Bőgel György: Miért olyan sok a kudarc?

A mesterséges intelligencia tudása csodálatos, ámulatba ejtő. Sokak fantáziáját megmozgatja, lelkes beszámolókat lehet olvasni és hallani róla. A sok sikertörténet mellett azonban meghökkentően sok a kudarc – bár ezekről nem szívesen beszélünk. Mit mutatnak a számok az informatikai projektek, és azok között az MI tárgyúak sikerességéről? Hány kudarc jut egy sikerre? Miért vannak (egyelőre?) tele az út menti árkok elbukott projektekkel? Mit lehet tenni a siker érdekében? Erről szól Bőgel György* legújabb elemzése.

[Figyelem! A cikk meglehetősen hosszú és szerteágazó, de elsősorban azt igyekszik bemutatni, hogy miközben az MI projekteknél megjelennek az IT fejlesztések évtizedek óta megfigyelt kockázatai, milyen újfajta problémák is jelentkeznek. Illetve, hogy ezek összességében miért is adhatnak magyarázatot a kudarcok (egyelőre) magas arányára.]

 Vajon mennyit költenek a vállalatok együttesen információs technológiára? Nem valószínű, hogy bárki tudná erre a pontos választ. Az biztos, hogy nagyon sokat – de hogy mennyi lehet ez mondjuk dollárban, arra vonatkozóan csak jobb-rosszabb becsléseket találhatunk. Ha jobbakat szeretnénk, ajánlatos a közismert, tekintélyes, globális jelenléttel bíró piacelemző-tanácsadó cégekhez fordulni, például a Gartnerhez vagy az IDC-hez. A konkrét számokat illetően azonban náluk sem árt az óvatosság.

Épül az infrastruktúra

Az IT kiadásoknak nincs egységes definíciója, egyesek például csak a hardvert, a szoftvert és s szolgáltatásokat sorolják ide, mások olyan tételeket is beszámítanak, mint például a távközlés vagy a kiberbiztonság. Az sem mindegy, hogy a beruházásokat egy kalap alá veszik-e a folyó kiadásokkal. Szervereket például lehet vásárolni („capex”), de lehet bérelni is („opex”), akár egy távoli országban; a vállalat pénzügyi és egyéb megfontolásain múlik, hogy melyik megoldást választja.

A különböző országok statisztikai hivatalai nem azonos definíciókkal és kategóriákkal dolgoznak. Számos országban egyáltalán nincsenek használható adatok. Az állami vállalatok IT kiadásairól könnyebb információkat szerezni (már ahol), a magáncégek viszont kényes adataikat üzleti titokként elzárhatják a kíváncsi szemek elől. Az IT sokszor nem önmagában jelenik meg, hanem valamilyen nagyobb (termelési, energetikai, raktározási, pénzügyi stb.) projekt vagy rendszer részeként, attól elválaszthatatlanul.

Az elemzők (köztük az említettek is) mindenféle jelentésekre, felmérésekre, saját, szorgalmasan gyűjtött adatbázisaikra támaszkodnak. A minták nem teljesek, a reprezentativitásuk sem tökéletes, a különböző valutákban és környezetekben mért adatokat nagyon nehéz közös nevezőre hozni. Nem meglepő tehát, hogy a legjobbak adatai sem egyeznek, és a jövőt is eltérően ítélik meg az előrejelzéseikben. Kár lenne azonban lemondani róluk, mivel végeredményében nagyon alapos szakmai munka van mögöttük, és kifejezetten hasznosak lehetnek például a trendek és a nagyobb változások megfigyelésénél: lehet, hogy a konkrét számok pontatlanok, ellentmondásosak, az irányok, a nagyobb változások azonban jól látszanak belőlük.

Szóval: mennyit fog a világ információs technológiára költeni 2025-ben? A Gartner 9,8 százalékos növekedést vár az előző évhez képest. Előrejelzésük szerint a hardverre fordított kiadások egyszerűen meg fognak duplázódni, elsősorban azért, mert a nagy felhő-szolgáltatók szorgalmasan építik a mesterséges intelligenciához szükséges infrastruktúrát, vagyis a nagy adatközpontokat. A kiadásokat tehát elsősorban az MI infrastruktúra bővítése gerjeszti, de az árak növekedéséről sem szabad megfeledkezni, az is fontos tényező. Az IT-költségvetések összességében nagyobbak lesznek, de az áremelkedés sokat elvisz belőlük.

Az MI terjedése a kulcskérdés

Röviden: a világ jelenleg sokat költ MI infrastruktúrára, ami időközben drágább lett. A felhő-szolgáltatók nyilván arra számítanak, hogy egyre több vállalat fog MI eszközöket fejleszteni és használni, ahhoz pedig méretes és modern infrastruktúra kell. Az adatközpontok, szerverparkok szorgalmas építése azt sugallja, hogy a befektetők várnak valamire, várják az újabb digitális innovációkat, az új MI eszközöket és megoldásokat, amelyek majd otthonra lelnek náluk. Ha a várakozások teljesülnek, a beruházások meg fognak térülni, bár nem mindenkinél. Az innováció kényszer, vállalni kell érte a kockázatot, a költségek emelkedése miatti rendszeres újratervezést.

A piac szempontjából tehát jelenleg az MI terjedése a kulcskérdés.

A Gartner konkrét számot is mond: szerintük az idén a globális IT kiadások (az 1924-es 4,6-ot jócskán meghaladva) el fogják érni az 5,61 trillió amerikai dollárt. Egy trillió az ezer milliárd. Rengeteg pénz ez. A részletesebb előrejelzés szerint a legnagyobb adatközpontok 2028-ban egytrillió dollár értékű, MI-re optimalizált szerverparkot fognak birtokolni.

Eljött a kijózanodás ideje?

A Gartner prognózisában az óriási számokon kívül érdemes felfigyelni egy érdekes megállapításra. A felhasználói oldal beszerzési mintáit tanulmányozva arra a következtetésre jutottak, hogy a generatív MI technológia az innovációk szokásos fejlődési pályáján, az úgynevezett hype-cikluson elérkezett a kiábrándulás völgyébe, vagyis az ámulat és a csodavárás korszaka befejeződik, józanabb, racionálisabb időszak jön.

Az üzleti felhasználók már nem ámuldoznak és csodálkoznak az MI képességein, hanem azon törik a fejüket, hogy mindez nagyon szép, de hogyan lesz ebből pénzben mérhető haszon. A befektetéseket illetően bőkezűek (lásd az előbbi prognózisokat), de a várakozásaikat visszafogják, józanabbul ítélik meg a helyzetet. Hogy miért? Azért, mert a szaporodó példákból és persze saját tapasztalataikból egyre világosabban látják a költségeket, a nehézségeket és a buktatókat.

A felhasználási adatok kétségtelenül ma is bámulatosak. A ChatGPT-t például 2025 márciusában egy hét alatt 800 millióan használták, kétszer annyian mint hasonló időszak alatt februárban. Az viszont nyitott kérdés, hogy az üzleti világban mekkora a generatív MI átalakító képessége, mennyire lehet a használatával tartós és jelentős versenyelőnyt elérni. A világ minél több bizonyítékot, pozitív példákat, sikeres projekteket szeretne látni.

A helyzet azonban egyelőre ellentmondásos. A tekintélyes S&P Global adatelemző és -szolgáltató cég szerint a generatív MI projektjeik többségét abbahagyó cégek aránya a közelmúltban 17 százalékról 42 százalékra emelkedett. Az online kereskedelemben és a fintech-világban jól ismert svéd Klarna vezére 2025 elején azt nyilatkozta, hogy túl messzire mentek az ügyfélszolgálati munkatársak technológiával történő kiváltásával, a posztokra újra embereket toboroznak.

Akadályok és buktatók

A piaci felmérésekből és a szaporodó példákból arra következtethetünk, hogy a vállalatok alaposan megküzdenek a csodált generatív mesterséges intelligencia hasznosításával. A felmerülő problémák könnyen beazonosíthatók. Íme néhány példa:

• a modellek tréningezéséhez szükséges vállalati adatok gyakran elszigetelt silókban, neandervölgyi IT rendszerekben találhatók, azokból kell azokat nehéz munkával kibányászni;
• igazán tehetséges, felkészült és tapasztalt munkatársakat nem könnyű toborozni,
• az MI használata nem kockázatmentes, márpedig egy vállalati márkát könnyebb lerombolni, mint felépíteni,
• az adatok felhasználásánál számtalan szabályt kell betartani, az etikai vonatkozásokról nem is beszélve, és így tovább.

Igen, a felsoroltak nyilván komoly akadályok és buktatók, ennél azonban mélyebbre kell mennünk. Vajon meglepő, hogy sok MI projekt nem váltja be a hozzá fűzött reményeket, vagy egyszerűen kudarcba fullad, leállítják, sóval hintik be a nyomát?

Bár egy komplex MI fejlesztési-bevezetési projektnek sokféle eleme van, alapvetően mégis IT projektekről van szó. Az, hogy az ilyen projektek körében meglehetősen magas a kudarcok aránya, régi felismerés. Tulajdonképpen már azt sem egyszerű megmondani, hogy mi alapján tekinthető egy IT projekt sikeresnek.

Induljunk ki abból, hogy a gazdasági életben az informatikai beruházások más befektetési/beruházási alternatívákkal versenyeznek. Mivel a költségvetések végesek, nincs mindenre elegendő pénz, a lehetőségeket tanulmányozó döntéshozónak az összehasonlításhoz megfelelő módszerekre, mércékre, mérőszámokra van szükségük.

Nyilván ki lehet mondani, hogy a befektetéseknek meg kell térülniük, a tervezéshez és az értékelésekhez tehát gazdaságossági számítások szükségesek. Az ilyen tárgyú szakkönyvekben azonban kevés információtechnológiai példával találkozhatunk.  Sajnos az az informatikai beruházások haszna és költségei csak igen nagy bizonytalansággal becsülhetők. A rendszerek belesimulnak, beleolvadnak a vállalatok egyéb rendszereibe, folyamataiba, ahonnan szinte lehetetlen kihámozni őket önálló pénzügyi elemzés céljából.

A szép és racionálisan felépített gazdaságossági-megtérülési modelleket tehát nincs mivel „etetni”: módszer van, de nincs hozzá adat, illetve annak akkora a bizonytalansága, hogy az eredmények a döntéshozó munkáját nem könnyítik meg.

Minden kezdet nehéz

Mennyire sikeresek az IT projektek általában? A Standish Group nevű amerikai elemző és tanácsadó cég 1995-ben, vagyis három évtizeddel ezelőtt adta ki első CHAOS jelentését. A beszédes rövidítés azt jelenti, hogy Comprehensive Human Appraisal for Originating Software. Az utolsó két szó arra utal, hogy alapvetően szoftverfejlesztési projekteket vizsgálnak, és azt is tudjuk, hogy nagy, sokezres mintákat használnak. 1995 óta nagyjából kétévente publikálnak új jelentéseket, amelyek sora a trendeket illetően érdekes következtetésekre ad lehetőséget, mondhatni a kérdést történeti perspektívába helyezi.

Megítélésük szerint a szoftverfejlesztés története a következő négy szakaszra bontható:

• 1960-1980: vadnyugati hőskorszak (mindenki csinált, amit tudott, úgy, ahogy jónak látta);
• 1980-2000: a vízesés-módszertan virágzása (szigorúan megszabott lépések lineáris sorozata az igények felmérésétől kezdve a tervezésen át a tesztelésig és a hadrendbe állításig);
• 2000-től napjainkig: az agilitás kora (rugalmasság, gyors alkalmazkodás a változó elvárásokhoz és körülményekhez, iterációs fejlesztés rövid szakaszokban, gyors prototípusok produkálása, felhasználók folyamatos bevonása);
• …és ami csak most jön: folyamatos, vég nélküli fejlesztés minimális projektmenedzsmenttel, kis lépésekkel, gyors döntésekkel, állandó visszajelzésekkel.

A CHAOS jelentések a vizsgál sok ezer projektet a sikerességük alapján három csoportba sorolják:

• Sikeres projektek: határidőre befejeződnek, megszabott költségvetésüket nem lépik túl, minden terveztett képességük megvalósul;
• Várakozáson aluli („challenged”) projektek: túllépik a határidőt és/vagy a költségvetésüket, nem valósul meg minden funkciójuk;
• Kudarcos, elvetélt projektek: a munkát abbahagyják, a projektet törlik.

A korai CHAOS jelentések javuló, de egyébként elég gyászos helyzetről tanúskodtak. 1995-ben az IT projekteknek csak 16 százaléka bizonyult sikeresnek, és bár ez az arány 1998-ban elérte a 26 százalékot, 2000-ben is csak 28 százalékig tudott felkúszni. 1994-ben mindössze 9 százalék volt annak a valószínűsége, hogy egy, a Fortune 500-as kategóriába tartozó amerikai nagyvállalat IT projektjét időben és költségkereten belül befejezik. 1998-ra ugyanebben a nagyvállalati körben a siker valószínűsége 24 százalékra növekedett, de ez sem tekinthető fergeteges győzelemnek.

Az 1998-as jelentés szerint az informatikai projektek a kiskereskedelmi szektorban voltak a legsikeresebbek (59 százalékos sikerarány), amit a kutatók a szektorban szokásos, igen szigorú költséggazdálkodásnak tulajdonítottak.

Ma sem könnyű az élet

A 2020-ban kiadott (a cég nyilatkozata szerint egyébként utolsó) CHAOS jelentés szerint a vizsgált projektek 31 százaléka volt sikeres, a fele tartozott a második kategóriába (várakozáson aluli), és 19 százalék bizonyult teljes kudarcnak. 2020-as kiadás: ezek szerint lényegében közvetlenül a világjárvány és a ChatGPT megjelenése előtti időszakról van szó.

A 30 százalék körüli sikerarány meglepően stabilnak bizonyult az elmúlt évtizedek alatt, ami azt jelzi, hogy az IT projektekkel ma is sok gond van, jóval több, mint más projektekkel. A pontosság kedvéért említsük meg, hogy a Standish Group 2015 óta a sikeresség szempontjából nem a határidőtartást, a pénzügyi fegyelmet és a funkciók teljességét tekinti alapvetőnek, hanem a felhasználók elégedettségét; e változás hét százalékpontos csökkenést eredményezett a sikerességi arányban.

A sikerességi arányok felmérése mellett a Standish Group a sikeresség fontosabb feltételeit is azonosítja. A felméréseknél sok tényezővel dolgoznak, amelyekből a válaszok alapján kiemelik a legfontosabbakat. Korábban tucatnyi tényezőt soroltak fel az élvonalban, amiben tulajdonképpen nincs semmi meglepő, itt van van például a felsővezetői támogatás, az intenzív és tartalmas kommunikáció, a felhasználók bevonása, a közreműködők felkészültsége, az agilis módszertan ismerete és alkalmazása, projektmenedzsment eszközök (sok van belőlük, van miből választani) használata, a projektvezetési szakértelem.

Kevesebb projektmenedzsmentet?

Az utolsó két tényező tekintetében a 2020-as jelentés érdekes fordulatot jelez. A szoftverfejlesztési feladatokat nem tanácsos projektekként kezelni – olvashatjuk benne. A projekt véges valami, a mai világban azonban a szoftverfejlesztésnek soha nincs vége, folyamatosan kell csinálni, kis lépésekben: valamin mindig reszelni, javítani, változtatni kell, nem szabad leülni és hátradőlni, hogy na, kész, befejeztük. A projektvezetők, a szigorú projekt módszertanok inkább károsak, mint hasznosak. A projektvezető nélküli akciók sikerességi rátája magasabb.

Az elemzők által megfogalmazott tanácsokat a következőképpen lehet összefoglalni:

• Gondoskodj a jó (alapvetően emberi) munkakörnyezetről, határolódj el a destruktív emberektől, vond be az érintetteket, tanuljatok közösen! Ne késlekedjetek, gyorsan szülessenek meg a döntések! A gyors döntések általában nem rosszabbak a lassúaknál, sőt.
• Építs jó csapatot, a társaság legyen érzelmileg érett (semmi gyerekes viselkedés), legyenek világos céljai, legyen akadálymentes a kommunikáció és a konfliktusok kezelése!
• Szükség van egy jó szponzorra, egy olyan emberre, aki felelős a sikerért, útmutatást ad, forrásokat biztosít, aki nem merül el a részletekben, aki képes a teljes képet a csapat elé tárni, aki érti, hogy mi tekinthető valódi eredménynek, igazi haladásnak.
• Ne nevezz ki projektmenedzsert, fogd vissza magad a projektmenedzsment-eszközök használatánál! Ezek növelik a költségeket, lelassítják a folyamatokat, felesleges papírmunkát okoznak.
• Légy agilis! Háromszor hatékonyabb, mint a vízesés-módszertan. Az agilitás hasznos, de a projektmenedzsment béklyói nélkül. Ne rögzítsd túl korán és túl részletesen a célokat és az elvárásokat, hiszen az akció elején tudod a legkevesebbet. Kísérletezz, tanulj a tapasztalatokból, tervezz újra és újra! Komplex és dinamikus környezetben, ahol a technológia folyamatosan fejlődik, a felhasználói igények gyorsan változnak, pont erre van szükség.
• Folyamatosan, kis lépésekben, vég nélkül haladj előre! Szoftverfejlesztés? Állj neki, és csináld! Tesztelj mindent, és ellenőrizd, hogy a felhasználók valóban felfogták és befogadták a mindenkori eredményeket és módosításokat. Az átadás nem a „projekt” végén történik, hanem folyamatosan.

Az első három feltétel (lényegében mindegyik emberi, „szoft”) fontosabb a többinél: ha ezek rendben vannak, a többivel sem lesz gond – állítják a Standish Group elemzői. Egy jó csapatnak nem kell megmondani, hogy milyen eszközöket használjon: jobb, ha maguk választják ki a nekik megfelelőt.

Veszélyzóna: komplex és állami

Még egy fontos tanulság a CHAOS jelentésekből: minél nagyobb, minél komplexebb egy IT projekt, annál nagyobb a kudarc valószínűsége, pláne ha állami akciókról van szó. A nagy állami projektek világában látványos kudarcokkal találkozhatunk, amelyek gyakorta politikai hullámokat is vetnek. Egyeseknek kifejezetten hosszú története van, viszonylag jól dokumentáltak, lehet belőlük tanulni. Emeljünk itt ki két példát a ködös Albionból!

A múlt század legvégén a brit posta, pontosabban az az tulajdonló brit állam úgy döntött, hogy itt az ideje egy nagyszabású digitalizálási programnak. Nagyjából 14.000 postahivatal működött az országban: önálló cégek (például mindenféle falusi boltok), amelyek szerződéses kapcsolatban álltak az állami központtal. Az elképzelés az volt, hogy a postamesterek minden tranzakciót azonnal, a helyszínen gépre visznek, az adatok pedig valós időben befutnak a számítóközpontba, ahol automatikusan elvégzik a könyvelési feladatokat. Papírra nincs szükség, a központ pedig mindent lát. Ez volt az akkori Európa legnagyobb, nem katonai jellegű IT projektje.

A rendszer beindult, a könyvelés pedig rövidesen súlyos és tömeges pénzügyi problémákat jelzett: az adatok azt mutatták, hogy nagyon sok helyen pénz hiányzik a kasszából. A kimutatások alapján a központ postamesterek ezreit vádolta meg sikkasztással, akik papíralapú dokumentumok nélkül nem tudtak védekezni. Ítéletek születtek, rengeteg postamester vesztette el az állását, a megélhetését, a jó hírnevét. Egyesek öngyilkosságba menekültek.

A vád képviselői az IT rendszer által produkált adatokra hivatkoztak. Tették ezt mindaddig, amíg sok év elmúltával, a közfelháborodás hatására el nem indult egy tényfeltáró vizsgálat, ami aztán kiderítette, hogy a rendszer hibás, „bogarak vannak a szoftverében”, azért jelez ennyi hiányt a postahivatalok kasszáiban. A jelek szerint a posta ezt vagy nem ismerte fel, vagy nem merte bevallani, ráadásul kommunikációs trükkökkel, információk visszatartásával próbálta megosztani és sötétségben tartani a megvádoltakat.

Emberi és politikai okokból

Az eredeti elképzelés modern volt és ambiciózus, a szoftverhibákat pozitív hozzáállással valószínűleg könnyű lett volna feltárni és kijavítani, de emberi és politikai okokból (tévedhetetlenek vagyunk, nem mutathatunk gyengeséget, minden eszközzel meg kell védenünk a tekintélyünket…) nem így történt. Az akció, ahogy jeleztük, 1999-ben indult el, és (nagyrészt tényfeltáró újságírók kitartó munkájának köszönhetően) 2024-ben jutott el odáig, hogy Rishi Sunak, a szigetország miniszterelnöke a brit történelem legnagyobb jogi botrányának nevezte, de ezzel még aligha van vége a történetnek.

Századunk elejéig nyúlik vissza a brit egészségügyi rendszer nagyszabású digitalizálási projektjének története is. Még Tony Blair indította el, aki ambíciókkal és energiával tele valami nagyot akart felmutatni, ki akarta rángatni az egészségügyet a sötét középkorból. Egy ekkora projekt feltétlenül politikai üggyé válik. A tervekben tíz évet szántak rá, és közel 12 milliárd dollárnak megfelelő összeget. A feladat: megépíteni egy olyan számítógépes rendszert, ami összekapcsol több mint százezer orvost, közel négyszázezer nővért, további félszázezer egyéb egészségügyi szakembert, elektronikus alapokra helyezi a dokumentumok tárolását és lekérését, lehetővé teszi a páciensek elektronikus bejelentkezését, a receptek automatikus továbbítását a patikákba, és így tovább. A meglévő rendszer egy nagy és zavaros bazárhoz hasonlított, valóban ráfért a modernizálás és az egységesítés.

Eközben a valóságban

A valóság azonban számos tekintetben rácáfolt a tervekre. A tényleges költségek pár év múlva már az eredeti számok többszörösénél jártak. Nehézségeket okozott, hogy a programozók, a rendszerfejlesztők és architektúratervezők nem voltak kellő mértékben tisztában a brit egészségügyi rendszer terminológiájával és tényleges működési rendszerével. Ráadásul az offshore-outsourcing jegyében a szoftverfejlesztési munka egy részét kivitték Indiába, jó messzire a brit kórházaktól, orvosoktól és nővérektől. Szaporodtak a késedelmek, a költségtúllépések, a szállítói és alvállalkozói problémák, az orvosok és a nővérek zúgolódtak és jelezték, hogy nem kapnak kellő tájékoztatást a projektről.

A friss híradásokat tanulmányozva láthatjuk, hogy a brit egészségügy digitalizálásának programja máig sem jutott nyugvópontra. Most már nyilván a mesterséges intelligencia korábba kellene átvinni a rendszert. Érdekes, gyakran szélsőséges véleményeket lehet olvasni arról, hogy a múltban mit kellett volna másképp csinálni, és hogy a jelenre meg a jövőre vonatkozóan milyen tanulságokat kellene levonni a történtekből. A centralizált, top-down megoldásnak és a decentralizált, agilis, bottom-up megközelítésnek egyaránt vannak hívei. Le lehet zárni vajon valamikor egy ilyen projektet, és egyáltalán, projektről van itt szó tulajdonképpen?

Miért zápul meg annyi projekt?

Az említett brit példák nagyszabású, rendkívül komplex, sokszereplős, politikával mélyen átitatott akciók. Távolodjunk el most ezektől, és térjünk vissza az eredeti kérdéshez: miért zápul meg meglepően sok IT projekt? Érdekes kérdés ez, amire még nincs igazán meggyőző válasz, nyitott a pálya a kutatóknak. Néhány általános okot mindazonáltal könnyen felsorolhatunk:

• Utakat, hidakat, katedrálisokat, házakat, gyárakat, erőműveket régóta építünk

Régen sok híd dőlt össze építés közben, ma ez ritka esetnek számít. Rengeteg tudás, tapasztalat, követendő szabály, modell, előírás gyűlt össze az ilyen akciókkal kapcsolatban, az IT azonban ezekhez képest újnak számít, több évtizede múltja ellenére még mindig gyerekcipőben jár. Az ISO szabvány például csak 1990 körül jelent meg ezen a területen. Az IT akadémiai vonalon is a fiatal tudományágak közé tartozik, a szakma nem olyan szabályozott, mint például az orvosoké vagy a hídépítő mérnököké.

• A szoftver nem jelenik meg úgy a fizikai valóságban, mint mondjuk egy felüljáró

A hibákat nehéz észrevenni, mivel azok jó része nem jelenik meg vizuálisan. Egy épülő hídnál szabad szemmel is lehet látni, ha a két vége nem fog összeérni – egy szoftvernél ezt nehezebb megmondani, és az sem teljesen világos, hogy mi számít haladásnak, mérföldkőnek. A megrendelők (akik informatikai tekintetben gyakran laikusok) és a szállítók már csak ezért is nehezen értik egymást, más nyelven beszélnek. A státuszjelentések gyakran ellenőrizhetetlenül optimisták.

• Egy ház megtervezésénél és felépítésénél általában kevés változás és meglepetés adódik

Az IT projektek környezete és feltételrendszere azonban rendkívül dinamikus lehet: változnak az elvárások, a személyek, a szituációk, a költségvetések, sorra jönnek a technikai újdonságok. Gondoljunk csak az említett, sokéves brit egészségügyi projektre: hány IT innováció jelent meg menet közben? Az örökölt rendszerek dokumentációja gyakran hiányos, pontatlan, fejlesztőik talán már régen nyugdíjba mentek. A bonyolult összefüggések miatt egy egy-változtatás vagy hiba dominó-hatást idézhet elő.

• Technikai jellegük ellenére az IT projektek tele vannak emberi vonatkozásokkal

A célok bizonytalanok és változékonyak lehetnek, nem ritkák az elvárások közötti ellentmondások, konfliktusok, az eszkalációs tisztázatlanságok. Egy-egy összetettebb IT rendszernek szervezeten kívül és belül általában számos érintettje van, sok ember munkáját, tekintélyét, alkupozícióját, elégedettségét befolyásolja, a hadrendbe állítása számos emberi változást, bizonytalanságot, konfliktust hozhat, amit az érintettek csak fokozatosan ismernek fel, és ha sértve érzik magukat, bizony ellenállnak, mindenféle hatalmi, befolyásolási játszmákba kezdenek. Az IT projektek alapvetően változási projektek, rutinokat törnek szét, akár az emberek megélhetését is veszélyeztethetik.

Az elmondottak alapján nyugodtan kijelenthetjük, hogy az egyébként CHAOS jelentések alapján jelzett siker- és kudarcarányok tulajdonképpen nem meglepők. Bár a felméréseket övező homály (reprezentativitás, definíciós bizonytalanságok, zárkózottság, nehezen értelmezhető ajánlások stb.) miatt azokat sokan bírálják, a számokon és a megállapításokon érdemes elgondolkodni. A képet más felmérések finomítják, pontosítják, de az alapvető helyzet nem változik, és ahogy jeleztük, bőven van tér további kutatásokhoz.

Több sikert hoz a mesterséges intelligencia?

A következő kérdés az, hogy milyen változásokat hoz ezen a téren a mesterséges intelligencia, ami állítólag mindent átalakít a céloktól kezdve az eszközökön át egészen a programozás konkrét módjáig. Több lesz a siker vagy éppenséggel kevesebb? Kevés tapasztalatunk van még ezen a téren, értékelhető, nagy mintákból származó adatunk még kevesebb, de néhány dologra már most felhívhatjuk a figyelmet.

A pozitív, sikeresnek mondható példák száma kétségtelenül szaporodik. A Kosárérték profiljára és olvasóira való tekintettel nézzünk körül a kereskedelem területén! A mesterséges intelligenciát már számos helyen használják az értékesítés optimalizálására. Hasznosnak bizonyult például vásárlási élmények elemzésénél, lemorzsolódások előrejelzésénél, piaci szegmensek azonosításánál, az értékesítési csapatok eredményességének értékelésénél, piaci jelentések összeállításánál, értékesítési lehetőségek („leadek”) rangsorolásánál, új vásárlók megnyerésénél, az érdeklődők tájékoztatásánál, piaci kísérletek megtervezésénél és értékelésénél.

MI eszközök segítik az ügyfelek megtartását, fontos mintázatok, szabályosságok feltárásával támogatják a vevők értékelését. Ígéretes vadászterület a marketing optimalizálása is: MI eszközök figyelik a versenytársak viselkedését, elemzik a pozíciójukat, megvilágítják a versenyben mutatkozó trendeket, fordulatokat. Az elemzések és prognózisok segítségével optimalizálni lehet a marketing kiadásokat, pontosabban lehet célozni, növelni lehet a kosarak értékét. Az MI sokfelé hasznosnak bizonyul a logisztikában és a készletgazdálkodásban is: jól megválasztott eszközökkel optimalizálni lehet a készleteket, a kiszállításokat, előre lehet jelezni egyes problémákat, áruszállítási késedelmeket.

A korábban már említett S&P Global cég 2024-es felmérése szerint a megkérdezett vállalatok 18 százaléka jelezte, hogy széles körben használ MI eszközöket, és azok szervesen beépültek a cég működésébe. Csak 4 százalékuk válaszolta azt, hogy egyáltalán nem használ ilyeneket. A többiek valahol a két véglet között lebegnek: használnak MI eszközöket, de csak informálisan, csak egyes helyeken; próbálkoznak, kísérleteznek.

Az elemzők szerint az adatokból hat kiemelkedő felhasználási terület rajzolódik ki:

• költségmenedzsment;
• működési hatékonyság;
• kockázatmenedzsment;
• bevételek növelése;
• alkalmazottak elégedettsége;
• vásárlók elégedettsége.

A mezőnyt az ügyféladatokban mutatkozó mintázatok feltárását célzó elemzések vezetik. Az értékesítés, a marketing és az ellátási láncok felhasználási fölénye nem meglepő. A McKinsey 2018-ban azt jósolta, hogy ezek messze ki fognak emelkedni a mezőnyből: az MI-től a következő két évtizedben az első kettőnél együttesen 1,4 trillió dollárnyi új érték teremtése várható, a harmadiknál, vagyis az ellátási láncok menedzsmentjénél pedig 1,3 trillió. Más területeken ezeknél jóval kevesebb várható. Kérdés persze, hogy igaznak bizonyul-e ez a jóslat – térjünk vissza rá 2038-ban!

Lássunk néhány példát! Egy vezető brit online szupermarket naponta nagyjából tízezer e-mailt kap az ügyfeleitől. A leveleket mesterséges intelligencia osztályozza fontosság és téma szerint, megválaszolja azokat vagy eljuttatja a felmerült probléma szakértőihez. A levelek tartalmából MI eszköz szűri ki a cégre vonatkozó általános piaci érzületet, a „szentimentet”. Egy amerikai online élelmiszerkereskedelmi vállalkozás mesterséges intelligenciával szabályozza az elosztó pontjain tartott készletei nagyságát annak érdekében, hogy áruhiány vagy túlkészletezés miatt ne maradjon pénz az asztalon. Okos rendszerének köszönhetően egy órán belüli kiszállításokat tud vállalni. Egy francia kereskedelmi lánc MI megoldással szervezi boltjaiban a polcok feltöltését.

Sikeresebbek az MI projektek?

A pozitív trendek ellenére a fejlődés nem egyértelmű diadalmenet. A felhasználóknak súlyos költséggazdálkodási és fenntarthatósági kérdéseket kell megoldaniuk. Sokan kísérleteznek, de a valóságos, mérhető eredményekért alaposan meg kell dolgozni, és ez egyelőre keveseknek sikerül. A generatív MI mindenki által hozzáférhető eszközei izgalmasak és hasznosak, de mivel bárki használhatja őket, nem biztosítanak tartós versenyelőnyt: nehézsúlyú, egyedi MI eszközökre is szükség van

Mekkora lehet a sikertelen, megzápult, illetve a sikeres MI projektek aránya? A már befutott adatokat ajánlatos nagyon óvatosan értékelni. A CHAOS jelentéseket olvasva nem lenne meglepő a 30 százalék körüli sikerarány. A valóság sajnos ennél egyelőre sötétebb képet mutat. A RAND nevű amerikai agytröszt nemrég kiadott elemzése szerint az MI kudarcok aránya egyelőre ijesztően nagy, 70-85 százalék közé tehető. Egyelőre, mert ez idővel nyilván változni fog, amikor már elég sokan megfizették a tanulópénzt.

A mesterséges intelligencia valószínűleg azokhoz az IT eszközökhöz tartozik, amelyek nagyon hasznosak egyes helyeken, de csődöt mondanak másutt. Emlékezzünk a Gartner megállapítására a kiábrándulás völgye felé való közeledésről. Jó hír: ez az út nem a pokolba vezet, hiszen a kiábrándulás völgye után a felvilágosodás fennsíkja következik, amikor kevesebb lesz a kudarc, mert a technológiát arra használják, amire tényleg jó.

A szokásos, fentebb már felsorolt okok mellett mivel magyarázható a kudarcok meglepően nagy aránya? A cikk vége felé közeledve soroljunk fel néhány jellegzetes buktatót és kockázatot! A felsorolásnál nagy vonalakban kövessük a RAND agytröszt megállapításait és ajánlásait. Felfogásukban kudarc az, amit az érintett szervezet annak érez: lehet, hogy egy projektet határidőn belül fejeztek be, a költségvetést sem lépték túl, a tervezett funkciók is megvalósultak, de ha az eredmény mégse tetszik a szervezetnek, például azt mondja, hogy „Szép, szép, de én nem ilyen lovat akartam!”, akkor bizony kudarcról van szó.

Ezek a tipikus okok

A kudarc szervezeti szempontból eredhet felülről, de jöhet alulról is. Tipikusan felülről eredő kudarcforrás az, amikor rossz problémát akarnak mesterséges intelligenciával megoldani: a tervek teljesülnek, de az eredménynek nincs komoly hatása a szervezetre, irodalmi nyelven a projekt sok hűhó semmiért. A mesterséges intelligencia nagyon modern és izgalmas eszköz, imponáló prezentációkat lehet róla tartani, de egyszerű problémák megoldásához nem kell mindjárt a nehéztüzérséget beveti. Rengeteg olyan üzleti probléma van, amelyek megszokott és begyakorlott, hagyományos statisztikai eszközökkel is jól megoldhatók, nincs szükség mesterséges intelligenciára. A témában kevésbé járatos vezetők túl sokat várhatnak az MI-től, aztán ha csalódnak, sarokba dobják az egészet.

Az is előfordul, hogy az irányítás csúcsán rossz eredménymutatókat adnak meg, ami aztán félreviszi a végrehajtók gondolkodását. Elhibázott döntésekkel súlyos kommunikációs problémákat is lehet okozni, pláne akkor, ha gyakran változnak vagy ellentmondásosak a vezetői prioritások. Jellegzetes probléma, hogy tapasztalatok hiányában a projektek megvalósításához szükséges időt alábecsülik.

Kudarchoz vezető problémák alulról is jöhetnek. Az üzleti vezetők és az adattudósok motivációját, céljait nem könnyű összeegyeztetni. Az előbbiek üzleti eredményeket akarnak elérni, az utóbbiakat jobban érdekelheti a saját szakmai előmenetelük, hírnevük, a munkaerőpiacon jól eladható képességeik fejlesztése. Az üzleti vezető több bevételt, nagyobb nyereséget, alacsonyabb működési költségeket, új piacokat szeretne kapni a mesterséges intelligenciától, a technikai szakembereket viszont a megoldandó üzleti problémánál jobban érdekelheti a technológia maga: ki akarják próbálni az új eszközöket akkor is, ha ágyúval lőnek verébre.

Az eddigi tapasztalatok szerint sok MI projekt az adatok miatt bukik meg. Olyan adatbázisokkal lehet MI modelleket tréningezni, amelyek

• pontosak (az adatok a valóságot mutatják);
• konzisztensek (az adatok egységes, standard formátumban tároltak);
• teljesek (minden releváns információ megvan a mintázatok és összefüggések felismeréséhez);
• aktuálisak, időben rendelkezésre állnak;
• relevánsak, szorosan kapcsolódnak megoldandó problémához.

Sajnos az adatokkal általában rengeteg baj van, a megszerzésük, tisztogatásuk, fogyaszthatóvá tételük sokszor az MI projektek legidőigényesebb és legkínosabb szakasza, unalmas és frusztráló sokak számára. Sok helyen olyan adatokkal kell dolgozni, amelyeket eredetileg nem MI célokra szántak, nincs gazdájuk, összegyűjtésük, tárolásuk nem szakszerű és nem biztonságos, kezelésüknek nincsenek átgondolt szabályai, hiányzik hozzá a megfelelő infrastruktúra. Ha az adatbázisok nem teljesek, torzítanak, előítéleteket, hibás emberi ítéleteket tartalmaznak, az MI felerősítheti a hibákat. Különösen vigyázni kell a szintetikus adatokkal: elővigyázatlan kezelésük hibák lavináját indíthatja el.

Végül néhány tanulság

Bár számos kérdést nyitva hagytunk, foglaljuk össze a tanulságokat, méghozzá elsősorban az online kereskedelem szereplőinek szempontjából. Informatikai rendszereik fejlesztése számukra létkérdés. A digitalizálás szerte a nagyvilágban évtizedek óta gyors tempóban halad előre, a kudarcok magas aránya az IT projektek körében – különösen most, amikor beindult a hajsza a mesterséges intelligencia használatáért – azonban gondolkodásra kell, hogy késztesse a döntéshozókat.

A tapasztalatok alapján nyugodtan kijelenthetjük, hogy az MI hatásos eszközöket szolgáltat a kínálat testre szabáshoz, a dinamikus, különböző csoportokhoz és szituációkhoz igazodó árazáshoz, a forgalmi előrejelzésekhez, a csalások felderítéséhez, az ellátási láncok optimalizálásához, a készletgazdálkodás modernizálásához, de a beindított projektek sokszor vakvágányra futnak olyan akadályok miatt, mint a célok homályossága, a tréningezéshez használt adatbázisok gyenge minősége és hiányos volta, a meglévő rendszerekkel való integráció nehézségei és egy egész sor vezetési és emberi probléma.

A sikerességhez nem elegendő a technikai szakértelem: szükség van az üzleti célok és elvárások pontos meghatározására, összehangolására és kommunikálására, gondos ügyfél-életút és ügyfélélmény tervezésre, a technológiai szigor emberközpontú tervezéssel való kombinálására, a mesterséges intelligencia használatával összefüggő etikai és jogi kérdések megnyugtató rendezésére. Fenntartható és igazán hasznot hozó MI rendszereket csak így lehet felépíteni. A cikk elején bemutattuk, hogy milyen sok pénzről van szó – jó lenne, ha megtérülne.

*Bőgel György  legfrissebb, Nagy Dániel Attilával közösen írt könyvét „Mesterséges intelligencia a gazdaságban” címmel májusban adta ki a Typotex Kiadó.