AI solījums ir bijis skaļš. Rezultāti, mazāk.
Jauns Gartner ziņojums norāda uz to, ko daudzas komandas sāk just: lielākā daļa AI projektu neatmaksājas. Infrastruktūrā un darbībās tikai 28% AI iniciatīvu atbilst IA cerībām. Katrs piektais pilnībā neizdodas.
Šī plaisa starp ambīcijām un rezultātu sāk mainīt to, kā uzņēmumi domā par AI. Eksperimentu laikmets dod vietu vairāk pamatotai fāzei, kurā rezultāti ir svarīgāki nekā prototipi.
“Tikai 28% AI izmantošanas gadījumu infrastruktūrā un operācijās (I&O) pilnībā izdodas un atbilst ROI cerībām, savukārt 20% neizdodas pilnībā, saskaņā ar Gartner, Inc. aptauju, kurā piedalījās 782 I&O vadītāji 2025. gada novembrī un decembrī,” atzīmē Gartners.
Dati iegūti no 782 infrastruktūras un operāciju vadītāju aptaujas, kas veikta pagājušā gada beigās. Tas, kas izceļas, ir ne tikai neveiksmju līmenis, bet arī aiz tā esošais modelis. Daudzi projekti nesabrūk pūļu vai finansējuma trūkuma dēļ. Viņi apstājas pēc tam, kad cerības apsteidz realitāti.
Gartnera jaunākie atklājumi sasaucas ar agrāk veiktajiem Masačūsetsas Tehnoloģiju institūta (MIT) pētījumiem, kas 2025. gada augustā ziņoja, ka pat 95% ģeneratīvo AI pilotu nav spējuši sniegt nozīmīgus rezultātus.
Kāpēc lielākā daļa AI projektu neizdodas: Gartner atklāj patiesos IA panākumu virzītājspēkus
Melānija Frīza, Gartner pētniecības direktore, norāda uz izplatītu kļūdu: komandas sagaida, ka AI gandrīz nekavējoties novērsīs dziļas darbības problēmas. Ja tas nenotiek, pārliecība krītas, un projekti zaudē impulsu.
“20% neveiksmju līmeni lielā mērā nosaka AI iniciatīvas, kas ir vai nu pārāk ambiciozas, vai arī vāji izstrādātas. AI, kas neiekļaujas organizācijas darbībās, vienkārši nevar nodrošināt IA.”
Šī neatbilstība visspilgtāk izpaužas jomās, kurās ir visaugstākās cerības. Automātiskās atveseļošanas sistēmas, pašatveseļošanās infrastruktūra un aģentu vadītas darbplūsmas ir vieni no visbiežāk sastopamajiem kļūmju punktiem. Tās ir sarežģītas vides, kurās ir nozīme malas gadījumiem, un uzticamība nav apspriežama. AI cīnās, ja tas pārsniedz pašreizējos rīkus.
Problēmai ir vēl viens slānis. Prasmes un dati. Aptuveni 38% vadītāju, kuri ziņoja par neveiksmēm, teica, ka viņu komandām trūkst vajadzīgās pieredzes, lai izpildītu. Tas pats procents norādīja uz sliktu datu kvalitāti vai ierobežotu piekļuvi datiem. Bez tīriem, lietojamiem datiem pat labākajiem modeļiem ir grūti nodrošināt jēgpilnus rezultātus.
Tomēr ziņojumā nav redzama drūma aina. Daudzas organizācijas gūst panākumus, un to pieeja ļoti atšķiras no tām, kurām ir neveiksme.
Lielākās pārmaiņas ir tas, kā AI tiek izturēts organizācijā. Augstas veiktspējas komandas neveic AI kā blakuseksperimentu. Viņi to iekļauj sistēmās, kuras cilvēki jau izmanto katru dienu. Tas padara adopciju vieglāku un rezultātus pamanāmākus.
Ir arī spēcīga vadības sastāvdaļa. Komandas ar vadītāju atbalstu pārvietojas ātrāk un saskaras ar mazākiem iekšējiem šķēršļiem. Kad vadība ir saskaņota, AI projekti tiek finansēti un koncentrēti.
Trešais faktors ir disciplīna startā. Komandas, kas gūst panākumus, parasti sākas ar skaidriem biznesa gadījumiem un reālām cerībām. Tie koncentrējas uz lietošanas gadījumiem ar pierādītu vērtību, īpaši tādās jomās kā IT pakalpojumu pārvaldība un mākoņpakalpojumi. Tās ir vides, kurās procesi ir labi definēti, un atdevi ir vieglāk izmērīt.
“Augstas veiktspējas I&O vadītāji sāk ar reāliem AI biznesa gadījumiem un iepriekšēju sagatavošanos.”
Šī pamatotā pieeja kļūst arvien svarīgāka, jo tēriņi pieaug. Paredzams, ka AI infrastruktūra šogad veidos vairāk nekā pusi no globālajiem IT izdevumiem. Šāds investīciju līmenis vairāk pārbauda izpilddirektorus un finanšu direktorus, kuri vēlas skaidrus rezultātus, ne tikai tehnisko progresu.
Freeze iesaka AI lietošanas gadījumus apstrādāt kā produktus ar skaidru īpašumtiesību, izmērāmu ietekmi un kopīgiem novērtēšanas kritērijiem komandām. Tādējādi ir vieglāk noteikt prioritātes tam, kas tiek finansēts un kas netiek finansēts.
Šeit notiek plašāka maiņa. Uzņēmumi vairs nejautā, ko AI varētu darīt, un koncentrējas uz to, kas tam būtu jādara savās darbībās. Tas izklausās smalki, bet tas maina visu.
Gartnera atklājumu kopums ir vienkāršs. AI neizdodas potenciāla trūkuma dēļ. Tas neizdodas, ja tas ir atvienots no uzņēmuma, kurā tam ir jākalpo.
Ažiotāža nepazūd. Tas tiek pārbaudīts. Un daudzām komandām šī pārbaude joprojām turpinās.
