AI zrelost: što to znači za vašu organizaciju

Što znači AI zrelost

AI zrelost mjeri koliko je korištenje umjetne inteligencije u nekoj organizaciji razvijeno i promišljeno, izvan samog postojanja alata umjetne inteligencije. Većina okvira to opisuje kao model AI zrelosti, koji prelazi s ranog, nestrukturiranog eksperimentiranja na potpunu integraciju umjetne inteligencije.

U najranijoj fazi, šačica zaposlenika koristi umjetnu inteligenciju na vlastitu inicijativu. Nitko to nije odobrio niti je ikoga obučio za to. Rezultati su nedosljedni, a rad rijetko tko drugi ponovno koristi.

U sljedećoj fazi, timovi provode strukturirane pilot-projekte. Odjel odabire određen zadatak, provodi ga uz pomoć umjetne inteligencije i mjeri je li dobro funkcionirao. Inteleos, neprofitna organizacija koja provodi ispite za medicinske certifikate, uvela je Perplexity Enterprise kako bi pomogla u sastavljanju manje važnih pitanja za kvizove. Kada se pilot-projekt pokazao uspješnim, Perplexity je uveden za 88% Inteleosovog tima.

Kako tvrtke postaju zrelije u korištenju umjetne inteligencije, počinju ugrađivati alate umjetne inteligencije u standardne tijekove rada i povezivati ih s podacima i sustavima tvrtke. Na primjer, u Paypal-u, timovi za korporativni rizik koriste Perplexity kao dio standardnog sigurnosnog tijeka rada, provjeravajući ID-jeve unakrsnim provjeravanjem podataka o vlasništvu i označavajući sumnjive račune.

I na najzrelijoj razini, tvrtka je prilagodila svoje proizvode, poslovni model ili poslovanje kako bi u potpunosti ugradila umjetnu inteligenciju. Također mogu koristiti agencijske AI sustave i modele koji međusobno prenose posao. U tvrtki Rox, na primjer, umjetna inteligencija je ugrađena u sam proizvod: agenti automatiziraju dijelove istraživanja prodaje i održavanja CRM-a, dok Perplexityjevi API-ji pružaju vanjsku inteligenciju koja podržava te tijekove rada.

Zašto je AI zrelost važna

Osobni dobici u produktivnosti od umjetne inteligencije relativno su česti, što je izvijestilo 80% ispitanika u McKinseyjevoj anketi za 2026. godinu. No samo njih 37% izjavilo je da je to pridonijelo operativnoj dobiti (EBIT) njihove organizacije.

Čini se da je razlika u rezultatima povezana sa zrelošću korištenja umjetne inteligencije u tvrtki. McKinseyjevi uspješni korisnici umjetne inteligencije, koji čine oko 6% ispitanika, pripisuju najmanje 5% operativne dobiti (EBIT) umjetnoj inteligenciji i opisuju tu vrijednost značajnom.

Tvrtke sa zrelim programom umjetne inteligencije dijele neka temeljna ponašanja:

• Restrukturirali su tijekove rada oko rješenja s umjetnom inteligencijom. Gotovo tri četvrtine McKinseyjevih uspješnih korisnika redizajniralo je tijekove rada zbog umjetne inteligencije, u usporedbi s jednom četvrtinom ostalih ispitanika.
• Više rukovodstvo posvećeno je korištenju umjetne inteligencije. U BCG-ovoj studiji iz 2025. godine koja je obuhvatila 1.250 izvršnih direktora, gotovo svih 5% tvrtki s najvišim ocjenama AI zrelosti izvještava o duboko angažiranim upravnim odborima, u usporedbi s 8% od 60% tvrtki s najnižim ocjenama.
• Prioritet im je razvoj vještina (engl. Skill) zaposlenih u području umjetne inteligencije. Iste vodeće tvrtke očekivale su da će te godine obučiti više od 50% svoje radne snage za rad s umjetnom inteligencijom, u odnosu na 20% u tvrtkama s najnižim ocjenama.
• Uveli su rješenja agencijske umjetne inteligencije. McKinseyjevi uspješni korisnici imali su više nego trostruko veću vjerojatnost da će skalirati agente u većini poslovnih funkcija.

AI zrelost: popularni okviri

Gartnerov model AI zrelosti temelji procjenu zrelosti organizacije na tome koliko je umjetna inteligencija dobro integrirana u njihove procese. Ocjenjuje organizaciju zasebno u sedam područja: strategija, podaci, upravljanje, inženjering, operativni model, kultura i vrijednost umjetne inteligencije. Organizacije se zatim svrstavaju u jednu od pet faza:

• Temeljna: Eksperimentalno korištenje, slaba koordinacija
• U nastajanju: Pokrenuti rani pilot-projekti, određeni interes rukovodstva
• Operativna: Umjetna inteligencija se koristi u poslovnim procesima
• Skalirana: Umjetna inteligencija se koristi u višestrukim funkcijama, donoseći mjerljiv povrat ulaganja (ROI)
• Transformacijska: Umjetna inteligencija utječe na donošenje odluka i operativne modele, donoseći značajnu konkurentsku prednost

Deloitteov model zrelosti automatizacije umjetne inteligencije mjeri zrelost specifično prema tome koliko su duboko agenti ugrađeni u procese tvrtke.

• Razina 1: Standardna automatizacija bez uključenih agenata.
• Razina 2: Osnovna automatizacija, agenti uvođeni u postojeće procese.
• Razina 3: Procesi aktivno redizajnirani oko mogućnosti agenata.
• Razina 4: Sama organizacija je restrukturirana oko mogućnosti umjetne inteligencije.

Okvir za usvajanje umjetne inteligencije (AI Adoption Framework) Google Clouda prati zrelost kroz tri faze.

• Taktička: Jednostavni, uski slučajevi korištenja umjetne inteligencije, često bez koherentnog plana za ono što dolazi kasnije.
• Strateška: Umjetna inteligencija pruža održivu poslovnu vrijednost, s nekoliko sustava implementiranih i održavanih u produkciji.
• Transformacijska: Umjetna inteligencija je središnji dio organizacije, potiče inovacije i podržana je strukturom za njeno daljnje skaliranje.

Također dijeli zrelost na šest tema, od kojih se svaka formira na presjeku dvaju temeljnih područja: ljudi, procesi, tehnologija i podaci.

• Učenje (Learn): kvaliteta i razmjer programa za izgradnju vještina (engl. Skill) u području umjetne inteligencije.
• Vođenje (Lead): ima li rad s umjetnom inteligencijom podršku vodstva i koordinaciju među timovima.
• Pristup (Access): koliko se lako podaci i resursi umjetne inteligencije mogu dijeliti i ponovno koristiti u cijeloj organizaciji.
• Skaliranje (Scale): mogu li usluge izvorno prilagođene oblaku (cloud-native) podnijeti radna opterećenja umjetne inteligencije u stvarnom obujmu.
• Sigurnost (Secure): koliko su podaci i sustavni resursi umjetne inteligencije zaštićeni i odgovorno upravljani.
• Automatizacija (Automate): koliko pouzdano sustavi umjetne inteligencije rade u produkciji.

Iako se okviri razlikuju u pogledu fokusa i mjerenja, oni prikazuju isti put zrelosti: nestrukturirano eksperimentiranje, zatim pilot-projekti uz podršku rukovodstva, zatim umjetna inteligencija ugrađena u svakodnevni rad i konačno umjetna inteligencija koja preoblikuje samu organizaciju.

AI zrelost: uobičajene prepreke

Četiri prepreke obično stoje na putu AI zrelosti u organizacijama. Evo kako ih riješiti:

1. Kvaliteta podataka

Prilikom uvođenja međufunkcionalnih pilot-projekata umjetne inteligencije, odaberite prvi slučaj korištenja umjetne inteligencije, a zatim identificirajte jedan ili dva izvora podataka na koje se oslanja. Pobrinite se da ti izvori budu:

• Organizirani: čuvajte samo one zapise koji su potrebni za slučaj korištenja, na jednom mjestu.
• Točni: uklonite duplikate, ispravite zastarjele zapise i provjerite ima li pogrešaka.
• Vlasnički: imenovati osobu koja brine o točnosti podataka i odlučuje tko ih može mijenjati.

Dodajte više izvora podataka tek nakon što prvi daju pouzdane odgovore. Definirajte zajedničke izraze, kao što je ono što se računa kao aktivni kupac, na jednom mjestu s kojeg alat umjetne inteligencije čita.

2. Vještine (engl. Skill)

Postavite ponavljajući blok u kalendaru, dnevno ili tjedno, kako bi ljudi vježbali korištenje umjetne inteligencije na vlastitom poslu, sami ili u grupi. Podučite zaposlenike kako provjeriti izvore umjetne inteligencije i procijeniti njezine rezultate.

Prije uvođenja novog tijeka rada s umjetnom inteligencijom, zamolite ljude koji obavljaju taj zadatak da zapišu korake, isprobaju verziju s umjetnom inteligencijom i navedu u čemu ona podbacuje. Povežite umjetnu inteligenciju s alatima koji se već koriste i testirajte s nekoliko korisnika prije šireg uvođenja.

3. Upravljanje

Jasna pravila o alatima, podacima i reviziji omogućuju da korištenje umjetne inteligencije raste i brzo se skalira bez dodavanja rizika. Objavite kratak popis odobrenih alata i zahtijevajte prijavu u tvrtku. Postavite razine podataka koje definiraju koje vrste podataka mogu ići u koje alate.

Odlučite koliko ljudske revizije zahtijeva svaka vrsta posla, svrstavajući svaki tijek rada potpomognut umjetnom inteligencijom u jednu od tri kategorije: u vlasništvu umjetne inteligencije, s ljudskom revizijom ili u ljudskom vlasništvu. I vodite evidenciju o tome koji su alati umjetne inteligencije korišteni za koji posao i tko je pregledao ishod, tako da se pogreška može pratiti do njezinog izvora i ispraviti.

4. Poslovna vrijednost

Više od 60% tvrtki s najvišim ocjenama zrelosti pomno prati vrijednost umjetne inteligencije, u usporedbi s 17% stagnirajućih tvrtki, utvrdio je BCG. Odaberite jedan mjerljivi tijek rada i zabilježite polaznu osnovu: vrijeme, trošak i stopu pogrešaka. Postavite kriterije uspjeha i datum donošenja odluke prije početka pilot-projekta. Pratite trošak po korištenju od prvog dana i skalirajte tek nakon što rezultati nadmaše polaznu osnovu.

AI zrelost: rječnik pojmova

Usvajanje umjetne inteligencije (AI adoption): Mjera u kojoj se alati umjetne inteligencije koriste. To se često koristi naizmjenično s AI zrelošću, ali njih dvoje se razlikuju: zrelost se odnosi na sustavno korištenje umjetne inteligencije u cijeloj organizaciji. Usvajanje jednostavno znači koliko ljudi to koristi.

Spremnost na umjetnu inteligenciju (AI readiness): Jesu li infrastruktura i podaci spremni za dobro korištenje umjetne inteligencije. Organizacija može imati čiste podatke i čvrstu infrastrukturu, a ipak zaostajati u zrelosti ako nije prilagodila način na koji posluje mogućnostima umjetne inteligencije.

AI zrelost: Koliko se namjerno i učinkovito koristi umjetna inteligencija. Usvajanje i spremnost omogućuju zrelost, ali je ne jamče.

Upravljanje umjetnom inteligencijom (AI governance): Pravila i procesi koji određuju kako se umjetna inteligencija odgovorno koristi unutar organizacije, tko odobrava nove slučajeve korištenja i što se pregledava.

Agencijska umjetna inteligencija (Agentic AI): Sustavi umjetne inteligencije koji mogu samostalno djelovati i izvršavati zadatke u više koraka, umjesto da samo odgovaraju na jedan upit.

Orkestracija: Izvođenje više AI agenata, gdje jedan može prenijeti dio zadatka drugome, umjesto korištenja svakog zasebno.

AI zrelost: Brza samoprocjena

Odgovaranje na nekoliko pitanja može svakom zaposleniku pružiti okvirnu predodžbu o tome gdje se njihova organizacija nalazi.

Gdje se Perplexity uklapa

Perplexity Computer podržava put prema organizacijskoj AI zrelosti spajanjem 20 naprednih modela u jedan sustav koji obuhvaća istraživanje (engl. Research), analizu, sadržaj i kod, umjesto pokretanja svakog kao zasebnog alata. Izravno usmjerava posao između tih modela, što je vrsta orkestracije koja označava naprednije faze zrelosti.

Često postavljana pitanja (FAQ)

Što je model AI zrelosti?
Okvir koji ocjenjuje sposobnost organizacije u području umjetne inteligencije i dodjeljuje joj razinu na temelju toga koliko je korištenje umjetne inteligencije razvijeno i promišljeno.

Koje su faze AI zrelosti?
Većina okvira opisuje sličan luk: nestrukturirano eksperimentiranje, zatim strukturirani pilot-projekti, zatim umjetna inteligencija ugrađena u svakodnevne tijekove rada, a zatim umjetna inteligencija koja autonomno radi u cijeloj organizaciji.

Po čemu se AI zrelost razlikuje od usvajanja umjetne inteligencije?
Usvajanje mjeri koriste li se alati umjetne inteligencije uopće. Zrelost mjeri koliko se učinkovito koriste.

Koja je razlika između AI zrelosti i spremnosti na umjetnu inteligenciju?
Spremnost mjeri jesu li infrastruktura i podaci na mjestu za dobro korištenje umjetne inteligencije. Zrelost mjeri je li organizacija zapravo izgradila svoje poslovanje oko te sposobnosti.

Što znači upravljanje umjetnom inteligencijom?
Pravila i procesi koji određuju kako se umjetna inteligencija odgovorno koristi unutar organizacije, uključujući tko odobrava nove slučajeve korištenja i što se pregledava prije primjene.

Što je agencijska umjetna inteligencija?
Sustavi umjetne inteligencije koji mogu djelovati samostalno, izvršavajući zadatke u više koraka umjesto da samo odgovaraju na jedan upit.

Što je orkestracija umjetne inteligencije?
Pokretanje više modela ili sustava umjetne inteligencije zajedno, tako da jedan može prenijeti dio zadatka drugome, umjesto korištenja svakog alata zasebno.

Kako organizacija može poboljšati svoju AI zrelost?
Prelaskom s izoliranog eksperimentiranja na strukturirane pilot-projekte s jasnim vlasništvom, zatim povezivanjem umjetne inteligencije sa stvarnim podacima i tijekovima rada te ugradnjom upravljanja za slučajeve u kojima umjetna inteligencija može djelovati bez revizije.