Penelitian MIT NANDA menemukan bahwa hanya 5% organisasi yang berhasil membawa alat AI ke dalam produksi dalam skala besar Perusahaan AS telah menginvestasikan antara $35 miliar dan $40 miliar dalam proyek AI generatif, tetapi sejauh ini, mereka hampir tidak kehilangan apa-apa. Menurut sebuah laporan [PDF] oleh proyek NANDA (Agen AI Jaringan dan AI Terdesentralisasi) MIT, 95% organisasi perusahaan menerima pengembalian nol atas investasi AI mereka. Hanya 5% organisasi yang berhasil mengintegrasikan alat AI ke dalam produksi dalam skala besar. Laporan ini didasarkan pada wawancara terstruktur dengan 52 pemimpin bisnis, analisis lebih dari 300 proyek dan pengumuman AI publik, dan survei terhadap 153 profesional bisnis. Penulis laporan – Aditya Challapally, Chris Pease, Ramesh Raskar, dan Pradyumna Chari – mengaitkan "kesenjangan AI generatif" ini dengan ketidakmampuan sistem AI untuk menyimpan data, beradaptasi dengan lingkungan, dan kemampuan untuk belajar terus menerus, daripada kurangnya infrastruktur, sumber belajar, atau bakat. > "kesenjangan AI generatif" paling jelas dalam tingkat penyebaran, dengan hanya 5% alat AI perusahaan khusus yang berhasil berhasil. "'Kesenjangan AI generatif' paling jelas dalam tingkat penyebaran, dengan hanya 5% alat AI perusahaan khusus yang berhasil berproduksi," kata laporan itu. "Chatbot berhasil karena mudah bereksperimen dan fleksibel, tetapi gagal dalam alur kerja penting karena kurangnya memori dan penyesuaian." Seperti yang dikatakan seorang CIO anonim dalam sebuah wawancara dengan penulis: "Kami menonton lusinan demo tahun ini. Mungkin hanya satu atau dua yang benar-benar berguna. Sisanya adalah produk 'cangkang' atau proyek eksperimen ilmiah. ” Temuan penulis bertepatan dengan hasil studi terbaru lainnya yang menunjukkan bahwa kepercayaan kepemimpinan bisnis pada proyek AI menurun. Laporan NANDA menyebutkan bahwa sebagian kecil perusahaan telah menemukan kegunaan AI generatif dan bahwa teknologi tersebut memiliki dampak besar pada dua dari sembilan sektor industri – teknologi dan media dan telekomunikasi. Untuk sektor lainnya—layanan profesional, perawatan kesehatan dan farmasi, konsumen dan ritel, layanan keuangan, industri canggih, serta energi dan material—AI generatif tidak relevan. Laporan tersebut mengutip COO anonim dari perusahaan manufaktur pasar menengah: "Hype di LinkedIn merajalela bahwa semuanya telah berubah, tetapi dalam operasi kami yang sebenarnya, tidak ada yang berubah secara mendasar. Kami memproses beberapa kontrak lebih cepat, tetapi hanya itu. ” Satu hal yang benar-benar berubah adalah lanskap ketenagakerjaan, setidaknya di industri yang terkena dampak. Di sektor teknologi dan media, "lebih dari 80% eksekutif berharap untuk mengurangi perekrutan dalam waktu 24 bulan," catat laporan itu. ” Menurut penulis, PHK yang didorong oleh AI generatif terutama terjadi dalam kegiatan bisnis non-inti yang sering dialihdayakan, seperti dukungan pelanggan, pemrosesan administrasi, dan tugas pengembangan standar. "Posisi-posisi ini menunjukkan kerentanan karena status outsourcing dan standarisasi proses mereka sebelum AI diterapkan," kata laporan itu, mencatat bahwa antara 5% dan 20% posisi dukungan dan penanganan administratif di industri yang terkena dampak terpengaruh. Menurut The Register, PHK Oracle baru-baru ini mencerminkan upayanya untuk menyeimbangkan belanja modal AI, yang telah menjadi beban berat di leher raksasa teknologi AS. Di IBM, karyawan percaya AI telah digunakan sebagai alasan untuk memindahkan pekerjaan ke luar negeri. Terlepas dari pembenaran publik dan motivasi nyata untuk PHK, AI generatif memang berdampak pada industri teknologi dan media dan telekomunikasi, yang juga merupakan area di mana ia paling banyak diadopsi. Meskipun sekitar 50% anggaran AI dialokasikan untuk pemasaran dan penjualan, penulis laporan menyarankan bahwa investasi perusahaan harus mengalir ke kegiatan yang menghasilkan hasil bisnis yang bermakna. Ini termasuk kualifikasi prospek dan retensi pelanggan di front-end, serta downsourcing outsourcing proses bisnis, pengeluaran agensi, dan verifikasi risiko layanan keuangan di back-end. Dengan menganalisis keberhasilan AI generatif di beberapa perusahaan, laporan tersebut menunjukkan bahwa alat tujuan umum seperti ChatGPT OpenAI mengungguli alat kelas perusahaan yang disesuaikan, bahkan jika mereka menggunakan model AI yang sama yang mendasari alat perusahaan ini. Laporan tersebut berpendapat bahwa karyawan cenderung lebih akrab dengan antarmuka ChatGPT dan karenanya lebih banyak menggunakannya – hasil dari "TI bayangan" yang diprakarsai karyawan. Laporan tersebut mengutip wawancara dengan seorang pengacara perusahaan yang menggambarkan ketidakpuasannya dengan alat analisis kontrak profesional yang menelan biaya $ 50.000 di firma hukum menengahnya. "Alat AI yang kami beli memberikan ringkasan yang sangat kaku dengan opsi penyesuaian terbatas," kata pengacara kepada para peneliti. "Dengan ChatGPT, saya dapat memandu percakapan, mengulangi sampai saya mendapatkan apa yang saya butuhkan. Perbedaan mendasar dalam kualitas sudah jelas, dan ChatGPT secara konsisten menghasilkan hasil yang lebih baik, meskipun vendor kami mengklaim bahwa mereka menggunakan teknologi dasar yang sama. ” Para penulis berpendapat bahwa perusahaan yang berhasil melintasi "kesenjangan AI generatif" lebih seperti mencari layanan outsourcing proses bisnis daripada pelanggan software-as-a-service (SaaS) saat pengadaan AI. "Mereka menuntut penyesuaian yang mendalam, mendorong adopsi dari garis depan, dan meminta pertanggungjawaban pemasok atas metrik bisnis," laporan itu menyimpulkan. "Pembeli yang paling sukses memahami bahwa melintasi kesenjangan ini membutuhkan kemitraan, bukan hanya membeli produk." ®