Ang Oportunidad ng Enterprise AI ay Pagpapalawak, Hindi Pagpapalit

Ang generatibong artipisyal na intelihensiya ay maaaring lumikha ng makatotohanang pananaw sa hinaharap sa loob ng ilang segundo. Ibig sabihin nito ay hindi kailangang buuin ng mga negosyo ang kanilang mga estratehiya batay dito.

Isang bagong inilathalang pag-aaral na ikinumpara ang mga senaryong pinaggawa ng AI para sa puwersa ng trabaho sa ekspertong panghinaharap ay nakakita ng malinaw na paghahati ng mga kalakasan.¹ Ang ChatGPT 4.5, Gemini Advanced 2.5 Pro, at DeepSeek R1 ay lumikha ng mga estrukturadong senaryo nang mabilis, mahusay, at sa malawak na hanay ng mga tema. Ang mga eksperto naman ay nagbigay ng mga hinaharap na may mas malalim na konteksto, mas sensitibong etika, at mas kapaki-pakinabang na estratehiya.

Ang pananaliksik ay nakatuon sa pamamahala ng talento sa turismo at hospitality, ngunit ang mga implikasyon nito ay lagpas pa sa mga hotel at paglalakbay. Ang bawat kumpanya na ngayon ay nag-iisip ng AI para sa pagpaplano, pagkuha, pagsusuri ng panganib, o suporta sa desisyon ng mga ehekutibo ay humaharap sa parehong tanong: Nagbibigay ba ang sistema ng pananaw, o simpleng inayos lamang ang mga pamilyar na ideya sa isang kapani-paniwalang kuwento?

Ang sagot ay hindi na walang halaga ang AI. Sa halip, ang pinakamalaking halaga nito ay kapag pinalawak nito ang larangan ng mga posibilidad bago magpasya ang mga may karanasan kung ano ang dapat seryosohin.

Paano Sinubukan ng mga Mananaliksik ang GenAI bilang Kasangkapan sa Estratehikong Paghahula

Hiniling ng mga mananaliksik sa tatlong AI platform na bumuo ng mga senaryo ng puwersa ng trabaho para sa taong 2035 gamit ang Four Futures framework ni Dator. Ang pamamaraang ito ay sumusuri sa apat na malawak na direksyon: pagpapatuloy, pagbagsak, disiplina, at transformasyon.

Bawat modelo ay nakatanggap ng standardisadong mga prompt na sumasaklaw sa kundisyon sa lugar ng trabaho, paggamit ng AI sa human resources, persepsyon ng mga empleyado, umuusbong na kasanayan, etika, patakaran, at edukasyon. Ang mga nabuong salaysay ay ikinumpara sa mga senaryong dating binuo sa pamamagitan ng mga panayam sa 30 internasyonal na eksperto sa turismo at hospitality, kabilang ang mga manager, propesyonal sa HR, espesyalista sa teknolohiya, at mga akademiko.

Ang apat na senaryo ay sumasaklaw mula sa isang AI-driven na lugar ng trabaho kung saan pinabuti ng awtomasyon ang pagre-recruit at pagsasanay hanggang sa isang sobrang awtomatikong hinaharap na tinatampok ang surveillance, depersonalization, at hindi pagkakontento ng mga empleyado. Isinasaalang-alang din ng mga modelo ang isang balanseng human-AI na lugar ng trabaho at isang hinaharap kung saan sinadya ng industriya na limitahan ang awtomasyon upang mapanatili ang personal na serbisyo.

Sinasadya na nilimitahan ang eksperimento. Ang mga modelo ay nakatanggap ng mga prompt na isang beses lamang nang walang mga karagdagang tanong, panlabas na beripikasyon, feedback mula sa mga stakeholder, o paulit-ulit na pag-aayos. Bilang resulta, sinusuri ng papel ang mga batayang AI-generated na hinaharap sa halip na ang pinakamainam na kinalabasan mula sa isang sopistikadong human-AI na daloy ng trabaho.

Kung Saan Mas Mahusay ang AI at Kung Saan Nanatili ang Bentahe ng mga Eksperto

Ipinapakita ng mga paghahambing na resulta ng pag-aaral kung bakit kaakit-akit ang generatibong AI sa mga negosyo. Maaari nitong mabilis na punan ang isang blangkong pahina ng mga posibleng papel, panganib, patakaran, at tugon ng organisasyon. Ang bilis na ito ay maaaring gawing abot-kamay ang pormal na pagpaplano ng senaryo para sa maliliit na kumpanya na hindi kayang kumuha ng malaking consulting team para sa bawat estratehikong tanong.

Lumitaw ang kahinaan kapag ang saklaw ay kailangang maging husga. Nakilala ng mga modelo ang mga isyu tulad ng bias, privacy, displacement, at surveillance, ngunit karaniwang itinuturing ang mga ito bilang mga kategoryang banggitin lamang. Sinuri ng mga eksperto kung paano maaapektuhan ng mga isyung ito ang moral, kultura ng serbisyo, boses ng empleyado, mga limitasyon ng organisasyon, at ang emosyonal na paggawa na sentral sa hospitality.

Mahalaga ang pagkakaibang ito. Maaaring tukuyin ng isang language model na maaaring bawasan ng awtomasyon ang pakikipag-ugnayan ng tao. Ang isang batikang operator ay mas malamang na maunawaan kung aling mga interaksyon ang pinahahalagahan ng mga customer, kung aling mga desisyon ang tutol ang mga manggagawa, at kung saan maaaring makasira ng tiwala o pagpapanatili ang tila epektibong proseso.

Ang Totoong Oportunidad ng Enterprise ay Mas Mabilis na Estratehikong Pagsisiyasat

Ang pinaka-kapaki-pakinabang na interpretasyon ay hindi na talo ng mga tao ang AI. Ito ay dahil ang bawat panig ay gumagana sa ibang antas ng problema.

Epektibo ang GenAI sa pagbuo ng mga posibilidad. Mas magaling naman ang mga eksperto sa pagsusuri ng mga posibilidad. Ang pagsasama ng mga tungkuling ito ay maaaring lumikha ng mas matibay na proseso kaysa sa pag-asa lamang sa isa sa kanila.

Maaaring gamitin ng isang organisasyon ang AI upang lumikha ng dose-dosenang baseline na senaryo, baguhin ang mga kritikal na palagay, tuklasin ang mahihinang senyales, at ilantad ang mga kontradiksyon. Maaaring itakwil ng mga kalahok na tao ang mga pangkalahatang salaysay, magdagdag ng lokal na ebidensya, ipakilala ang mga pananaw ng mga stakeholder, at magpasya kung aling mga pag-unlad ang nararapat na mamuhunan o planuhin bilang contingency.

Ang pamamaraang ito ay kahawig ng mas malawak na paglipat mula sa mga standalone na modelo patungo sa kumpletong enterprise system. Ayon sa naunang pagsusuri ng Securities.io, karamihan sa mga deployment na may agentic ay kulang sa mahahalagang layer sa paligid ng pinagbabatayang intelihensiya. Ang isang kakayahang modelo ay isa lamang bahagi. Ang pag-access sa data, pag-oorganisa, pamamahala, seguridad, pananagutan, at integrasyon ang nagtatakda kung lilikha ito ng pangmatagalang halaga.

Para sa praktikal na paggamit, dapat ituring ng mga kumpanya ang mga AI-generated na senaryo bilang mga hipotesis na kailangang pumasa sa ilang pagsusuri:

• Aling mga palagay ang walang suporta o labis na pangkalahatan?
• Sino ang mga interes at karanasan na nawawala?
• Ano ang ebidensyang magpapatibay o magpapahina sa senaryo?
• Aling mga desisyon ang mananatiling nababago kung mali ang hula?

Nagiging ganito ang AI mula sa pagiging awtoridad tungo sa isang intelihenteng katuwang sa talakayan. Ang layunin nito ay palawakin ang pagsasaalang-alang, hindi isara ang debate.

Bakit Nagiging Pang-ekonomiyang Kailangan ang Pagsusuri ng Tao

Kadalasang inilalahad ang pagsusuri ng tao bilang isang etikal na pananggalang na idinadagdag matapos mabuo ang isang AI system. Sa mga estratehikong aplikasyon, ito ay bahagi na ng produkto mismo.

Maaaring magturo ng kapital sa maling proyekto ang isang forecast na hindi isinasaalang-alang ang regulasyon, pagtutol ng manggagawa, o pag-uugali ng customer. Ang isang hiring system na nag-ooptimize ng nasusukat na kahusayan habang nagpapahina ng tiwala ay maaaring magpataas ng turnover at legal na panganib. Ang isang tool sa pagpaplano ng senaryo na inuulit ang mga nangingibabaw na palagay ay maaaring magpataas ng kumpiyansa ng mga ehekutibo nang hindi sila napapabuting impormado.

Pinatitibay ng regulasyon ang pangangailangang ito. Ang European Union’s AI Act ay nag-uuri ng ilang aplikasyon sa empleyo at pamamahala ng manggagawa bilang mataas na panganib at nag-uutos ng mga hakbang kabilang ang dokumentasyon, pagkasubaybayan, katumpakan, at pagsusuri ng tao. Ang mga kahilingang ito ay ginagawang komersyal na mahalaga ang mga kakayahan sa pamamahala kaysa sa simpleng reputasyon lamang.

Ang umuusbong na kompetitibong kalamangan ay maaaring maging kontekstwal na intelihensiya: ang kakayahang iugnay ang output ng modelo sa proprietary na data, kaalaman sa sektor, regulasyon, kasaysayan ng organisasyon, at karanasan ng mga apektadong tao. Patuloy na magpapabuti ang mga foundation model, ngunit ang pag-access sa isang kakayahang modelo ay nagiging mas kaunti ang pagkakaiba. Ang mas mahirap na asset na ulitin ay ang sistemang nakapalibot dito.

Makakatulong din ito upang ipaliwanag kung bakit ang intelihensiya ay unti-unting itinuturing bilang imprastruktura. Nagiging kapaki-pakinabang sa ekonomiya ang imprastruktura kapag ito ay maaasahan, pinamamahalaan, at konektado sa totoong operasyon. Ang hilaw na paglikha ay simula lamang ng value chain na iyon.

Isang Kritikal na Limitasyon ang Nagbabago kung Paano Dapat Basahin ang mga Resulta

Naglalaman ang pag-aaral ng isang mahalagang asymmetry. Ang mga AI na senaryo ay mga hilaw na unang-pass na output, samantalang ang paghahambing ng tao ay nagmula sa mga panayam na sinintetisa, inedit, at inilathala sa pamamagitan ng peer review. Maaaring sumasalamin ang ilang kalamangan ng mga eksperto sa mas masaganang proseso ng produksyon kaysa sa likas na pagkakaiba sa pagitan ng pag-iisip ng tao at makina.

Ang napiling mga bersyon ng modelo ay sumasalamin din sa window ng pangangalap ng data mula Pebrero hanggang Marso 2025. Dahil sa bilis ng pag-unlad ng AI, hindi dapat ipakahulugan ang pananaliksik bilang permanenteng ranggo ng ChatGPT, Gemini, DeepSeek, o mga eksperto sa tao.

Hindi pinawawalang-bisa ng mga limitasyong iyon ang pangunahing natuklasan. Sa halip, itinuturo nito ang susunod na eksperimento: ihambing ang mga pangkat ng eksperto laban sa mga pangkat ng eksperto na gumagamit ng AI, na parehong binigyan ng pantay na pag-access sa ebidensya, iterasyon, at pagwawasto ng editoryal. Susukatin nito kung natatapos ng GenAI ang puwang sa konteksto kapag isinama sa isang mahigpit na proseso.

Pamumuhunan sa Human-AI Integration Layer

Ang mga natuklasan ay lumilikha ng natural na kaso para sa pamumuhunan para sa Accenture. Ang kumpanya ay nasa gitna ng mga lalong kakayahang foundation model at mga enterprise na nangangailangan ng mga modelong iyon na isinasalin sa mga secure, industry-specific na workflow.

Hindi nakabatay ang kahalagahan ng Accenture sa pagmamay-ari ng nangungunang foundation model. Ito ay nagmumula sa pagsasama ng implementasyon ng teknolohiya sa kaalaman sa proseso, transformasyon ng workforce, pamamahala, at kadalubhasaan sa sektor. Ang posisyong iyon ay malapit na naaayon sa konklusyon ng pag-aaral na ang AI ay nagiging mas kapaki-pakinabang kapag ang mga output nito ay binibigyang-kahulugan at kinokontexto ng mga tao.

Kamakailan lamang naitatag ng kumpanya ang isang Accenture Gemini Enterprise Business Group kasama ang Google Cloud. Pinagsasama ng inisyatibang ito ang mga sertipikadong propesyonal, kadalubhasaan sa industriya, mga framework ng implementasyon, at isang planadong puwersa ng 1,000 na inhinyero na naka-deploy nang pasulong. Ang sinasabing layunin nito ay ilipat ang mga customer mula sa limitadong mga AI experiment patungo sa nasusukat na mga resulta ng enterprise.

May mga panganib din ang estratehiyang iyon. Maaaring magastos ang mga proyektong AI na pinamumunuan ng consulting, mahirap sukatin ang mga benepisyo, at maaaring i-automate ng mabilis na umuunlad na software ang ilang bahagi ng gawain sa pagpapatupad. Dapat patunayan ng Accenture na ang kanilang kadalubhasaan ay nagdudulot ng pangmatagalang pagbuti sa operasyon kaysa sa pinalawig na mga pilot program. Gayunpaman, sinusuportahan ng pananaliksik ang batayang palagay na ang mga kumpanya ay kakailanganin higit pa sa pag-access sa modelo. Kailangan nila ng tulong sa muling pagdidisenyo ng mga desisyon, responsibilidad, at daloy ng trabaho kaugnay nito.

Huhulma ng AI ang Estratehiya nang Hindi Nagiging Estratehista

Kaya na ng Generative AI na mapabilis at mapababa ang gastos ng estratehikong pagsisiyasat. Maaari itong lumikha ng mga alternatibo, mag-ayos ng kawalan ng katiyakan, at magbigay sa mga gumagawa ng desisyon ng konkretong bagay na maaaring hamunin. Ang mga ito ay makabuluhang mga kalamangan.

Ang hindi pa nito kayang ibigay nang mag-isa ay pananagutan para sa mga palagay sa loob ng mga kwento nito. Hindi nito pinapasan ang gastos kapag ang isang pangkalahatang rekomendasyon ay sumasalungat sa kultura ng trabaho, regulasyon, o pag-uugali ng tao.

Samakatuwid, ang pinakamalakas na modelo para sa mga kumpanya ay hindi ganap na awtomasyon ni pagwawalang-bahala sa AI. Ito ay isang disiplinadong paghahati ng gawain: ang mga makina ay lumilikha at nagbabago ng mga posibilidad, habang ang mga tao ay nagbibigay ng ebidensya, konteksto, etikal na paghusga, at responsibilidad. Para sa mga mamumuhunan, inilipat nito ang atensyon mula sa mga modelo lamang patungo sa mga kumpanyang nagtatayo ng mga layer ng integrasyon, pamamahala, at kadalubhasaan na ginagawang magagamit ang AI sa totoong ekonomiya.

Mga Sanggunian:

¹ El Hajal, G., & Ivanov, S. (2026). Mga makina, isip, at ang hinaharap ng trabaho: GenAI at mga imahinasyon sa hinaharap ng trabaho. Futures, 184, 103934. https://doi.org/10.1016/j.futures.2026.103934