Mitä tapahtuu, kun AI-hypetyksen budjetti loppuu

Kolme vuotta tekoäly sai vapauden useimmissa yrityksissä. Pääjohtajat ohittivat hankintojen tarkastukset. Rahoitustiimit saivat kuulla, että epäröinti oli itsessään riski. Hallitukset hyväksyivät suuret budjetit, koska demot näyttivät uskomattomilta ja kukaan ei halunnut jäädä jalkoihin.

Sitten kuukausiset laskut saapuivat.

Jotkut yritykset käyttivät koko vuosittaisen tekoälybudjetin kolmessa kuukaudessa. Toiset huomasivat, että tiimien rakastamista työkaluista oli tullut laskuja, joita kukaan ei ollut suunnitellut. Ilmapiiri muuttui "kuinka menemme nopeammin?" -kysymyksestä "mitä me oikeastaan saamme tästä?"

Tämä ei ole tekoälyn loppu. Tämä on tekoälyn loppu ilman vastuullisuutta. Ja jos olet rakentamassa teknologiastartuppia juuri nyt, tämä muutos on tärkeämpää kuin mikään mallin julkaisu.

Luvut ovat vaikea jättää huomiotta

Ennen kuin siirrytään siihen, mitä menee pieleen, tässä on tilanne:

• MIT:n tutkimus osoitti, että 95 % tekoälyn pilottiprojekteista tuottaa nollaa mitattavaa taloudellista vaikutusta
• S&P Global havaitsi, että 42 % yrityksistä hylkäsi suurimman osan tekoälyinvestoinneistaan vuonna 2025, kun se oli aiemmalla vuodella vain 17 %
• IBM havaitsi, että vain 25 % tekoälyaloitteista tuottaa luvatun ROI:n
• Alle 1 % johtajista raportoi ROI:sta yli 20 % — useimmat näkevät 1–5 %, ja se on yleensä vain säästettyä aikaa, ei saavutettua tuloa
• Yritysten osuus, jotka käsittelevät tekoälyn kustannuksia vakavana taloudellisena huolena, kaksinkertaistui 31 %:sta 63 %:iin yhdessä vuodessa

Nämä eivät ole skeptikkojen luvut. Ne ovat yrityksilta, jotka käyttävät siihen eniten rahaa.

Kolme tarinaa, jotka selittävät, mitä tapahtuu

1. Klarna sai otsikot. Sitten tuli todellisuuden koetus.

Alkuvuodesta 2024 Klarna ilmoitti, että sen tekoäly tekee 700 asiakaspalvelun edustajan työtä. Vuoden 2026 alkuun mennessä he olivat alkaneet palkata inhimillisiä edustajia uudelleen. Tekoäly hoiti yksinkertaisia kysymyksiä nopeasti, mutta sillä hetkellä kun asiakas tarvitsi todellista harkintaa, kontekstia tai empatiaa, se teki asiat pahemmiksi. Tyytyväisyyden pisteet laskivat. App Store -arvosteluissa täyttyi valituksia "robotin kanssa puhumisesta".

Oppi: lisää lippuja käsitteleminenei ole sama asia kuin asiakkaiden parempi palvelu.

2. Uberin ongelma oli päinvastainen: tekoäly toimi liian hyvin.

Uber antoi 5 000 insinöörille pääsyn tekoälyn koodaustyökaluun joulukuussa 2025. Kaikki käyttivät sitä. Huhtikuuhun 2026 mennessä koko vuoden tekoälybudjetti oli pois. Heidän oli rajoitettava, kuinka paljon kukin insinööri saattoi käyttää kuukaudessa. Uber ei sanonut, että tekoäly ei toiminut; se sanoi, että se toimi niin hyvin, että lasku tuli hallitsemattomaksi. Kun jokin on halpaa käyttöä kohti, mutta kaikki käyttävät sitä jatkuvasti, kokonaiskustannukset räjähtävät. Se on todellinen riski, jota useimmat yritykset eivät olleet suunnitelleet.

3. Walmart rakensi oman työkalunsa ja törmäsi samaan seinään.

Walmart loi sisäisen tekoälyavustajan nimeltään Code Puppy. He hallitsivat kaiken, ei kolmannen osapuolen myyjää, täysi kustannusten näkyvyys. Kesäkuuhun 2026 mennessä heidän oli silti rajoitettava käyttöä sen jälkeen, kun laskut ylittivät ennusteet. Oman rakentaminen ei automaattisesti ratkaise ongelmaa.

Q&A: Mitä perustajat oikeastaan kysyvät

K. Kannattaako tekoälyyn investointi startupin näkökulmasta?

Kyllä, mutta kysymys on muuttunut. Vuonna 2023 se oli "Pitäisikö meidän tehdä jotain tekoälyn kanssa?" Vuonna 2026 se on "mitkä erityiset panokset todella kannattavat?" Alueet, joilla ROI on dokumentoitu: petostenhavaitseminen, logistiikan optimointi, ensimmäisen rivin asiakastuki ja tekoäly-avusteinen ohjelmistokehitys. Jos käyttötapaus sopii, liiketaloudellinen perustelu on olemassa. Jos se ei sovi, sinulla on oltava selkeä mittaussuunnitelma ennen kuin sitoudut vakaviin rahoihin.

K. Miksi niin monet tekoälyn pilotit eivät koskaan päädy tuotantoon?

Teknologia harvoin epäonnistuu. Organisaatiolla yleensä on sotkuista dataa, työnkulkuja, joita ei ole uudelleen suunniteltu, tiimejä, joita ei ole koulutettu, ja hallintoa, jota ei ole koskaan asetettu. Noin 80 % työstä pilotista tuotantoon ei liity mallin itsensä.

K. Kuinka kauan ennen kuin näemme todellisia tuloksia?

Useimmat hyvin hoidetut tekoälyn käyttöönototkyvyt saavuttavat takaisinmaksun jossain 14 ja 28 kuukauden välillä. Jos hallituksesi odottaa tuloksia kuudessa kuukaudessa, odotus aiheuttaa ongelmia ja tappaa hyviä projekteja väärästä syystä.

K. Miltä hyvä tekoälyn hallinto näyttää käytännössä?

Se tarkoittaa, että joku omistaa tekoälyn kulurivi. Se tarkoittaa ennalta päätettäväksi, kuinka mittaat onnistumisen. Se tarkoittaa lyhyttä luetteloa käyttötapauksista, jotka aiot todella saattaa loppuun, ei pitkää kokeilusisteemiä. Vain 14 % yrityksistä on asettanut tämän paikoilleen. He ovat niitä, jotka näkevät tuloksia.

Mitä voittavat tiimit tekevät eri tavalla

• He mittaavat tuloksia, ei toimintaa Käyttötilastot kertovat sinulle, että ihmiset käyttävät työkalua. Tuottovaikutus, nopeammat syklit ja pienempi kustannus tuotannosta kertovat, että se toimii. Nämä ovat hyvin eri luvut.
• He käsittelevät tekoälyn kustannuksia kuin pilvi-infrastruktuuria Pilven kustannuksetkin vaikuttivat hallittavilta, kunnes yhtäkkiä ne eivät olleet. Yritykset, jotka hallitsivat pilvia hyvin, loivat omistautuneet kustannustenhallintakäytännöt varhain. Tekoäly tarvitsee samaa: budjetointi käyttötapauskohtaisesti, aktiivinen seuranta ja joku, joka vastaa laskusta.
• He menevät syvemmälle harvemmassa asiassa Älykkäämpi siirto on kahden tai kolmen käyttötapauksen valitseminen, niiden asianmukainen todistaminen ja sitten laajentaminen. Yksi asia, joka todella toimii, voittaa kymmenen asiaa, jotka enemmän tai vähemmän toimivat.
• He investoivat dataan ennen malleja McKinseyn tutkimus osoittaa jatkuvasti, että huippusuoriutuville yrityksille on kustannuksia enemmän data-infrastruktuurissa kuin tekoälyssa. Puhdas, yhdistetty, hyvin hallinnoitu data on todellista työtä. Malli on yleensä halvin osa.

Startupeille ydinviesti

Hypyn jälkeisen korjauksen myötä asiat vaikeutuvat tavalla, mutta myös helpottuvat.

• Vaikeampaa: Organisaatioiden ostajat ovat varovaisempia. Myyntisyklit ovat pitempiä. "Toimiiko tämä todella?" on kysymys, joka nyt tarvitsee numerot, ei demoa.
• Helpompaa: Useimmat kilpailijat myyvät edelleen hypeä. Jos pystyt näyttämään todisteita, kuten todellisia tuloksia, todellisia asiakkaita ja todellisia mittareita, erotut välittömästi.

Vain 25 % tekoälyaloitteista toimittaa odotetun ROI:n, ja vain 16 % on skaalantunut organisaatiota laajasti. Nämä luvut eivät ole syy lopettaa; ne ovat syy olla 25 %:ssa.

Hypesykli palkitsi nopeimmat siirtäjät. Vastuullisuussykli palkitsee ne, jotka voivat todistaa, että se toimii.

Kummalla puolella tekoälystrategias on?

TL;DR

Yritykset käyttivät miljardeja tekoälyyn kysymättä, toimiiko se todella, ja nyt laskut pakottavat keskustelun. Tiedot ovat selkeät: 95 % tekoälyn piloteista ei tuota mitattavaa taloudellista vaikutusta, ja 42 % projekteista hylättiin pelkästään vuonna 2025. Startupit, jotka voittavat täältä eteenpäin, eivät ole ne, jotka liikkuivat nopeimmin hypesyklin aikana; ne ovat ne, jotka voivat todistaa, että heidän tekoäly todella liikuttaa neulaa.

Haluatko rakentaa suorituskykyisen etäteknologiatiimin?

Tutustu MyNextDeveloperiin, alustalle, jossa voit löytää parhaat 3 % ohjelmistoinsinööreistä, jotka ovat syvästi intoutuneita innovaatiosta. Meidän on tarvittaessa omistautuneita ja perusteellisia ohjelmistotalentin ratkaisuja tarjoavat kattavan ratkaisun kaikille ohjelmistovaatimuksille.

Käy verkkosivustollamme selvittääksesi, kuinka voimme auttaa sinua kokoamaan täydellisen tiimin.