Veliki poslovni zaokret u AI eri

Kako da prepoznate da li AI poboljšava rezultate ili samo povećava količinu urađenog.

Zamislite da prepolovite vreme potrebno da napravite svoj glavni proizvod ili rezultat rada. A onda otkrijete da kupci više ne žele da ga kupe u postojećem obliku.

Povećanje produktivnosti je stvarno. Ali stvaran je i problem koji ono nije rešilo.

U prethodnom tekstu, Umetnost postavljanja pitanja u vreme AI, predstavio sam tezu da bi pre unapređivanja odgovora trebalo prvo da preispitamo pitanje. Ovaj tekst nastavlja tamo gde AI počinje da menja sam posao koji stoji iza tog odgovora:

Šta se dešava kada se način rada promeni dovoljno da moramo da preispitamo šta bi kompanija uopšte trebalo da radi?

To ne znači da svako AI unapređenje zahteva novi poslovni model. Znači da promene u troškovima, brzini ili sposobnostima mogu da oslabe pretpostavke o tome šta kupci vrednuju, kako ta vrednost dolazi do njih i šta pokazuje da je ona zaista isporučena.

Pogledajmo tri vidljive promene:

• Trošak: Ako AI omogući da se isti posao uradi uz mnogo manje vremena stručnjaka, zašto bi kupac plaćao istu cenu? Šta sada opravdava tu cenu?
• Brzina: Ako AI omogući da posao koji je trajao nedelju dana završite za sat vremena, šta će praviti razliku kada brzina više nije prednost?
• Sposobnost: Ako AI može da uradi deo posla koji je ranije radio stručnjak, šta kupac sada zapravo plaća kod stručnjaka – izvršenje, procenu, odluku ili odgovornost?

Ponekad dokazi govore da treba unaprediti postojeći proces. Ponekad ukazuju na mnogo širu odluku o ponudi, ceni, odnosu sa kupcima, načinu merenja vrednosti ili podeli odgovornosti.

Bolji proces ili drugačija poslovna odluka?

U radu sa vlasnicima kompanija i menadžerima često vidim da timovi počinju pitanjem koji bi AI alat mogao da ubrza određeni zadatak. Ja ih prvo pitam da li bi ubrzavanje tog zadatka zaista donelo bolji rezultat kupcu i bolji rezultat kompaniji.

Četiri primera koji slede nisu dokaz da je veštačka inteligencija izazvala svaku od predstavljenih promena i ne daju jedno rešenje.

Primeri počinju od vidljivog simptoma, zatim preispituju poznati signal koji stoji iza njega i postavljju pitanje da li taj signal još uvek predstavlja vrednost koju kompanija pretpostavlja da predstavlja.

Zajedno oni pokazuju kako promena načina rada može da dovede do drugog pitanja – i potpuno drugačije poslovne odluke.

Softver: šta kupac zapravo plaća?

Softver sada može sam da obavi veći deo posla. Ipak, naplata po korisniku vezuje cenu softvera za broj ljudi koji ga koriste. Takva logika odgovara alatu koji ljudi koriste da bi obavili posao.

Ali kada AI počne da obavlja deo tog posla, šta bi kupac trebalo da plaća?

Intercomova  platforma za korisničku podršku kombinuje licence za zaposlene sa Fin AI agentom, čija cena počinje od 0,99 dolara po rezultatu.

Rezultat rada platforme u ovom primeru se može računati kada korisnik potvrdi da je problem rešen, kada prestane da traži pomoć nakon odgovora Fin-a ili kada Fin izvrši određenu proceduru, uključujući i prosleđivanje slučaja čoveku.

Cena na ovaj način obuhvata i ljude koji koriste softver i posao koji softver obavlja.

Moje tumačenje je da način naplate pokazuje šta kompanija smatra stvarnom vrednošću za kupca. Kod naplate po rezultatu, vrednost više nije samo pristup softveru, već ono što je softver konkretno uradio.

Ovaj primer pokazuje kako promena načina na koji se posao obavlja može da promeni način kako definišemo i naplaćujemo vrednost koju isporučujemo klijentu.

To ne znači da će vremenom naplata po korisniku nestati.

Ostaje pitanje:

Da li događaj koji nazivamo „rezultatom“ zaista predstavlja rezultat koji kupac vrednuje?

Društvene mreže: možete li pouzdano da dođete do svoje publike?

Kompanija objavljuje više sadržaja i dobija više pratilaca, ali platforma i dalje odlučuje koji će pratioci videti svaku objavu.

Uobičajena pretpostavka glasi: što imamo više pratilaca, imamo i veću publiku do koje možemo da dopremo. Ali možemo li zaista da dođemo do tih ljudi onda kada nam je to potrebno?

Meta objašnjava da njeni AI sistemi rangiraju sadržaj i preporučuju objave naloga koje korisnici uopšte ne prate. To što neko prati određeni nalog zato ne znači da će njegove objave videti u svom feed-u.

Broj pratilaca i pristup kupcima nisu ista stvar.

Za kompaniju se pitanje zato pomera sa toga koliko ljudi je prati na to da li do tih ljudi ona može ponovo da dođe. AI može da pomogne kompaniji da objavljuje više, dok platforma i dalje odlučuje ko će te objave videti.

Društvene mreže i dalje mogu biti veoma vredne da vas ljudi otkriju. Ali jedno je da vas neko vidi, a drugo da možete ponovo da dođete do zainteresovanog kupca i izgradite odnos sa njim.

Ostaje pitanje:

Ako bi platforma sutra drastično smanjila naš domet, da li bi zainteresovani kupci i dalje mogli da nas pronađu i da li bismo mi mogli ponovo da dođemo do njih?

Kreatori: da li je sadržaj biznis ili put ka biznisu?

Kreator sadržaja dobija sve više pregleda i pratilaca, ali profit, predvidiv prihod i ponovljena tražnja ne rastu zajedno sa njima.

Uobičajena pretpostavka kod ovog poslovnog modela jeste da veća publika automatski znači i snažniji biznis. Ali kako se dolazi do toga pažnja korisnika sadržaja za rezultat daje predvidiv prihod ili ponovljena kupovina?

Poznati jutjuber MrBeast ima svoj brend čokolade Feastables. Ovaj primer pokazuje kako pažnja publike može da se pretvori u prihode koji ne dolaze direktno od sadržaja.

The Verge je u martu 2025. objavio da je prihod Feastables-a tokom 2024. dostigao prihod njegovog osnovnog video-biznisa. Ipak, njegova kompanija u celini i dalje je poslovala sa gubitkom.

Pažnja može da stvori novi izvor prihoda, a da ceo poslovni sistem i dalje ne bude profitabilan.

AI ovaj problem čini još vidljivijim. Kada svi mogu brže i jeftinije da prave više sadržaja, više sadržaja samo po sebi ne znači i bolji biznis.

Sadržaj može da donosi prihod kroz oglase i sponzorstva. Ali može i da dovede publiku do proizvoda, usluga ili članstva koje će kupovati više puta.

Primer društvenih mreža postavlja pitanje ko kontroliše pristup publici. Ovaj primer postavlja drugo pitanje: šta se ekonomski događa nakon što smo pažnju već dobili?

Feastables pokazuje taj drugi put. To nije dokaz da je AI izazvao ovu promenu, niti da dodavanje novog izvora prihoda automatski donosi profit.

Ostaje pitanje:

Ako broj pregleda sutra prestane da raste, šta bi kupci i dalje želeli ponovo da kupe?

Obrazovanje i rad: šta završeni rad zapravo dokazuje?

AI menja i način rada i način na koji procenjujemo da li neko zaista ume da radi posao. Zaposleni može uz pomoć AI da napravi veoma dobar rezultat, ali iz samog rezultata više nije uvek jasno koliko razume problem, koje odluke je sam doneo i da li bi prepoznao grešku.

Do sada je važila jednostavna logika: kvalifikacija pokazuje da je neko spreman da počne da radi, a početnički zadaci mu daju iskustvo kroz koje razvija stvarnu sposobnost. Ako AI preuzima deo tih zadataka, ta logika počinje da slabi.

Moje tumačenje je da AI promenom načina rada otvara dva povezana problema edukacije:

Ako AI preuzima rutinske početničke zadatke, gde će novi zaposleni sticati iskustvo i učiti da procenjuju i donose odluke? Ako AI menja posao iskusnih zaposlenih, kako će oni razvijati nove sposobnosti bez ponovnog prolaska kroz kompletan studijski program?

Jedan od odgovora na oba problema jeste promena načina na koji učimo i dokazujemo šta umemo. Studenti mogu uz fakultetsko obrazovanje da stiču mikro-kredencijale za konkretne sposobnosti potrebne za određeni posao. Zaposleni na isti način mogu da razvijaju nove sposobnosti kako se njihov posao menja.

Singapore Institute of Technology pokazuje kako takav model može da izgleda. Zaposleni mogu da završe tromesečni specijalistički mikro-kredencijal bez upisivanja celog studijskog programa, a više mikro-kredencijala kasnije može da se poveže na putu ka diplomi.

Učenje tako može da postane niz manjih koraka kroz koje tokom karijere stičemo nove sposobnosti baš onda kada su nam potrebne.

Ovakav model omogućava veću fleksibilnost. Ali ne znači da je kraća kvalifikacija automatski i bolja. Diploma ili mikro-kredencijal i dalje ostavljaju isto pitanje: Može li osoba da primeni naučeno, objasni svoje odluke i prepozna kada je rezultat pogrešan?

Tu se nalazi dublja promena: više nije dovoljno samo steći kvalifikaciju. Potrebno je i pokazati da osoba ume da primeni ono što je naučila u stvarnom poslu.

AI može pomoći da se posao danas obavi brže, dok pitanje kako će početnici sutra sticati iskustvo i dalje ostaje otvoreno.

Ostaje pitanje:

Ako AI menja posao i preuzima početničke zadatke kroz koje se posao ranije učio, kako će početnici sticati iskustvo, zaposleni razvijati nove sposobnosti, a poslodavci znati ko zaista ume da radi posao?

Obrazac iza četiri primera

Softver i dalje pruža alate. Društvene mreže i dalje distribuiraju sadržaj. Kreatori i dalje stvaraju. Univerziteti i dalje obrazuju.

Ništa od toga nije nestalo. Promena postaje vidljiva tek kada isti posao pogledamo iz drugog ugla: kako se menja njegova uloga u stvaranju, isporuci, naplati ili dokazivanju vrednosti.

U sva četiri slučaja AI čini jedno pitanje sve težim za ignorisanje:

Da li poznati signal i dalje predstavlja vrednost za koju smo pretpostavljali da je predstavlja?

Promena perspektive u posmatranju posla bi trebalo da odmah pokaže: više urađenog, brži odgovori i više automatizacije nisu dokaz boljih rezultata za kupce ili kompaniju.

Ovakvo preispitivanje često je početna tačka u mom radu sa vlasnicima kompanija, direktorima i menadžerima.

Kompanija može sve efikasnije da izvršava posao zasnovan na pretpostavci koja već počinje da slabi.

Pobeda na nivou procesa može istovremeno postati poraz na nivou poslovnog modela.

Kako izabrati pravi odgovor?

Pravi odgovor nije uvek automatizacija. To može biti jasnija ponuda, drugačiji način merenja, snažniji odnos sa kupcem, drugačije osmišljen put učenja ili odluka da za sada ne menjate ništa.

Disciplina je u tome da pravi odgovor treba da odgovara dokazima. Tako radim i sa klijentima.

Sutra izaberite jedan deo posla i zapišite: šta je AI u njemu promenio, koji rezultat taj posao treba da podrži, kakve dokaze za sada imate.

Zatim pomoću tabele izaberite sledeći korak. Odgovor se može menjati, a princip ostaje isti:

Čuvajte kvalitet odluke, a ne nasleđeni proces.

Pitanja koja ostaju vama

Izaberite jednu promenu povezanu sa AI koja utiče na jedan deo vašeg poslovanja.

1. Šta se promenilo u načinu na koji se ovaj posao obavlja?
2. Koja poslovna pretpostavka možda više ne važi?
3. Koji dokazi pokazuju da li ova promena poboljšava rezultate za kupca ili poslovne rezultate – i šta još uvek ne znate?

Za početak su dovoljni kratki odgovori. Ako nešto ne možete da odgovorite, zapišite šta još ne znate.

Prethodni tekst pitao je da li počinjemo od pravog pitanja. Ovaj ide korak dalje: da li promena načina rada zahteva da postavimo potpuno drugačije pitanje?

AI prvo menja KAKO. Kada se KAKO promeni dovoljno, moramo ponovo da pitamo ŠTA.

Pošaljite mi svoje odgovore za besplatni AI pregled vaših odgovora i vaše odluke. Pomoći ću vam da utvrdite šta prvo treba da razjasnite, istražite, testirate ili prestanete da radite, kako biste već sutra imali konkretnu početnu tačku.