Virksomheders AI-fejl: Hvorfor 95% af AI-projekterne mislykkes

AI som system, ikke værktøj

For to år siden begyndte virksomheder at investere massivt i generativ AI. Resultatet er nu tydeligt: 95% af alle enterprise AI-projekter leverer ikke målbar forretningsværdi, viser ny forskning, herunder en omfattende undersøgelse fra MIT. Fejlen ligger ikke i AI-teknologien selv, men i den måde, den er blevet integreret på.

Vi forsøgte at tilføje intelligens som et ekstra lag oven på eksisterende arbejdsgange. I stedet burde vi have bygget systemer, hvor intelligens er selve fundamentet for processerne.

Stateless vs. stateful: Den afgørende forskel

Store sprogmodeller er designet til at være stateless – hver interaktion starter fra bunden, medmindre konteksten genopbygges kunstigt. Virksomheder fungerer derimod som stateful systemer: de akkumulerer beslutninger, sporer relationer og udvikler sig over tid. Denne mismatch er strukturel og forklarer, hvorfor AI-systemer ofte fejler.

Forskning viser, at AI-projekter ikke fejler på grund af dårlige svar, men fordi de ikke kan integreres i løbende processer eller bevare kontekst over tid. Enterprise AI kan ikke være session-baseret – den skal huske.

Fra svar til resultater

Vi har optimeret AI til at give svar. Men virksomheder har brug for systemer, der skaber resultater. En stor sprogmodel kan udarbejde en salgsstrategi, men den kan ikke:

• Følge op på, hvorvidt strategien virker
• Tilpasse sig baseret på resultater
• Koordinere udførelsen på tværs af teams
• Lære og forbedre sig over tid

Dette er ikke et implementeringsproblem, men et designproblem. MIT-forskningen beskriver dette som en "GenAI Divide": virksomheder har høj adoption, men lav transformation, fordi de nuværende systemer ikke lukker hullet mellem handling og resultat.

Fra prompts til begrænsninger

Meget af den nuværende AI-diskussion handler om prompts. Men prompts er blot et interface. Virksomheder opererer ikke gennem prompts, men gennem begrænsninger:

• Overholdelse af regler og lovgivning
• Rettighedsstyring og tilladelser
• Risikotærskler og compliance
• Operative rammer og processer

De fleste AI-systemer bryder sammen her. De genererer inden for sandsynligheder, mens virksomheder opererer inden for faste rammer. Dette er en af de mindst diskuterede, men mest afgørende årsager til, at AI-projekter går i stå.

Fra copiloter til handlingsorienterede systemer

De seneste to års dominerende metafor har været "copiloten". Det lyder tiltalende, men er også misvisende. En copilot foreslår. En virksomhed har brug for systemer, der handler.

Forskellen er afgørende, fordi forslag er billige at give. Udførelse er svært. For at AI kan handle, kræver det:

• Integration med eksisterende forretningssystemer
• Koordinering på tværs af afdelinger
• Automatisering af beslutningsprocesser
• Løbende tilpasning baseret på feedback

Konklusion: AI skal være en del af forretningen, ikke et tillæg

AI-teknologien virker. Problemet er, hvordan vi implementerer den. Fremtidens enterprise AI-systemer skal være:

• Stateful – de skal huske og bygge videre på tidligere beslutninger
• Handlingsorienterede – de skal ændre resultater, ikke blot give svar
• Begrænset af forretningsregler – de skal operere inden for virksomhedens rammer
• Integrerede – de skal være en naturlig del af forretningsprocesserne

Først når AI bliver en del af systemet – og ikke blot et værktøj, der tilføjes ovenpå – vil virksomheder opleve reel transformation og forretningsmæssig værdi.