ne tik teisinių, bet ir rimtų reputacinių pasekmių.
Manau, kad Lietuvos verslui šiandien svarbiausia nebe įrodyti, kad jis geba naudotis dirbtiniu intelektu. Technologijos tampa vis prieinamesnės ir ilgainiui jų naudojimas bus savaime suprantamas.
Tikrasis konkurencinis pranašumas priklausys nuo to, kurios įmonės sugebės DI paversti realia ekonomine verte. O tai pirmiausia priklausys ne nuo pasirinktų algoritmų, bet nuo vadovybės gebėjimo priimti strateginius sprendimus, organizacijos pasirengimo keistis ir darbuotojų gebėjimo dirbti naujomis sąlygomis. Dirbtinio intelekto diegimas nėra technologijų pirkimo varžybos. Tai organizacijų gebėjimo keistis išbandymas.
Paprastai
Kokia yra Lietuvos pozicija Europos Sąjungoje pagal dirbtinio intelekto naudojimą įmonėse?
Pagal "Eurostat" duomenis, 2025 metais DI pagrindu veikiančias sistemas naudojo 21,3 proc. Lietuvos įmonių, turinčių bent dešimt darbuotojų, ir pagal DI naudojimo augimą Lietuva užėmė trečią vietą ES. O šių metų spalio mėnesio "OpenAI" duomenimis Lietuva užėmė pirmąją vietą Europos Sąjungoje pagal agentinio dirbtinio intelekto naudojimą įmonėse.
Kodėl, nepaisant didelių investicijų, įmonės sunkiai mato realią ekonominę naudą iš DI?
Įmonės dažnai neįvertina, kiek ir kokių pastangų reikia norint technologines galimybes paversti finansiniais rezultatais. Viena didžiausių klaidų – manyti, kad DI diegimas pirmiausia yra technologinis projektas, neatsižvelgiant į darbo procesų, organizacijos kultūros ir darbuotojų įpročių pokyčius.
Kokia yra "Boston Consulting Group" siūloma 10–20–70 taisyklė diegiant DI?
"Boston Consulting Group" siūlo, kad tik 10 proc. DI transformacijai skiriamų pastangų turėtų tekti patiems DI algoritmams, 20 proc. – technologijoms ir duomenims, o net 70 proc. – žmonėms, darbo procesams ir organizaciniams pokyčiams.
Kokia yra dažna klaida, kurią daro įmonės, bandydamos diegti dirbtinį intelektą?
Dažna klaida yra bandymas dirbtiniu intelektu automatizuoti netvarkingus procesus. Jei įmonės duomenys fragmentuoti, procesai neefektyvūs, o skirtingi padaliniai veikia nesuderintai, nauja technologija savaime šių problemų neišspręs, o gali jas dar labiau išryškinti.
