Neizbježna povezanost spremnosti za AI i povrata ulaganja u AI
Podijelite na društvenim mrežama
Neizbježna povezanost spremnosti za AI i povrata ulaganja u AI
Attila Bernariusz
Published on 30. rujna 2026.
Zadnji put ažurirano 9. listopada 2026.
8 min čitanja
Attila Bernariusz
Published on 30. rujna 2026.
Zadnji put ažurirano 9. listopada 2026.
8 min čitanja
Procjena početne razine spremnosti za AI prije povećanja ulaganja pomaže organizacijama izbjeći skrivene troškove i osigurati da inicijative povezane s AI-jem donose mjerljivu poslovnu vrijednost.
U ovom smo članku istražili zašto je važno razumjeti potrebe i razinu spremnosti organizacije za AI prije povećanja ulaganja. Jasno definirana početna razina zrelosti pomaže vodstvu razumjeti trenutačno stanje, odrediti realno željeno stanje i prepoznati nedostatke koje je potrebno ukloniti kako bi se do njega došlo.
No spremnost ne znači samo znati je li organizacija spremna za primjenu AI-ja i koji su sljedeći koraci. Ona može odrediti hoće li ulaganje doista donijeti vrijednost.
Povrat ulaganja u AI ne ovisi samo o cijeni platforme ili obećanom povećanju produktivnosti zahvaljujući novom alatu. Ovisi i o tome ima li organizacija strategiju, procese, podatke, upravljačke mehanizme, tehnologiju i potrebne kompetencije za pretvaranje AI-ja u konkretne poslovne rezultate.
U ovom ćemo članku objasniti kako spremnost za AI utječe na isplativost ulaganja te kako skriveni operativni troškovi i troškovi povezani s ljudskim čimbenikom mogu brzo umanjiti vrijednost koju AI može donijeti ako ne postoje odgovarajući temelji.
Izazovi mjerenja povrata ulaganja u AI
Povrat ulaganja u AI teško je izmjeriti. Jedan je od razloga to što organizacije često počinju ulagati prije nego što jasno utvrde svoje trenutačne mogućnosti i ograničenja. Bez početne procjene razine zrelosti teško je odgovoriti na neka temeljna pitanja:
- Gdje AI može donijeti najveću vrijednost našoj organizaciji?
- Koje sposobnosti već imamo?
- Koji bi nas nedostaci mogli spriječiti u ostvarivanju očekivanih koristi?
- U što bismo prvo trebali ulagati?
- Kako ćemo znati napredujemo li?
Bez odgovora na ta pitanja ulaganja u AI mogu se voditi onime što je tehnički izvedivo, a ne onime što je strateški vrijedno. Takav je pristup čest u početnim fazama AI programa. Svi su usredotočeni na primjenu novih modela, uvođenje automatizacije i eksperimentiranje s AI agentima, umjesto da te aktivnosti povežu s poslovnim ciljevima.
Možda je to i razumljivo. Često tek kroz eksperimentiranje otkrivamo ono što nismo znali da ne znamo. No nakon početnog eksperimentiranja potreban nam je plan koji će nas dovesti od isprobavanja mogućnosti do ostvarivanja konkretne vrijednosti.
Važno je imati na umu da tehnička mogućnost ne jamči poslovni rezultat. Automatizacija tijeka rada može se činiti kao način za skraćivanje vremena potrebnog za određeni zadatak. Međutim, ako zaposlenici moraju provjeravati rezultate koje generira AI i ispravljati pogreške — slično kao što bi provjeravali rad manje iskusnog člana tima — ostvarena ušteda vremena možda neće biti ni približno onolika koliko se očekivalo. U nekim slučajevima produktivnost se može čak i smanjiti.
Početna procjena razine zrelosti daje referentnu točku na temelju koje možete postaviti realna očekivanja, odrediti prioritete ulaganja i mjeriti poboljšava li AI rezultate koji su poslovanju doista važni.
Što se događa kada organizacija nije spremna za AI?
Nedovoljna spremnost ne mora nužno spriječiti uvođenje AI-ja. Zato se alati mogu početi koristiti prije nego što se organizacijski sustavi, procesi i načini rada prilagode kako bi se iz njih izvukla najveća korist. Troškovi koji pritom nastaju mogu znatno umanjiti ukupnu vrijednost koju AI donosi.
Među njima su:
- Ponovno obavljanje posla kada je rezultate koje generira AI potrebno ispraviti ili dopuniti.
- Vrijeme utrošeno na provjeru kada zaposlenici moraju provjeravati jesu li rezultati AI-ja točni, primjereni i sigurni za upotrebu.
- Zastoji u tijekovima rada kada se AI uvodi u procese koji nisu osmišljeni za njegovu primjenu.
- Rizici povezani s upravljanjem i usklađenošću kada organizaciji nedostaju jasna pravila, odgovornosti i kontrole za primjenu AI-ja.
- Nesigurnost zaposlenika i neujednačena primjena kada ljudi nisu sigurni kako, kada i zašto trebaju koristiti AI.
- Dvostruki troškovi kada različiti timovi neovisno razvijaju slične slučajeve primjene.
- Nedostatak jasne metodologije za određivanje prioriteta poslovnih slučajeva primjene AI-ja među timovima.
- Nejasni kriteriji odabira tehnologije koji bi pomogli odrediti kada je potrebno koristiti automatizaciju uz AI agente, a kada je dovoljna klasična automatizacija.
- Nedostatak sustavnog načina procjene koristi kojim se za svaki slučaj primjene definiraju hipoteza, očekivane koristi i metodologija mjerenja rezultata.
Mnoga od navedenih pitanja inženjerski bi timovi postavili i pri razvoju bilo kojeg softvera u okviru uobičajenog životnog ciklusa proizvoda. Stvaranje vrijednosti uz pomoć AI-ja nije ništa drukčije — ista pitanja i dalje moramo postavljati. Primjena AI-ja ne uklanja potrebu za odgovorima na ta poslovno ključna pitanja.
Ti troškovi nisu nužno vidljivi u poslovnom planu ulaganja, ali mogu odrediti hoće li inicijativa povezana s AI-jem doista povećati produktivnost ili će samo prebaciti posao na neko drugo mjesto.
Naše istraživanje Razumijevanje ljudske strane AI transformacije ističe upravo taj problem. Mnoge organizacije pretpostavljaju da AI automatski štedi vrijeme, no rezultati našeg istraživanja upućuju na drukčiji zaključak:
Naše istraživanje Razumijevanje ljudske strane AI transformacije ističe upravo taj problem. Mnoge organizacije pretpostavljaju da AI automatski štedi vrijeme, no rezultati našeg istraživanja upućuju na drukčiji zaključak:
- 42 % ljudi troši više vremena na provjeru rezultata AI-ja nego što uštedi njegovom primjenom.
- 52 % redovito ispravlja rad kolega koji je generirao AI.
- 55 % smatra da nekvalitetni rezultati AI-ja smanjuju učinkovitost tima.
AI može preraspodijeliti napor s izvršavanja zadataka na provjeru rezultata, stvarajući skriveno operativno i psihološko opterećenje. Taj fenomen nazivamo „porezom na provjeru” (verification tax). Nastaje kada se AI uvodi bez prilagodbe stvarnim načinima rada zaposlenika. A to izravno utječe na povrat ulaganja.
Kako osigurati da se ulaganje u AI isplati
Umjesto da zaustavite uvođenje AI-ja dok sve sposobnosti ne budu savršeno razvijene, važno je razumjeti gdje je spremnost najvažnija i ukloniti nedostatke koji bi mogli ugroziti vrijednost koju želite ostvariti.
AI tehnologija postaje stvarni pokretač napretka kada je podupiru odgovarajuća edukacija, procesi i organizacijska kultura. To znači da zaposlenike treba naučiti kako se AI uklapa u njihov posao, kada se mogu osloniti na njegove rezultate, kada ih trebaju provjeriti i kako ostaju odgovorni za konačne ishode.
Istraživanje inicijative NANDA pri MIT-u pokazalo je da 95 % organizacija ne ostvaruje nikakav povrat od ulaganja u generativni AI, unatoč znatnim izdvajanjima i široko rasprostranjenom eksperimentiranju.
Jedan od razloga jest žurba s uvođenjem AI-ja dok se mnogi zaposlenici još nose s ljudskim i organizacijskim izazovima koje su donijeli prethodni valovi digitalne transformacije. Naše istraživanje pokazuje da AI, iako bi trebao pojednostavniti rad, u nekim slučajevima uzrokuje stres, preopterećenost informacijama, često prebacivanje između zadataka i sve slabiji osjećaj povezanosti sa svrhom vlastitog rada.
Ako se AI uvodi kao dio promišljene promjene tijekova rada, uloga, vještina i načina rada, veća je vjerojatnost da će ukloniti prepreke i donijeti stvarnu vrijednost.
Zato smatramo da bolji povrat ulaganja u AI počinje jasnim razumijevanjem trenutačne razine zrelosti, iskrenom procjenom ograničenja koja mogu utjecati na rezultate i planom za ciljano uklanjanje najvažnijih nedostataka. Pritom je važno primijeniti provjeren pristup upravljanju organizacijskim promjenama povezanima s AI-jem (AI Organisational Change Management), usklađen s cjelovitom strategijom i programom primjene AI-ja — baš kao što bismo postupili i pri bilo kojoj drugoj velikoj digitalnoj transformaciji.
Počnite procjenom spremnosti, a ne ciljevima povrata ulaganja
Početna procjena spremnosti pruža kontekst potreban za kvalitetnije odluke i referentnu točku za mjerenje napretka. Umjesto da se pitate uvodi li se AI u organizaciji, možete pratiti razvijaju li se sposobnosti potrebne za njegovu uspješnu primjenu i dovodi li taj napredak do željenih rezultata.
Procjena spremnosti za AI
Prije nego što povećate ulaganja ili postavite ambiciozne ciljeve povrata ulaganja, naša Procjena spremnosti za AI pomoći će vam utvrditi trenutačnu razinu spremnosti, prepoznati nedostatke koji mogu utjecati na uspjeh inicijativa povezanih s AI-jem i izraditi jasniji plan za postizanje potrebne razine zrelosti.
Često postavljena pitanja
Što je „porez na provjeru” i kako utječe na povrat ulaganja u AI?
„Porez na provjeru” odnosi se na skrivene operativne i psihološke troškove, poput vremena utrošenog na provjeru rezultata AI-ja, ispravljanje sadržaja koji je AI generirao za kolege i nošenje sa stresom zaposlenika. Ti troškovi mogu umanjiti očekivano povećanje produktivnosti i povrat ulaganja.
Kako organizacije mogu prijeći s eksperimentiranja s AI-jem na ostvarivanje stvarne vrijednosti?
Organizacije mogu napraviti taj prijelaz procjenom trenutačne razine zrelosti, prepoznavanjem ograničenja, ciljanim uklanjanjem ključnih nedostataka i uvođenjem AI-ja kao dijela promišljene promjene tijekova rada, uloga, vještina i načina rada.
Napisao/la
Senior Strategic Advisor
Attila Bernariusz je viši strateški savjetnik u Adaptavistu, specijaliziran za strategiju usvajanja umjetne inteligencije, agentske tijekove rada i upravljanje portfeljem. S iskustvom osnivača tvrtke, premošćuje izvršnu strategiju i timsko izvršenje kako bi dizajnirao rješenja koja funkcioniraju kao koherentni sustavi.