Mit tanít még mindig a Lean Startup a generatív AI-ról

Az MIT mérte meg: a generatív AI-pilóták 95%-a semmilyen kimutatható eredményt nem hozott.

Nem a modellek hibásak – a megközelítés az. A vállalatok ugyanazt a hibát követik el, amit a dotcom-korszak temetett el egyszer már: nagy téteket tesznek fel, mindent előre specifikálnak, és egy évvel később szállítanak valamit, remélve, hogy a feltételezések még helytállóak. Eric Ries 2011-ben megírta a Lean Startup-ot éppen ezért. A lényeg nem a szállítás sebessége, hanem a tanulásé. A generatív AI nem meghaladta ezt a szemléletet – éppen ellenkezőleg, még aktuálisabbá tette. Olcsóbbak lettek a kísérletek, tehát több kísérletet futhatsz le. Ha nem használod ki ezt, csak gyorsabban gyártod a feleslegest.

A kudarcok mögött szinte mindig ugyanaz áll: nem valódi problémát oldottak meg. A CB Insights startup-boncolásai szerint a termék-piac illeszkedés hiánya vezeti a halálozási listát. Az AI-pilótáknál ugyanez történik – boardroom-ban jól mutató demók születnek, nem pedig kedd reggel is használt eszközök. Toyota régi receptje, a genchi genbutsu – menj oda és nézd meg – ma is érvényes. A sikeres csapatok azok, akik közel maradnak a valódi felhasználóhoz, és meglévő munkát erősítenek fel. Nem az irodából menedzselik a problémát.

A tanulság egyszerű, de nehéz betartani: a gyorsaság melléktermék, nem cél. Az MIT adatai szerint a legsikeresebb szereplők nem a legtöbb pilótát futtató nagyvállalatok voltak, hanem a szűkre szabott hatókörrel dolgozó közepes cégek. A generatív AI pontosan olyan gyorsan visz falnak, amilyen gyorsan visz előre – attól függ, hogy valódi mérőszámhoz kötöd-e a munkát, vagy csak a kimenetek mennyiségét növeled.