A mesterséges intelligencia gyorsabban fejlődik, mint amit a legtöbb szervezet kényelmesen fel tud dolgozni, és a vezetők nyomást éreznek, hogy cselekedjenek. Ez a nyomás két tipikus reakciót vált ki: egyes csapatok haboznak és olyan egyértelműségre várnak, ami sosem érkezik meg, mások pedig beleugranak, eszközöket és ötleteket kergetnek anélkül, hogy a valóban fontos dolgokra alapoznák ezeket. Mindkét megközelítés kudarcra van ítélve.
A sikeres vezetők nem próbálják megszüntetni a bizonytalanságot, hanem mechanizmusként használják azt a tanuláshoz, az összehangoláshoz és a jobb döntéshozatalhoz. Idővel négy következetes mintázat különíti el az elakadó csapatokat azoktól, amelyek világossággal és lendülettel haladnak előre.
A legtöbb szervezet a megjóslásra van beállítva – azt akarják, hogy a terv helyes legyen, mielőtt lépnének. Az AI területén azonban ilyen szintű bizonyosság nem létezik. A hatékonyan cselekvő vezetők a tökéletességről a haladásra váltanak. A tanulási sebesség válik szabvánnyá: milyen gyorsan jutunk el a feltételezésektől a betekintésig? Mit tesztelünk? Mit tanulunk, ami megváltoztatja az irányt? A szerző nemrég egy olyan vezetői csapattal dolgozott, amelynek széles körű AI-vízió volt, de kevés validáció támasztotta alá. Amikor valódi használati eseteket kezdtek tesztelni valódi csapatokkal, minden megváltozott. Heteken belül több világosságot kaptak, mint amennyit hónapnyi tervezés eredményezett.
Az egyik leggyakoribb csapda a "tűz, kész, célzás" gondolkodásmód. A vezetők cselekvési nyomást éreznek, eszközökbe, képzésekbe és kezdeményezésekbe ugrannak bele anélkül, hogy meghatároznák, mit is oldanak meg. Ez haladásnak tűnik, de nem az. A legtöbb AI-projekt nem a laborban bukik el, hanem a valós világban, ahol a problémák összetettebbek, mint amit a terv feltételezett. A jobb megközelítés az, ha a problémával kezdünk: mit próbál elérni az ügyfél? Hol van a súrlódás? Mi tenné az élményt egyszerűbbé és gyorsabbá?
A szerző ezt világosan látta egy olyan cégnél, amely önkiszolgáló portált épített. A kulcs nem a technológia implementálása volt, hanem annak megértése, hogy a felhasználók valójában milyen problémát próbálnak megoldani, és ennek megfelelően alakítani a megoldást. Az AI-nak nem eszközként, hanem a tényleges üzleti problémák megoldásának eszközeként kell működnie.