Svi koriste AI, ali rijetki od njega stvarno zarađuju. Novo istraživanje otkriva gdje tvrtke griješe

Nakon nekoliko godina u kojima se rasprava o umjetnoj inteligenciji uglavnom vrtjela oko brzine razvoja tehnologije, njezina širenja među korisnicima i iznosa koje su najveće svjetske kompanije spremne uložiti u novu infrastrukturu, modele i poslovne alate, sve više tvrtki danas dolazi do znatno konkretnijeg pitanja o tome koliko im ta ulaganja zapravo donose u financijskom smislu.

Upravo se tim pitanjem bavi novo istraživanje konzultantske tvrtke McKinsey & Company pod nazivom „The state of AI in 2026: On the road to ROI”, objavljeno 25. kolovoza 2026. godine, koje pokazuje da se korištenje umjetne inteligencije nastavlja širiti kroz organizacije, ali da rast produktivnosti zaposlenika i rast poslovnih rezultata zasad ne napreduju istom brzinom.

Istraživanje je provedeno između 4. svibnja i 8. lipnja 2026. godine među 1.719 ispitanika iz 97 zemalja, različitih industrija, poslovnih funkcija, razina odgovornosti i veličina organizacija, pri čemu 36 posto ispitanika radi u tvrtkama s više od milijardu dolara godišnjih prihoda.

Dobiveni rezultati pokazuju poslovno okruženje u kojem umjetna inteligencija više nije tehnologija koju većina tvrtki samo testira kroz nekoliko izoliranih projekata, nego alat koji se sve češće uključuje u svakodnevne poslovne procese, premda se financijska korist od takvog širenja zasad vidi u relativno malom broju organizacija.

Gotovo devet od deset ispitanika navodi da njihova organizacija redovito koristi umjetnu inteligenciju u barem jednoj poslovnoj funkciji, dok 44 posto ispitanika kaže da se AI već primjenjuje u većem dijelu njihove organizacije, što predstavlja rast u odnosu na 38 posto zabilježenih godinu ranije.

Istodobno se povećava i broj poslovnih područja u kojima se umjetna inteligencija koristi, pa udio ispitanika koji navode da njihove organizacije upotrebljavaju AI u najmanje tri poslovne funkcije raste s prošlogodišnjih 51 posto na ovogodišnjih 56 posto.

Takvi podaci pokazuju da je faza u kojoj su se tvrtke uglavnom bavile eksperimentima i pilot-projektima postupno zamijenjena fazom širenja konkretnih rješenja, ali taj prijelaz nije jednak u svim organizacijama.

Velike kompanije pritom napreduju osjetno brže od manjih, jer 54 posto ispitanika iz organizacija koje ostvaruju najmanje milijardu dolara godišnjih prihoda navodi da njihove tvrtke već šire AI kroz cijelo poslovanje, dok je među manjim organizacijama taj udio približno jedna trećina.

Razlika postaje još vidljivija kod AI agenata, odnosno sustava koji mogu samostalnije obavljati zadatke, donositi određene odluke i provoditi niz povezanih koraka unutar poslovnog procesa.

U velikim kompanijama udio ispitanika koji navode da njihova organizacija već šire primjenjuje AI agente porastao je s 27 posto u 2025. godini na 40 posto u 2026. godini, dok je među manjim kompanijama ostao gotovo nepromijenjen na 22 posto.

Takav razvoj otvara sve izraženiji jaz između velikih organizacija koje raspolažu kapitalom, podatkovnom infrastrukturom, stručnjacima i internim tehnološkim timovima potrebnima za složenije AI projekte i kompanija koje tehnologiju i dalje uglavnom koriste kroz gotove alate dostupne na tržištu.

Najrašireniji AI alati i dalje su chatbotovi, koje na razini organizacije širi 47 posto ispitanih tvrtki, dok je među kompanijama s više od milijardu dolara prihoda taj udio još veći i iznosi 64 posto.

Istodobno raste korištenje specijaliziranih agenata za razvoj softvera, pa otprilike dvije od deset organizacija navode da već šire koriste takve alate, dok njihov udio među najvećim tvrtkama doseže 31 posto.

Razvoj programerskih AI alata pritom počinje mijenjati i jednu mnogo stariju poslovnu odluku koju tehnološki odjeli redovito moraju donositi, a riječ je o izboru između razvoja vlastitog softvera i kupnje gotovog rješenja od vanjskog dobavljača.

Gotovo trećina ispitanika, odnosno 32 posto, navodi da je njihova organizacija odustala od kupnje barem jednog softverskog proizvoda ili pojedine funkcionalnosti zato što ju je uz pomoć programerskih AI alata mogla razviti vlastitim resursima.

Takve se odluke najčešće pojavljuju u tehnološkom i zdravstvenom sektoru, nakon kojih slijede profesionalne usluge te energetika i industrija materijala.

Generativna umjetna inteligencija tako više ne mijenja samo način na koji zaposlenici pišu tekstove, analiziraju dokumente, izrađuju prezentacije ili pronalaze informacije, nego postupno ulazi i u način na koji tvrtke raspoređuju vlastite tehnološke proračune.

Kompanija koja je prije nekoliko godina za određenu aplikaciju ili poslovnu funkciju gotovo automatski tražila vanjskog dobavljača danas može procijeniti da će njezin interni tim uz pomoć AI alata istu funkcionalnost razviti dovoljno brzo i jeftino da kupnja vanjskog proizvoda više nema financijskog smisla.

To ne znači da će tvrtke prestati kupovati softver niti da će velike platforme izgubiti tržište, ali odnos između razvoja i kupnje više nije isti kao prije pojave programerskih AI agenata.

Promjena je posebno zanimljiva zato što se pojavljuje upravo u trenutku kada organizacije istodobno pokušavaju kontrolirati sve veće troškove korištenja same umjetne inteligencije.

Približno 20 posto ispitanika navodi da su operativni troškovi povezani s AI-jem već ograničili količinu ili opseg njegova korištenja u njihovim organizacijama.

Ti troškovi uključuju računalnu infrastrukturu, korištenje modela, pohranu podataka i sve važnije troškove tokena koji nastaju tijekom komunikacije s velikim jezičnim modelima.

Kod chatbota, AI agenata i programerskih agenata otprilike svaki deseti ispitanik navodi da je upravo cijena korištenja ograničila širenje pojedinog alata.

Poslovna računica postaje složenija kako se AI sustavi pretvaraju iz povremenih pomoćnika u alate koji izvode velik broj automatiziranih zadataka tijekom cijelog dana.

Cijena jednog pojedinačnog upita može biti vrlo mala, ali organizacija s tisućama zaposlenika i velikim brojem automatiziranih procesa može svakodnevno generirati milijune ili milijarde tokena, zbog čega razlika između jeftinijeg i skupljeg modela ili između dobro i loše projektiranog procesa na kraju može stvoriti veliki trošak.

Složeniji agenti dodatno povećavaju potrošnju jer jedan zadatak često ne izvršavaju kroz jedan upit, nego kroz niz uzastopnih koraka u kojima analiziraju podatke, pozivaju druge sustave, provjeravaju rezultat, mijenjaju svoj odgovor i ponovno koriste model.

Zbog toga se među financijskim direktorima i osobama odgovornima za umjetnu inteligenciju sve češće govori o ekonomici tokena i stvarnom povratu ulaganja u AI.

Ni pad cijene pojedinačnog tokena pritom ne mora nužno smanjiti ukupan trošak organizacije jer se količina obrađenih i generiranih tokena može povećavati još brže.

Unatoč tim troškovima, tvrtke zasad ne pokazuju namjeru smanjiti ulaganja.

Čak 28 posto ispitanika navodi da njihove organizacije već troše više od deset posto ukupnog proračuna za informacijsku i komunikacijsku tehnologiju na različite oblike umjetne inteligencije.

Još je zanimljiviji podatak da 60 posto ispitanika očekuje dodatno povećanje ulaganja tijekom sljedećih godinu dana, dok se najveća spremnost na povećavanje AI proračuna bilježi u farmaceutskoj industriji, proizvodnji medicinskih proizvoda, osiguranju, bankarstvu i drugim financijskim institucijama.

Takva spremnost na nastavak ulaganja djeluje posebno zanimljivo kada se usporedi s podacima o financijskim rezultatima koje organizacije trenutno ostvaruju.

Upravo se tu pojavljuje jedan od najvećih raskoraka u cijelom McKinseyjevu istraživanju.

Na individualnoj razini rezultati korištenja umjetne inteligencije vrlo su jasni.

Čak 80 posto ispitanika navodi da im je AI povećao osobnu produktivnost na poslu, dok približno polovica kaže da im umjetna inteligencija pomaže u donošenju kvalitetnijih odluka i razvijanju novih vještina.

Takva iskustva pojavljuju se među zaposlenicima različitih razina odgovornosti, od pojedinačnih stručnjaka do rukovoditelja.

To znači da je za velik broj zaposlenika umjetna inteligencija već postala alat koji skraćuje vrijeme potrebno za obavljanje dijela svakodnevnih zadataka, ubrzava obradu informacija, olakšava izradu prvih verzija dokumenata, pomaže pri analizi podataka ili pojednostavljuje pristup znanju koje bi ranije trebalo tražiti kroz više izvora.

Financijski rezultat na razini cijele tvrtke izgleda sasvim drukčije.

Samo 37 posto ispitanika navodi da je korištenje umjetne inteligencije pozitivno pridonijelo EBIT-u njihove organizacije, odnosno dobiti prije kamata i poreza.

Još je zanimljivije da je taj udio gotovo jednak prošlogodišnjem rezultatu, iako se tijekom istog razdoblja broj organizacija koje šire korištenje AI-ja povećao.

Drugim riječima, tvrtke koriste više umjetne inteligencije, uključuju je u veći broj poslovnih funkcija, kupuju ili razvijaju nove alate i omogućuju zaposlenicima pristup naprednijim modelima, ali udio organizacija koje to uspijevaju jasno pretvoriti u veću operativnu dobit zasad praktički ne raste.

Još je manja skupina organizacija koje McKinsey definira kao AI high performers.

U tu skupinu ulaze organizacije u kojima ispitanici procjenjuju da umjetna inteligencija pridonosi najmanje pet posto EBIT-a i istodobno navode da je vrijednost koju organizacija ostvaruje korištenjem AI-ja velika.

Takve organizacije čine samo šest posto svih ispitanika, a njihov se udio također nije promijenio u odnosu na 2025. godinu.

Rezultat zato otvara pitanje koje postaje sve važnije za uprave tvrtki.

Ako zaposlenik zahvaljujući umjetnoj inteligenciji neki posao može obaviti za jedan sat umjesto za dva sata, gdje završava taj oslobođeni sat i na koji se način pretvara u prihod, smanjenje troška ili veću proizvodnju?

Sama ušteda vremena ne pojavljuje se automatski u računu dobiti i gubitka.

Ako zaposlenik nakon brže izvršenog zadatka preostalo vrijeme potroši na drugi posao koji bi ionako napravio, organizacija može imati zadovoljnijeg ili manje opterećenog zaposlenika, ali ne mora nužno ostvariti veću dobit.

Ako se isti broj ljudi i dalje koristi za isti volumen posla, trošak rada ostaje jednak čak i kada je svaki pojedinačni zadatak obavljen brže.

Ako AI ubrzava samo jedan dio poslovnog procesa, dok ostatak procesa ovisi o sporijim koracima, odobrenjima, ručnom unosu podataka ili radu drugih odjela, povećanje produktivnosti pojedinca također može ostati gotovo nevidljivo na razini organizacije.

Zbog toga rezultati istraživanja sugeriraju da je granica između osobne produktivnosti i stvarnog poslovnog učinka puno šira nego što se često pretpostavljalo tijekom prvog vala generativne umjetne inteligencije.

Tvrtka može kupiti AI alat za tisuću zaposlenika i postići da svaki od njih dio svog posla obavlja brže, a da pritom gotovo ništa ne promijeni u strukturi procesa, broju potrebnih koraka, raspodjeli odgovornosti ili načinu na koji stvara prihod.

Takva organizacija dobiva tehnološki dodatak postojećem načinu rada, ali postojeći način rada ostaje gotovo isti.

Upravo se na tom mjestu najviše razlikuje mala skupina organizacija koje već ostvaruju veći financijski rezultat od umjetne inteligencije.

Gotovo tri četvrtine AI high performera navodi da zbog korištenja umjetne inteligencije iz temelja redizajnira poslovne procese, dok je godinu ranije takav pristup navodilo 55 posto tih organizacija.

Među ostalim kompanijama samo približno četvrtina ispitanika kaže da njihova organizacija provodi tako duboke promjene radnih procesa.

Razlika između te dvije skupine zato se ne svodi na pitanje koristi li jedna tvrtka chatbot, a druga napredniji model.

Razlika je u tome mijenja li organizacija samo alat kojim zaposlenik izvršava određeni zadatak ili mijenja cijeli proces u kojem taj zadatak postoji.

Primjer takve promjene mogao bi biti proces obrade zahtjeva korisnika koji je tradicionalno uključivao zaprimanje poruke, ručno razvrstavanje zahtjeva, traženje podataka u nekoliko sustava, pripremu odgovora, provjeru odgovora i njegovo slanje korisniku.

Najjednostavniji način primjene AI-ja bio bi dati zaposleniku chatbot koji mu pomaže napisati odgovor.

Dublji redizajn procesa mogao bi uključivati AI sustav koji sam prepoznaje vrstu zahtjeva, pronalazi potrebne podatke, sastavlja prijedlog rješenja, provjerava određena poslovna pravila i zaposleniku šalje gotovo dovršen slučaj na završnu provjeru.

U prvom slučaju zaposlenik možda štedi nekoliko minuta pri pisanju poruke.

U drugom slučaju mijenja se gotovo cijela struktura rada.

Slična razlika može postojati u prodaji, razvoju proizvoda, financijama, nabavi, proizvodnji, logistici ili programiranju.

Zbog toga najuspješnije organizacije prema rezultatima istraživanja češće promatraju umjetnu inteligenciju kao osnovu za promjenu procesa, a rjeđe kao dodatni alat postavljen preko postojećeg procesa.

Njihovi ciljevi također su širi.

Oko 80 posto high performera i ostalih organizacija koristi AI radi povećanja učinkovitosti, ali uspješnije organizacije znatno češće istodobno pokušavaju ostvariti rast prihoda ili razviti nove proizvode, usluge i poslovne modele.

AI high performeri čak su 3,3 puta skloniji od ostalih ispitanika navesti da u sljedeće tri godine žele uz pomoć umjetne inteligencije temeljito promijeniti način poslovanja.

Takav pristup objašnjava zašto se njihova korist od AI-ja ne mora svoditi samo na broj minuta koje zaposlenik uštedi tijekom radnog dana.

Ako umjetna inteligencija omogući kompaniji brži razvoj proizvoda, veću prodaju, drukčiji način pružanja usluge ili proces koji zahtijeva manje ručnih koraka, financijski rezultat mnogo je lakše povezati s tehnologijom.

Podaci iz pojedinih poslovnih funkcija već pokazuju gdje se takvi rezultati najčešće pojavljuju.

Ispitanici najčešće prijavljuju smanjenje troškova zahvaljujući AI-ju u upravljanju opskrbnim lancem, uslužnim operacijama i proizvodnji.

Povećanje prihoda najčešće se povezuje s korištenjem umjetne inteligencije u marketingu i prodaji, nakon čega slijede razvoj proizvoda i usluga te softversko inženjerstvo.

To znači da se korist od umjetne inteligencije već pojavljuje u konkretnim dijelovima organizacije čak i kada ukupni učinak na EBIT još nije dovoljno velik da bi bio jasno vidljiv na razini cijele kompanije.

Organizacije pritom navode i druge rezultate koji se ne pojavljuju odmah u dobiti, poput većih mogućnosti za razvoj novih proizvoda, razlikovanja od konkurencije te većeg zadovoljstva kupaca i zaposlenika.

Ipak, uprave koje iz godine u godinu povećavaju ulaganja u AI teško će se dugoročno zadovoljiti samo pokazateljima korištenja tehnologije ili procjenama zaposlenika o ušteđenom vremenu.

Kako AI proračuni rastu, sve će se češće tražiti odgovor na pitanje koliko je određeni sustav povećao prihode, smanjio troškove, skratio vrijeme procesa ili omogućio da se ista količina posla obavi s manjim korištenjem resursa.

McKinseyjevo istraživanje pokazuje da high performeri tom problemu pristupaju sustavnije od ostalih organizacija.

Oni su približno dvostruko skloniji imati definirane procese za mjerenje poslovnog učinka AI inicijativa, a njihovi viši rukovoditelji češće osobno podržavaju i vode projekte povezane s umjetnom inteligencijom.

Takve organizacije također češće ugrađuju ljudsku provjeru u procese u kojima se koriste AI sustavi, aktivnije prate potrošnju tokena, računalnih resursa i prostora za pohranu te sustavnije upravljaju rizicima koji nastaju kada se algoritmima daje veća razina samostalnosti.

Veća potrošnja sama po sebi pritom ne objašnjava njihove rezultate, ali podaci pokazuju da te organizacije za umjetnu inteligenciju izdvajaju više novca.

High performeri više su nego dvostruko skloniji od ostalih organizacija izdvajati više od 15 posto ukupnog proračuna za informacijsku i komunikacijsku tehnologiju upravo za AI.

Više od polovice tih organizacija očekuje da će tijekom sljedeće godine povećati ulaganja u umjetnu inteligenciju za najmanje deset posto, dok među ostalim organizacijama takvo povećanje očekuje 36 posto ispitanika.

Veći proračun kod njih prati i šire korištenje tehnologije.

High performeri u velikom broju poslovnih funkcija više su nego tri puta skloniji od ostalih organizacija već imati AI agente u fazi šire primjene.

Dvaput češće šire koriste programerske agente, dok druge oblike agentne umjetne inteligencije šire primjenjuju približno 2,7 puta češće.

Gotovo polovica tih organizacija već je odustala od kupnje barem jednog softverskog proizvoda ili funkcije zato što je potrebnu funkcionalnost mogla razviti interno uz pomoć programerskih AI agenata.

Među ostalim organizacijama taj udio iznosi 31 posto.

Intenzivnije korištenje tehnologije donosi i veću izloženost njezinim troškovima.

High performeri približno tri puta češće od ostalih organizacija navode da su troškovi korištenja programerskih agenata ograničili njihovu primjenu.

Takav podatak dobro ilustrira novu fazu razvoja tržišta u kojoj pitanje više nije samo može li određeni model izvršiti zadatak, nego isplati li se koristiti ga u velikom broju slučajeva i može li organizacija iz njega izvući veću vrijednost od ukupnog troška rada sustava.

Što AI agent postaje samostalniji i što mu je povjeren složeniji proces, to postaju veći i zahtjevi povezani s kontrolom njegova rada.

Zbog toga organizacije koje McKinsey svrstava među high performere češće upravljaju većim brojem AI rizika, uključujući tehničke ranjivosti koje netko može iskoristiti te mogućnost da agent napravi neodobrenu ili nenamjernu radnju.

To je posebno bitno u sustavima koji više nisu ograničeni na stvaranje teksta ili davanje preporuke, nego imaju pristup poslovnim aplikacijama, bazama podataka, kodu ili drugim sustavima u kojima mogu izvršiti konkretnu radnju.

Takva tehnologija može donijeti veću uštedu jer preuzima veći dio procesa, ali pogreška u takvom sustavu također ima drukčije posljedice od pogrešnog odgovora običnog chatbota.

Zbog toga se u uspješnijim organizacijama češće primjenjuje model u kojem čovjek ostaje uključen u određene dijelove procesa i provjerava odluke ili rezultate prije izvršenja radnje koja može imati financijsku, pravnu ili poslovnu posljedicu.

McKinseyjevo istraživanje istodobno daje zanimljiv uvid u još jednu temu koja već nekoliko godina prati razvoj generativne umjetne inteligencije, a riječ je o mogućem smanjenju broja zaposlenih.

Prošlogodišnja očekivanja bila su znatno pesimističnija od onoga što se na kraju dogodilo.

Samo 14 posto ispitanika iz organizacija koje koriste AI navodi da je umjetna inteligencija tijekom protekle godine pridonijela ukupnom smanjenju broja zaposlenih.

Godinu ranije čak je 32 posto ispitanika očekivalo da će se takvo smanjenje dogoditi tijekom tog razdoblja.

Stvarni rezultat tako je bio manji od polovice prethodno očekivanog.

Dvije trećine ispitanika navodi da je umjetna inteligencija tijekom protekle godine imala vrlo mali ili nikakav učinak na ukupni broj zaposlenih u njihovim organizacijama.

Unatoč tome, očekivanja za sljedećih godinu dana ponovno idu prema većem smanjenju zaposlenosti.

Oko 39 posto ispitanika očekuje da će umjetna inteligencija smanjiti ukupan broj zaposlenih u njihovim organizacijama tijekom sljedeće godine, dok 43 posto očekuje malo ili nikakvo smanjenje.

Najveći udio ispitanika očekuje smanjenje broja zaposlenih u uslužnim operacijama i upravljanju opskrbnim lancem, što su područja u kojima se i ranije očekivala veća automatizacija.

Prošlogodišnja iskustva ipak pokazuju da takve procjene treba promatrati oprezno.

U svakoj poslovnoj funkciji koju je McKinsey analizirao stvarno smanjenje broja zaposlenih bilo je manje od onoga koje su ispitanici godinu dana ranije očekivali.

U marketingu i prodaji, proizvodnji, strategiji i korporativnim financijama te upravljanju znanjem stvarna smanjenja bila su približno dvostruko manja od prethodnih predviđanja.

Takva razlika može imati više praktičnih razloga.

Uvođenje tehnologije traje dulje nego što uprave očekuju, postojeći procesi često su složeniji od početnih procjena, organizacije moraju riješiti pitanja sigurnosti i kvalitete podataka, zaposlenike treba obučiti, a dio oslobođenog vremena tvrtke koriste za povećanje količine rada umjesto za smanjenje broja zaposlenih.

Činjenica da AI povećava produktivnost zato sama po sebi ne određuje što će se dogoditi s radnim mjestima.

Kompanija može smanjiti broj ljudi, može zadržati isti broj zaposlenih i povećati proizvodnju ili može zaposlenike premjestiti na poslove koji se manje mogu automatizirati.

Za sada većina ispitanika umjetnu inteligenciju ne doživljava kao izravnu prijetnju vlastitoj karijeri.

Samo 13 posto navodi da zbog AI-ja osjeća zabrinutost za svoje buduće izglede na tržištu rada.

Ipak, iskustvo korištenja AI-ja nije potpuno pozitivno među svim skupinama zaposlenika.

Srednji menadžment i zaposlenici bez rukovodećih funkcija češće od viših rukovoditelja prijavljuju različite negativne posljedice povezane s korištenjem umjetne inteligencije.

Takva iskustva navodi 47 posto srednjih menadžera i pojedinačnih zaposlenika, u usporedbi s 31 posto izvršnih direktora i viših menadžera.

Razlika može biti posebno zanimljiva upravama zato što su upravo zaposlenici i menadžeri srednje razine često osobe koje svakodnevno moraju prilagoditi postojeće procese novim alatima i istodobno održavati postojeće poslovne rezultate.

Šira slika McKinseyjeva istraživanja zato nije priča o tome da umjetna inteligencija nije ispunila očekivanja, nego o tome da se njezina osobna korist širi brže od sposobnosti organizacija da tu korist pretvore u novac.

Tehnologija je već dovoljno korisna da četiri od pet ispitanika osjećaju povećanje vlastite produktivnosti, dok je poslovni sustav oko te tehnologije još uvijek u procesu prilagodbe.

Tvrtke pritom nastavljaju povećavati ulaganja i širiti broj slučajeva korištenja, što stvara sve veći pritisak da se produktivnost pojedinaca počne mjeriti kroz rezultat cijelog procesa.

Upravo se zato pitanje povrata ulaganja tijekom 2026. godine sve manje može svesti na jednostavan izračun koliko je vremena chatbot uštedio jednom zaposleniku.

Tvrtka mora znati što je napravila s tim ušteđenim vremenom, je li smanjila broj potrebnih koraka u procesu, je li povećala broj obrađenih korisnika, je li ostvarila veću prodaju, je li smanjila trošak po transakciji ili je razvila proizvod koji bez AI-ja ne bi mogla izraditi u istom vremenu i uz isti trošak.

Bez takve veze između tehnološke mogućnosti i poslovnog procesa organizacija može imati tisuće vrlo aktivnih korisnika AI alata, a da financijski rezultat ostane gotovo jednak.

McKinseyjevi high performeri pokazuju drukčiji obrazac jer AI češće koriste kao povod za promjenu samog načina rada.

Ako umjetna inteligencija može izvršiti dio procesa koji je ranije radio čovjek, oni češće mijenjaju cijeli tijek rada umjesto da samo zadrže stari proces i u njega dodaju novi alat.

Ako programerski agent omogućuje da se određeni softver razvije interno, ponovno procjenjuju odnos između kupnje i razvoja.

Ako složeniji AI agent može preuzeti niz povezanih zadataka, odlučuju gdje čovjek mora ostati u procesu, gdje je potrebna kontrola i gdje automatizacija stvarno smanjuje trošak.

Ako troškovi tokena postanu dovoljno veliki da utječu na isplativost sustava, počinju ih promatrati kao poslovni trošak koji treba optimizirati, a ne kao tehnički detalj koji se može zanemariti.

Takav način razmišljanja vjerojatno objašnjava zašto se jaz između usvajanja tehnologije i financijskog rezultata ne može zatvoriti još jednim krugom kupnje AI licenci.

Organizacije su tijekom prve faze generativne umjetne inteligencije uglavnom pitale koje alate trebaju nabaviti i kako zaposlenicima omogućiti njihovo korištenje.

Sada sve više moraju odlučivati koje procese žele promijeniti, koje aktivnosti više nemaju smisla obavljati na stari način, koje odluke mogu prepustiti sustavu, koje moraju ostati pod ljudskim nadzorom i kako će izmjeriti financijski rezultat svake veće AI inicijative.

U tome leži i odgovor na naizgled proturječje prema kojem 80 posto ljudi osjeća rast produktivnosti, dok samo 37 posto organizacija vidi pozitivan utjecaj AI-ja na EBIT.

Pojedinac može promijeniti vlastiti način rada u nekoliko dana.

Velika organizacija mora promijeniti procese, uloge, odgovornosti, informacijske sustave, proračune i način mjerenja rezultata.

Zbog toga tehnologija napreduje brže od organizacijskih promjena koje su potrebne da bi se njezina puna vrijednost pojavila u financijskim izvještajima.

Podaci za 2026. godinu zato sugeriraju da se sljedeća faza tržišne utakmice u umjetnoj inteligenciji neće voditi samo oko pristupa najboljim modelima.

Sve veći broj tvrtki imat će pristup vrlo sličnim modelima, chatbotovima, programerskim alatima i agentima.

Veća razlika mogla bi nastati između organizacija koje će te alate jednostavno rasporediti među zaposlenicima i organizacija koje će zbog njih promijeniti način na koji se posao stvarno obavlja.

McKinseyjevo istraživanje već pokazuje prvi trag takve podjele.

Dok se većina kompanija i dalje nalazi između rasta osobne produktivnosti i mjerljivog financijskog rezultata, mala skupina organizacija koja ostvaruje najmanje pet posto EBIT-a zahvaljujući umjetnoj inteligenciji znatno češće redizajnira procese, ulaže više, mjeri rezultate, upravlja troškovima i kontrolira rizike.

To je mnogo zahtjevniji posao od same kupnje novih alata.

Ujedno objašnjava zašto se stvarni povrat od umjetne inteligencije u velikom broju tvrtki pojavljuje sporije nego što se prije nekoliko godina očekivalo.

Pitanje za direktore zato više nije mogu li njihovi zaposlenici uz pomoć umjetne inteligencije napraviti više posla.

Prema odgovorima samih zaposlenika, na to pitanje odgovor je već uglavnom potvrdan.

Pitanje je mogu li uprave promijeniti organizaciju dovoljno brzo da se vrijeme, znanje i kapacitet koje AI oslobađa pretvore u manji trošak, veći prihod ili potpuno novi izvor zarade.

Tvrtke koje to ne naprave mogu završiti s mnogo AI alata, velikim brojem korisnika i sve većim računima za modele i infrastrukturu, ali bez odgovarajućeg pomaka u poslovnom rezultatu.

Tvrtke koje uspiju povezati tehnologiju s redizajnom procesa imaju znatno veću mogućnost da ono što je danas prvenstveno rast individualne produktivnosti pretvore u rezultat koji će se na kraju vidjeti i u njihovim financijskim izvještajima.