Napjainkban az amerikai kisvállalkozások jelentős része már bevezette a mesterséges intelligenciát, hiszen sokan úgy vélik, hogy ezek az eszközök, amelyek korábban a nagyvállalatok előjogaihoz tartoztak, mára mindenki számára elérhetővé váltak. Kutatások kiemelik, hogy az AI-t használó cégek bevételeinek növekedése szoros kapcsolatban áll az új technológiák bevezetésével.
A probléma mégsem magukban az eszközökben rejlik, hanem abban, hogy a legtöbb kisvállalat mérés nélkül alkalmazza azokat. A nagyvállalatok már jóval korábban kialakították a hatékonyságot mérő rendszereiket, mielőtt beruháztak volna ilyen szoftverekbe. A kisebb cégek viszont gyakran előbb vásárolnak, és csak utána – vagy sokszor sosem – foglalkoznak a tényleges eredmények nyomon követésével.
Ennek következtében súlyos kihívások jelentkeznek: nincs adat arról, melyik AI eszköz valóban hasznos, megkérdőjelezhető az előfizetések értéke, és az eredmények hiányában a skálázhatóság is elakad. Olyan előfizetésekért fizetnek, amelyeket nem használnak ki, miközben a megtérülés bizonyítása nélkül kell dönteniük a jövőbeni befektetésekről.
Felmerül a kérdés, hogyan tudnák ezek a vállalkozások elkerülni ezeket a buktatókat. Vannak-e olyan mérési módszerek, amelyek segítségével még a költségvetés megalkotása előtt bizonyítottan hatékonyan használhatnák az AI-t? Mely területeken adhat pontosabb képet a rendszeres és tudatos adatgyűjtés, és hogyan változtathatja meg mindez a vállalkozások hosszú távú eredményességét?
