Im skuteczniej organizacja wykorzystuje AI do optymalizacji istniejącego modelu biznesowego, tym trudniej może być jej dostrzec moment, w którym model ten przestaje odpowiadać zmieniającym się potrzebom i logice rynku. AI sprawia bowiem, że przewagi konkurencyjne budowane latami – oparte na wiedzy, bazach danych, technologiach czy wyspecjalizowanym personelu – tracą na znaczeniu szybciej, niż organizacje są skłonne to przyznać
Pisałem ostatnio o wpływie kultury organizacyjnej na zdolność firm do wdrażania rozwiązań opartych na AI. Postawiłem tezę, że organizacje, które charakteryzuje rozwinięta kultura innowacji i wspierające intraprzedsiębiorczość mają i będą miały istotnie większą łatwość w adaptowaniu narzędzi i rozwiązań wykorzystujących sztuczna inteligencję.
Chciałbym dalej tę myśl rozwinąć, bo istotne jest aby spojrzeć jeszcze na to z perspektywy klasycznego dylematu strategicznego – explore vs. exploit, czyli napięcia pomiędzy eksploatacją obecnego modelu biznesowego a poszukiwaniem nowych możliwości wzrostu. Stawiam tutaj kolejną tezę: samo zaangażowanie we wdrażanie AI nie tylko nie gwarantuje długoterminowego sukcesu, a może nawet go podkopać. Dlaczego? Bo firmy, szczególnie te duże, naturalnie “ciążą” w kierunku eksploatacji, zaniedbując jednocześnie eksplorowanie. Istnieje według mnie realne ryzyko, że inicjatywy i działania w obszarze AI skoncentrują uwagę organizacji wyłącznie na optymalizacji istniejącego modelu, uśpią czujność strategiczną i stworzą pozorne poczucie postępu, podczas gdy faktyczna transformacja rynku będzie zachodzić poza polem widzenia.
Exploit vs Explore
Firmy funkcjonują bowiem w stałym napięciu, a często wręcz konflikcie, między „exploit” a „explore”, czyli w skrócie – eksploatacją obecnego modelu biznesowego, a poszukiwaniem nowych. W praktyce jednak naturalnie skupione są wokół tej pierwszej części – struktura organizacyjna, kultura, zasoby, procesy są organicznie zorganizowane są wokół optymalizacji i skalowania obecnego modelu – tak aby wycisnąć z niego jak najwięcej przy użyciu jak najmniejszych zasobów. Eksploatacja jest przy tym bardziej przewidywalna, łatwiejsza do zaplanowania, bazuje na znanych miernikach, rynkach, segmentach klientów i zasobach. Działania w tym obszarze dają szybką i czytelną informację zwrotną: optymalizacja prowadzi do obniżenia kosztów, wzrostu marży i poprawy wyniku finansowego. A w przypadku wdrożeń AI mogą one (i pewnie często będą) skutkować skokowym wzrostem wydajności w relatywnie krótkim czasie i potężnym sygnałem wzmacniającym.
Oczywiście inwestowanie w działania podtrzymujące lub zwiększające marżę i skalę są absolutnie logiczne i finansowo uzasadnione – przynajmniej w krótkim horyzoncie. Ale z tych powodów tak trudno organizacjom opuszczać naturalne środowisko i zapuszczać się na niepewny grunt eksploracji. Poszukiwanie nowych rynków, modeli biznesowych czy propozycji wartości wiąże się z wysokim poziomem niepewności, brakiem jasnych mierników sukcesu oraz koniecznością poruszania się poza znanymi ramami i często postrzegane jest jako odciąganie uwagi od „realnych problemów”, czyli skutecznego zarządzania obecnym biznesem. Dlatego choć firmowe strategie, oczekiwania zarządów i deklarowana potrzeba zmiany często kierunkowo odnoszą się do obszaru explore (potrzebujemy czegoś nowego), to jednak w praktyce kończą się na exploit (zarabiamy więcej na tym samym)- na ulepszaniu tego, co już istnieje. Robimy to samo, tylko szybciej, taniej i sprawniej, nie kwestionując fundamentalnych założeń modelu biznesowego.
O tym, jak krótkowzroczna potrafi być taka koncentracja uwagi, świadczą liczne przykłady firm, które mimo operacyjnej doskonałości utraciły pozycję rynkowych liderów, zostały przejęte lub całkowicie zniknęły z rynku.
Organizacje – szczególnie te duże i „dobrze zarządzane” – będą miały naturalną skłonność do inwestowania w rozwiązania AI przede wszystkim w obszarze exploit. Sztuczna inteligencja będzie wykorzystywana do optymalizacji istniejących procesów: przyspieszania obsługi, zwiększania efektywności operacyjnej, obniżania kosztów czy poprawy jakości decyzji w ramach obecnego modelu biznesowego. Jest to podejście logiczne, mierzalne i relatywnie bezpieczne, a więc idealnie wpisujące się w dominującą logikę zarządzania.
Tendencję tę dodatkowo wzmacnia fakt, że AI sama w sobie niesie powiew nowości, innowacyjności oraz obietnicę technologicznej i społecznej zmiany. Każde wdrożenie rozwiązania opartego na AI daje poczucie postępu, innowacyjności i przewagi konkurencyjnej. Problem polega na tym, że bardzo często są to jedynie „szybsze konie” – usprawnienia istniejących mechanizmów, a nie ich zakwestionowanie. Organizacje mogą więc poczuć się bezpieczniej, polerując obecny, często już wyczerpujący się model biznesowy, zamiast mierzyć się z koniecznością zastąpienia go nowym.
W tym sensie AI oddziaływuje dwutorowo. W organizacjach staje się silnym akceleratorem exploit, wspierającym powstawanie tzw. innowacji podtrzymujących (sustaining innovations), które wzmacniają dotychczasowe przewagi. Jednocześnie na poziomie rynku AI przyspiesza eksplorację, umożliwiając powstawanie nowych modeli biznesowych i sprzyjając innowacjom przełomowym (disruptive innovations), często tworzonym poza strukturami największych graczy.
Kluczowe jest również to, że uwaga zarządów, energia organizacyjna i budżety inwestycyjne są zawsze ograniczone. Każda decyzja o wykorzystaniu AI do dalszej optymalizacji obecnego modelu oznacza więc realne przesunięcie zasobów – czasu, pieniędzy i koncentracji – z dala od eksploracji nowych możliwości, nawet jeśli na poziomie deklaracji potrzeba transformacji jest powszechnie uznawana.
Takie podejście oznacza nie tylko niewykorzystane szanse, ponieważ dziś – właśnie dzięki sztucznej inteligencji – wymyślanie, prototypowanie i budowanie nowych rozwiązań jest łatwiejsze niż kiedykolwiek wcześniej, ale stanowi również poważne zagrożenie w dłuższej perspektywie. AI sprawia bowiem, że przewagi konkurencyjne budowane latami – oparte na wiedzy, bazach danych, technologiach czy wyspecjalizowanym personelu – tracą na znaczeniu szybciej, niż organizacje są skłonne to przyznać
AI obniża koszt wejścia na rynek, skraca czas budowy produktów i usług oraz demokratyzuje dostęp do kompetencji, które wcześniej wymagały skali, kapitału lub wieloletniego know-how. W efekcie startupy czy też po prostu młode i mniejsze firmy są dziś w stanie realizować działania jeszcze niedawno zarezerwowane dla dużych organizacji – bez ich kosztowej struktury i bez organizacyjnej bezwładności. Choć tradycyjne fosy konkurencyjne wielkich graczy nie znikają całkowicie, ale stają się znacznie płytsze i łatwiejsze do przebycia.
To prowadzi do fundamentalnego paradoksu strategicznego. Inwestycje w AI stają się warunkiem koniecznym, by nie wypaść z bieżącej gry konkurencyjnej, ale same w sobie nie wystarczają, by wygrać przyszłość. Im skuteczniej organizacja wykorzystuje AI do optymalizacji istniejącego modelu biznesowego, tym trudniej może być jej dostrzec moment, w którym model ten przestaje odpowiadać zmieniającym się potrzebom i logice rynku. Największym ryzykiem nie jest więc brak wdrożeń AI, lecz sytuacja, w której technologia ta staje się jedynie narzędziem doskonalenia „lepszego silnika parowego” w świecie, który właśnie “przechodzi na elektryczność”.
To jak szybko AI potrafi przeorać budowany przez lata model biznesowy, a jednocześnie brutalną lekcję dla firm skupionych wyłącznie na części exploit stanowi np. przypadek Chegg. Przez lata spółka budowała swoją pozycję jako platforma subskrypcyjna, opierając przewagę konkurencyjną na rozbudowanej, trudno replikowalnej bazie opracowań dla studentów, zweryfikowanych rozwiązań zadań edukacyjnych (pomijam tutaj aspekt etyczny). Pojawienie się ChatGPT zasadniczo zmieniło jednak reguły gry – generatywna AI otworzyła dostęp do wiedzy, oferując natychmiastowe i bezpłatne odpowiedzi na pytania, które wcześniej stanowiły źródło przychodów Chegg. Firma próbuje się bronić wdrażając własne rozwiązania oparte na AI, ale nie zdołała odwrócić negatywnego trendu. Gdy spółka przyznała, że nowe narzędzia AI zaczynają wpływać na pozyskiwanie subskrybentów, jej akcje spadły o blisko 50% w ciągu jednego dnia
W efekcie organizacje stoją dziś przed wyborem, który wykracza poza prostą decyzję „wdrażać AI czy nie”. Prawdziwe pytanie brzmi: czy AI ma służyć ulepszaniu tego, co już mamy, czy budowaniu tego, co może nas zastąpić? Firmy, które potraktują sztuczną inteligencję wyłącznie jako narzędzie optymalizacji, mogą wygrać najbliższy rok, ale mogą przegrać przyszłość. Bo kiedy polerują obecny model biznesowy, ktoś inny – z mniejszymi zasobami, ale większą odwagą, otwartością – użyje tej samej technologii, by zbudować model zupełnie nowy. I wtedy okaże się, że fosy, które kopaliśmy przez lata, wyschły dokładnie w momencie, gdy poczuliśmy się najbezpieczniej.
Udostępnij
