Dinamo med jermeni

§ 01 — TovarnaStroj so zamenjali, tovarno so obdržali

Okoli leta 1900 si je ameriški tovarnar lahko kupil čudež. Elektromotor je bil na trgu že dve desetletji, Edisonova žarnica je gorela od leta 1879, prvi elektrarni v New Yorku in Londonu sta zabrneli leta 1881. Časopisi so bili polni elektrike, banke še bolj. Naš tovarnar je torej iz kotlovnice izselil sopihajoči parni kotel, na izpraznjeni betonski podstavek privil bleščeč nov elektromotor in si prižgal cigaro: zdaj bo produktivnost poletela. Statistika je zabeležila: nič.

Razlog je visel s stropa. Skozi sredino zakajene hale je tekla glavna transmisijska gred, ki jo je dotlej vrtel en sam osrednji stroj. Z nje se je v vseh smereh spuščal gozd usnjenih jermenov, vsak do svojega stroja, in vsa hala je ropotala v enem samem, oglušujočem ritmu. Razpored strojev je ukazovala gred: stružnica je stala tam, kjer je bil prost priključek, in tja so ji morali slediti ljudje. Surovci so po hali potovali cikcak, kakor so pač narekovale jermenice. Cela stavba je bila v resnici en sam stroj, arhitektura pa njegova senca.

Ko je v to halo prišel elektromotor, so ga vpregli v isto gred. Motor je bil čistejši od parnega kotla, varčnejši pri vzdrževanju in ubogljivejši ob zagonu, hala pa je ostala, kakršna je bila — z gredjo, z jermeni, s cikcakom. Ekonomski zgodovinar Paul David je v znamenitem članku o dinamu in računalniku izračunal, da je med komercializacijo elektrike in produktivnostnim skokom ameriške industrije preteklo približno štirideset let.^[1] Okoli leta 1900 je razsoden opazovalec v poslovnih knjigah še vedno zaman iskal dokaz, da elektrika podjetjem sploh koristi. Skok je prišel šele v dvajsetih letih, ko je nova generacija inženirjev tovarno zasnovala na novo: žilav majhen motor pri vsakem stroju, stroji razporejeni po toku materiala, zračne enonadstropne hale, zalite z dnevno svetlobo, in delavec, ki je svoj motor prižgal in ugasnil sam. Produktivnost je eksplodirala šele, ko je umrla stara arhitektura.

Solowov vzdih^[16] je postal slavnejši od marsikatere Nobelove nagrade. Manj znan je Davidov odgovor nanj: računalnik je šele dobil svoj dinamo trenutek, tovarne pa svoje preureditve še čakajo. Ekonomist Erik Brynjolfsson je isti pojav pozneje formaliziral v krivuljo J: splošnonamenska tehnologija najprej zahteva velika vlaganja v neopredmeteno — procese, podatke, veščine, organizacijo —, ki jih statistika sprva knjiži zgolj kot strošek, donos pa se prikaže z zamikom, ko se organizacija prestrukturira.^[2] Spodnji del črke J je videti kot polom. V resnici je gradbena jama.

Leta 2026 stojimo sredi največjega nakupa dinamov v zgodovini. Podjetja kupujejo modele, naročnine, agente in svetovalce, potem pa vse skupaj obesijo na obstoječe jermene: na iste procese, iste obrazce, iste sestanke ob devetih in ista tri soglasja za vsak podpis. In statistika, ta vestna kronistka, tako kot leta 1900 marljivo beleži svoje.

§ 02 — ŠtevilkePokopališče pilotov v številkah

Avgusta 2025 je raziskovalna skupina MIT objavila poročilo z akademsko suhim naslovom in eksplozivno vsebino. Za The GenAI Divide: State of AI in Business 2025 so raziskovalci opravili 52 poglobljenih intervjujev z vodstvi, zbrali 153 anketnih odgovorov, prečesali več kot 300 javno razkritih pobud — in našteli, da 95 odstotkov organizacij od svojih pilotov generativne umetne inteligence dobiva ničeln merljiv donos. Milijonsko vrednost iz integriranih pilotov izvleče natanko 5 odstotkov podjetij.^[4] Fortune je zgodbo stisnil v naslov, ki je obkrožil svet, in tehnološke delnice so tisti teden nervozno zanihale.^[5]

Številka je videti kot osamelec. V resnici stoji v gneči. S&P Global je marca 2025 izmeril, da je 42 odstotkov podjetij opustilo večino svojih pobud umetne inteligence — leto prej jih je bilo 17 odstotkov —, povprečna organizacija pa pokoplje 46 odstotkov poskusnih izvedb, preden pridejo do produkcije.^[6] Gartner je junija 2025 napovedal, da bo do konca leta 2027 ukinjenih več kot 40 odstotkov projektov agentne umetne inteligence, in mimogrede ocenil, da ima od tisočev ponudnikov, ki prodajajo »agente«, resnične agentne zmogljivosti približno 130 podjetij. Za vse preostale si je izposodil besednjak pralnice in skoval izraz agent washing.^[7] Deloitte je v raziskavi med 3.235 vodstvi za leto 2026 naštel, da 40 in več odstotkov svojih pilotov v produkcijo pripelje vsaka četrta organizacija.^[8] Tri četrtine jih večino tega, kar pomladi slovesno predstavijo, jeseni tiho pospravi v predal.

Ob teh številkah se ponuja lagoden sklep: tehnologija je precenjena, počakajmo. Podatki podpirajo drugačno branje. Ista MIT-jeva raziskava je namreč izmerila še eno stvar, in ta me je ob prvem branju presenetila bolj od slavnih 95 odstotkov: zaposleni iz več kot 90 odstotkov anketiranih podjetij osebna orodja umetne inteligence redno uporabljajo pri službenem delu, uradno naročnino pa je kupilo 40 odstotkov podjetij.^[9] Ljudje tehnologijo vsak dan tihotapijo mimo lastnih pilotov. Uradni projekt umira na usklajevalnih sestankih, siva raba pa medtem bujno cveti pod mizo. Tehnologija torej deluje. Umirajo organizacijske oblike, v katere jo silimo.

§ 03 — MerilaVse te številke so resnične hkrati

Kdor želi, si lahko iz istih mesecev nabere povsem nasprotno zgodbo. Wharton je oktobra 2025 v longitudinalni raziskavi izmeril, da 74 odstotkov vodstev poroča o pozitivnem donosu naložb v generativno umetno inteligenco in da jih 72 odstotkov donos formalno meri.^[10] McKinsey je novembra 2025 naštel, da umetno inteligenco uporablja 88 odstotkov organizacij, o vplivu na dobiček iz poslovanja (EBIT) pa poroča 39 odstotkov — pri čemer velika večina teh ocenjuje, da gre za manj kot 5 odstotkov dobička. Resničnih zmagovalcev, ki umetni inteligenci pripišejo vsaj 5 odstotkov EBIT, je 6 odstotkov.^[11] BCG je isti pojav preštel s svojega zornega kota: merljivo vrednost v velikem obsegu gradi 5 odstotkov podjetij, 60 odstotkov jih životari med poskusi.^[12]

Petindevetdeset odstotkov brez donosa. Štiriinsedemdeset odstotkov z donosom. Devetintrideset odstotkov z vplivom na dobiček. Kdo laže? Po mojem branju nihče. Vsaka raziskava meri drugo stvar: MIT išče merljiv učinek na poslovni izid v približno šestih mesecih od pilota, Wharton zapisuje samooceno vodstev, ki so naložbo odobrila in o njej zdaj poročajo, McKinsey pa sprašuje po deležu dobička, kjer se navdušenje razprši v decimalke. Razpon med 95 in 74 je razpon med izkazom in anketo. Za svetovalca je prav ta razpon diagnoza: podjetja o svoji umetni inteligenci vedo predvsem to, kar so o njej pripravljena verjeti.

Pošteno je dodati drugo plat tudi pri slavni MIT-jevi številki. Sklep sloni na 52 intervjujih in samoporočanju, avtorji pa svojo številko sami opisujejo kot smerno oceno — revizor bi ob njej dvignil obrv. Šest mesecev je za tehnologijo, ki zahteva prestrukturiranje, kratka doba — po Davidovi logiki bi leta 1900 vsaka resna raziskava elektrifikacije prav tako naštela 95 odstotkov tovarn brez donosa. Poročilo v sklepnem delu poleg tega promovira lasten projekt agentnega spleta, kar je treba pri branju upoštevati.^[13] Številka 95 je slogan. Resnica, ki jo nosi, je skromnejša in zato uporabnejša: velika večina podjetij trenutno kupuje diname in jih obeša na stare jermene.

§ 04 — VrzelOrodje, ki vsako jutro pozabi, kje dela

Zakaj piloti obtičijo? MIT-jevo poročilo odgovor imenuje learning gap, vrzel v učenju, in ta diagnoza se mi zdi dragocenejša od vseh odstotkov v njem. Podjetniška orodja obtičijo, ker si zapomnijo premalo: pozabijo kontekst, pozabijo popravke, vsak dan začnejo znova. Zaposleni od orodja pričakuje sodelavca, ki se uči. Dobi pripravnika z amnezijo — vsako jutro mu mora znova razložiti, kje dela, kaj podjetje počne in česa direktor ne prenese. Najzgovornejši prizor poročila prispeva korporativna pravnica: podjetje ji je kupilo specializirano pogodbeno orodje za 50.000 dolarjev, ona pa se vedno znova vrača k ChatGPT za dvajset dolarjev na mesec, ker ji da boljše osnutke — čeprav obe orodji poganja ista tehnologija.^[4] Razliko dela zaupanje v potek dela — in prav ta sestavina se prodajalcu z drago licenco doslej izmika.

Vrzel v učenju ima dvojčka: vrzel v presoji. Septembra 2025 sta Stanford in BetterUp v Harvard Business Review opisala pojav, ki je dobil ime workslop — vsebino, ki jo ustvari umetna inteligenca in je videti kot opravljeno delo, naloge pa vsebinsko pušča na miru. Štirideset odstotkov od 1.150 anketiranih ameriških zaposlenih je tak izdelek prejelo v zadnjem mesecu. Prejemnik s popravljanjem v povprečju izgubi skoraj dve uri, kar so raziskovalci ocenili na 186 dolarjev mesečno na zaposlenega, za organizacijo z 10.000 ljudmi približno devet milijonov dolarjev letno.^[14] Polovica prejemnikov po takem izdelku pošiljatelja oceni kot manj sposobnega. Orodje, kupljeno za dvig produktivnosti, tako proizvaja delo za druge in ruši ugled lastnemu uporabniku. To je jermen v najčistejši obliki: stara delitev dela, star obrazec poročila, staro pričakovanje »oddaj dokument« — le da zdaj dokument piše stroj, bere pa ga še vedno človek.

Tretji obraz iste vrzeli sem popisal že v eseju o sivi ekonomiji umetne inteligence: shadow AI. Zaposleni, ki mu uradni pilot dve leti obljublja pomoč, si orodje kupi sam, se ga nauči sam in z njim dela hitreje — mimo proračuna, mimo sklepa in mimo evidence, z lastno kreditno kartico in mirno vestjo. MIT-jevih 90 odstotkov podjetij s sivo rabo in 5 odstotkov podjetij z uspešnim pilotom sta ista novica, povedana dvakrat: posameznik se je preuredil v nekaj tednih, organizacija se še ni.

§ 05 — PetericaKaj počne peterica, ki ji uspe

Uspešnih 5 odstotkov iz MIT-jeve raziskave druži vzorec, ki je na papirju videti skoraj dolgočasen, v praksi pa je redek kot bela vrana. Najprej: kupujejo. Piloti, izpeljani z zunanjimi partnerji in specializiranimi ponudniki, dosežejo produkcijo v 66 odstotkih primerov, interno grajeni v 33 odstotkih — razmerje dve proti ena, ki ga vodstva, trdno prepričana o lastni izjemnosti, vztrajno preslišijo.^[4] Potem: denar nosijo v zaledje. Približno 50 do 70 odstotkov proračunov za generativno umetno inteligenco se steka v prodajo in trženje, kjer so učinki vidni in težko merljivi, najvišji izmerjeni donos pa se skriva v financah, nabavi in pravni službi — v oddelkih, ki na slovesnih predstavitvah za upravo zvenijo kot opomba pod črto.^[4] In predvsem: preuredijo proces. Deloitte je za leto 2026 izmeril, da svoje temeljne procese okoli umetne inteligence preoblikuje 30 odstotkov podjetij, 37 odstotkov pa orodja polaga na obstoječe delo kot svežo prevleko čez staro, udrto zofo.^[8] Tistih 30 odstotkov gradi tovarno iz dvajsetih let. Preostali kupujejo dinamo za staro halo.

1. Kupijo, kar je kupljivo

   Zunanja partnerstva pripeljejo pilota do produkcije dvakrat pogosteje kot interni razvoj (66 proti 33 odstotkom). Lastna gradnja ostane rezervirana za procese, ki podjetje resnično razlikujejo od konkurence.

2. Izberejo en boleč proces

   Namesto dvajsetih demonstracij en sam proces, ki vsak mesec požre največ ur ali denarja — in tega izpeljejo do konca, do produkcije, do spremembe delovnih navodil.

3. Začnejo v zaledju

   Finance, nabava, pravna služba, poročanje: procesi z jasnim vhodom, jasnim izhodom in merljivim stroškom. Izložba (prodaja, trženje) dobi orodja šele, ko zaledje že šteje prihranke.

4. Merijo denar

   Vrednost pilota se izraža v prihranjenih urah, znižanih stroških ali novem prihodku — v valuti, ki jo razume izkaz poslovnega izida. Ankete o zadovoljstvu uporabnikov so zgolj začimba.

5. Proces preuredijo okoli orodja

   Elektromotor je nagradil šele tistega, ki je premaknil stroje. Enako umetna inteligenca: obrazci, soglasja, sestanki in delitev dela se prilagodijo orodju — sicer orodje zgolj pospešuje stare ovinke.

Kako to zveni v praksi, najlepše pokaže podjetje, ki je v dveh letih odigralo obe vlogi — vzornika in svarila. Klarna je februarja 2024 razglasila, da njen pomočnik opravi delo 700 agentov v podpori strankam. Maja 2025 je smer obrnila in začela ljudi znova zaposlovati, ker so stranke zahtevale človeka, Forresterjeva analitičarka Kate Leggett pa jo je označila za vzorčni primer slabe uvedbe umetne inteligence. Novembra 2025 je ista Klarna sporočila, da agent zdaj opravlja delo 853 ljudi in prinaša okoli 60 milijonov dolarjev prihrankov letno — stroški strežbe strank pa so ji zaradi vračanja ljudi spet zrasli.^[15] Obe polovici zgodbe sta poučni: tehnologija je delovala ves čas, podjetje pa je dve leti iskalo mejo, do katere sme proces slediti stroju. Tudi uspešna preureditev tovarne vključuje steno, v katero se prej zaletiš.

§ 06 — ŠkarjeLeto 2026: denar raste hitreje od znanja

Je gospodarstvo iz prvega kroga zgodbe kaj potegnilo? Pri denarju zagotovo. Menlo Ventures je izračunal, da so podjetja v letu 2025 za generativno umetno inteligenco porabila 37 milijard dolarjev, več kot trikrat toliko kot leto prej. Znotraj te vsote je razrez zgovoren: orodja za programiranje 4 milijarde, horizontalni kopiloti 7,2 milijarde, agenti — beseda leta po vseh konferencah — okroglih 750 milijonov ali dva odstotka celote.^[17] Leto agentov je zaenkrat marketinška kategorija, računovodska še čaka. Nad vsem tem se boči infrastrukturni dežnik brez zgodovinske primerjave: štirje največji ameriški tehnološki koncerni bodo v letu 2026 v podatkovne centre zlili okoli 700 milijard dolarjev — vsota, ob kateri obledi marsikateri državni proračun.^[18]

Pri znanju je slika drugačna. KPMG vsako četrtletje meri utrip pri velikih ameriških podjetjih in prav ta meritev je zame najpomembnejši podatek leta 2026. Povprečna načrtovana naložba v umetno inteligenco za prihodnjih dvanajst mesecev je poskočila na 207 milijonov dolarjev na podjetje, skoraj dvakrat toliko kot leto prej. Hkrati je delež podjetij, ki kot glavno oviro za donos navajajo širitev primerov rabe, v enem samem četrtletju zrasel s 33 na 65 odstotkov, delež tistih, ki jih ustavlja vrzel v veščinah, pa s 25 na 62 odstotkov.^[19] Škarje se odpirajo: zgornje rezilo je denar, spodnje sposobnost izvedbe, in razmik med njima se je v treh mesecih podvojil. Forresterjevi podatki za 2026 isto povedo z druge strani — agentno umetno inteligenco so »posvojile« približno tri četrtine podjetij, resnično produkcijo pa dosega manjšina, razlogi za ukinitve pa so praviloma menedžerski: metrike, lastništvo procesov, dostop do podatkov.^[20]

Ta kombinacija — rekordne naložbe, podvojene ovire — je na prvi pogled absurdna. Skozi Davidova očala dobi smisel: natanko tako je videti spodnji del krivulje J. Denar za diname je najlažji del in zato pride prvi. Preureditev tovarne je težji, počasnejši, bolj boleč del in zato zaostaja. Vprašanje za vsako upravo je zato neprijetno preprosto: kupuje naš denar preureditev ali samo še en lep stroj za staro halo?

§ 07 — PreureditevTovarne iz dvajsetih let so že med nami

Zgodovina elektrifikacije ima še en nauk, ki se v razpravah rad izgubi. Produktivnostni skok dvajsetih let je pobrala nova generacija tovarn, pogosto novih podjetij na novih lokacijah, medtem ko so stare hale s starimi gredmi počasi ugašale. Prehod je bil za gospodarstvo zmaga, za posamezne lastnike starih tovarn pa pogosto poraz. Prevedeno v leto 2026: čas, ki ga podjetje prebije v vicah večnega pilotiranja, teče v korist tistemu konkurentu, ki je proces že preuredil. JPMorgan v umetno inteligenco letno vloži okoli dveh milijard dolarjev in podoben znesek navaja kot letno korist, njegov interni sistem pa uporablja 200.000 zaposlenih.^[21] Številka je samoocena podjetja in jo je treba brati s to oznako, a smer je težko spregledati: največji igralci so preureditev začeli, ko je večina še izbirala pilota.

Priznam še zadnje presenečenje iz priprave tega eseja. Pričakoval sem, da bo najtežji del zgodbe tehnologija — konteksti, halucinacije, varnost. V vseh raziskavah, ki sem jih prebral, pa se kot ozko grlo znova in znova pojavlja isti trojček: kdo proces zares vodi, kaj se meri in kdo sme spremeniti delovna navodila. Vprašanja iz devetnajstega stoletja. Elektromotor jih je zastavil tovarnarju leta 1900, umetna inteligenca jih zastavlja upravam danes, in odgovori se pišejo najprej v organigrame, šele nato v proračune za tehnologijo. Prav to je delo, ki ga te dni opravljam s svojimi naročniki: manj izbiranja modelov, več premikanja strojev po hali.

Solow je svoj slavni stavek izrekel leta 1987. Statistika mu je pritrjevala še desetletje, potem pa se je v poznih devetdesetih ameriška produktivnost nenadoma prebudila — ko so podjetja računalnike končno nehala lepiti na stare postopke. Če krivulja J drži tudi tokrat, bo čez nekaj let vse videti očitno in neizogibno, tako kot je danes očitna tovarna z motorjem pri vsakem stroju. Do takrat priporočam preprosto vprašanje za vsak sestanek s ponudnikom: kdor vam prodaja dinamo, vam prodaja začetek stroška. Donos se začne pri jermenih.