Ifølge den kjente sveitsiske juristen er det overskuddstilbud, selektiv etterspørsel og organisatoriske problemer som hindrer skalerbarheten til kunstig intelligens i bedrifter.

I det europeiske panoramaet av kunstig intelligens, Timea Nagy etablerer seg som en stadig mer relevant og autoritativ stemme i skjæringspunktet mellom jus, teknologi og strategi. En advokat som spesialiserer seg på Datasikkerhet og AI, er grunnlegger og administrerende direktør i «Sveitsisk AI-toppmøte», en plattform som de siste årene har vært i stand til å skille seg ut med sin utpreget forretningsorienterte tilnærming, som kobler sammen løsningsleverandører kunstig intelligens og beslutningstakere i næringslivet med sikte på å akselerere den konkrete implementeringen.

Basert på Zürich og aktiv internasjonalt, støtter den styrer og toppledere i å definere strategier knyttet til kunstig intelligens, med fokus på styring, samsvar og inntreden i europeiske markeder. Spesielt, Nagy støtter globale teknologiselskaper i å navigere de regulatoriske og driftsmessige kompleksitetene ved Sveits og avEuropeiske union, og oversetter regulatoriske krav til strategiske grep.

I løpet av karrieren har han utviklet en profil som kombinerer ferdigheter lovlig, teknologisk e entreprenørskapEtter opplevelsene i Niederer Kraft Frey, jobbet som Senior juridisk rådgiver in EY om emner av personvern, kunstig intelligens og teknologirett, for deretter å gå dypere inn i ETERNYZE AG aspektene knyttet til blockchain, FinTech e DLTHun var også medgründer av Kvinner i Web3 SveitsI dag leder han plattformen sin som grunnlegger, og opererer i skjæringspunktet mellom styring, marked og strategisk AI-utvikling.

Utsiktene til sveitsisk jurist Det kjennetegnes av kombinasjonen av tre dimensjoner: juridisk ekspertise dyptgående, et privilegert observatorium på markedsdynamikk takket være «Sveitsisk AI-toppmøte» og direkte involvering i bygge entreprenørskapsinitiativer i sektoren. Gjennom «toppmøtet», faktisk, Timea har tilgang til en kontinuerlig strøm av interaksjoner mellom leverandører og bedrifter, og observerer i sanntid hvordan kjøperforventninger, salgsstrategier og vanskelighetene knyttet til implementering i stor skala utvikler seg.

En dukker opp pragmatisk visjon og utførelsesorientert: i et stadig mer overfylt marked AI-løsninger, den virkelige forskjellen er ikke lenger teknologisk sofistikasjon, men evne til å generere konkret verdi, integrere i forretningsprosesser og imøtekomme spesifikke behov. Det er i dette rommet, mellom innovasjon og praktisk anvendelse, at arbeidet til Timea Nagy, som gir en klar forståelse av mulighetene og friksjonene som omdefinerer forholdet mellom teknologi og næringsliv.

Dere har utformet det sveitsiske AI-toppmøtet som en forretningsfokusert plattform snarere enn en rent akademisk eller policydrevet konferanse. Fra ditt perspektiv, hvilke konkrete endringer observerer dere i dag i måten AI-leverandører og bedriftskjøpere samhandler på, og hvorfor er dette øyeblikket spesielt transformerende?

Ut fra det jeg har observert på det sveitsiske AI-toppmøtet, er den mest åpenbare endringen ubalansen mellom tilbud og etterspørsel. Det er et enormt overskudd av AI-verktøy og leverandører som kommer inn på markedet, mens antallet selskaper som virkelig er klare til å kjøpe og implementere AI i stor skala fortsatt er begrenset. Videre er bransjen nå mye mer fokusert på gjennomføring, demonstrasjon av avkastning og bygging av interne kapasiteter. Den er ikke lenger imponert over AIs generiske kapasiteter: det som nå søkes er konkrete, forretningsspesifikke løsninger integrert i prosesser. Dette betyr at vi går fra en teknologidrevet fase til en verdidrevet fase, der gjennomføring og implementering betyr mye mer enn ren innovasjon.

Fra et salgsperspektiv, hva er de største utfordringene AI-selskaper står overfor i dag når de går fra pilotprosjekter til implementering i bedriftsskala? Hvor stopper avtaler oftest opp?

Hovedutfordringen er å få signert kontrakten, etterfulgt av å gå fra en vellykket demonstrasjon eller pilot til faktisk operativ implementering. Dette er forståelig, gitt overforsyningen. De to sidene har forskjellige mål: ingeniørene ønsker å innovere og selge, mens selskapene fokuserer på gjennomføring og demonstrasjon av avkastning.

Motsatt, på utførelsessiden i selskaper, hva er de største flaskehalsene etter at kontrakten er signert? Er den virkelige vanskeligheten teknologisk, organisatorisk, kulturell eller annet?

Det avhenger av modenheten og størrelsen på bedriften. Yngre bedrifter beveger seg raskere, har en ny kultur og tilpasser seg derfor lettere, mens oppskalering og store bedrifter står overfor større utfordringer. I de fleste tilfeller er den største flaskehalsen organisatorisk snarere enn teknologisk. Bedrifter undervurderer ofte innsatsen som kreves og behovet for intern endringsledelse for å implementere AI: for eksempel nye arbeidsflyter, prosesser, koordinering mellom avdelinger og fremfor alt tiden som kreves.

På «Swiss AI Summit» kan du se både leverandører presentere verktøy og beslutningstakere teste dem i sanntid. Hvilke mønstre dukker opp når det gjelder hva kjøpere virkelig verdsetter kontra hva leverandører pleier å legge vekt på?

Et tydelig mønster er at leverandører har en tendens til å legge vekt på tekniske fremskritt, mens kjøpere fokuserer på integrasjon og målbar effekt. Kjøpere er generelt mindre interessert i de mest avanserte modellene og mer interessert i å forstå om løsningen løser et spesifikt problem, om den faktisk er nødvendig og brukt av kunder, og hvordan proprietære data håndteres. Spesielt i Europa er sikker datahåndtering og suverene infrastrukturer i ferd med å bli et reelt salgsargument. Bedrifter ønsker å vite hvor dataene deres er lagret og hvem som har tilgang til dem, inkludert når det gjelder land og antall involverte personer. Dette er grunnen til at de vinnende løsningene ikke er de mest teknologisk komplekse, men ofte de enkleste og mest «kjedelige».

Mange organisasjoner hevder å være «KI-klare». Hva skiller i praksis et selskap som er strukturelt klart til å integrere KI i stor skala fra et som fortsatt eksperimenterer?

Et AI-klart selskap har vanligvis fire elementer: rene data, datastyring, tydelig eierskap og lederskapsforpliktelse. Disse selskapene integrerer AI i sin driftsstrategi og tar i bruk en tilnærming med flere interessenter, som involverer IT, juridiske og andre relevante avdelinger fra starten av.

Du har et tredelt perspektiv: juridisk ekspertise innen personvern og AI, forretningseksponering gjennom toppmøtet og direkte involvering i plattformutvikling. Hvordan endrer denne kombinasjonen måten du evaluerer AI-produkter og strategier for markedsføring på?

Det gir meg en unik posisjon og ekspertise, som genererer et mer pragmatisk og realistisk syn. Fra et juridisk perspektiv forstår jeg de regulatoriske kravene til data, personvern og AI-styring. Fra toppmøtet observerer jeg den virkelige dynamikken mellom leverandører og kjøpere. Og ved å bygge produkter forstår jeg hvor kostbar utførelse er. Det er derfor jeg i dag, når jeg evaluerer AI-produkter, fokuserer mindre på selve teknologien og mer på om produktet virkelig er nødvendig og om det akselererer prosesser og arbeidsflyter. Videre investerer jeg mye i å forstå det grunnleggende, noe som er avgjørende for å skalere og tilpasse seg raskt til rett tid.

Når man designer et AI-produkt i dag, hvor tidlig bør arkitekturbeslutninger innlemme hensyn til regulatoriske forhold og samsvar? Kan samsvar bli en forretningsressurs snarere enn bare en risikoreduserende øvelse?

«Helt fra starten, selv i de tidligste stadiene av produktarkitekturen. For eksempel, mens vi designer plattformen vår, spør vi oss selv hvordan vi ønsker at den skal se ut om fem år i det ideelle scenarioet. Når vi har en klar visjon, deler vi den opp i faser og sprinter. I denne sammenhengen er det å være kompatibel ikke lenger et spørsmål, men en forutsetning.»

Ser dere et skifte i måten avkastning på investeringen (ROI) for AI-initiativer måles på tvers av bransjer? Fokuserer selskaper fortsatt på kostnadsreduksjon, eller skifter narrativet mot inntektsgenerering og konkurransedyktig posisjonering?

Jeg ser et skifte i hvordan bedrifter tenker på avkastning på investeringer (AI), men det er mer nyansert enn et enkelt skifte fra kostnadsreduksjon til inntektsgenerering. Problemet i mange organisasjoner er at AI-initiativer starter uten et klart definert forretningsresultat, og det er derfor en stor andel av pilotprosjektene – omtrent 82 prosent – ​​mislykkes. Flere og flere bedrifter innser at AI må knyttes til målbar verdi fra starten av: forbedret tid til marked, kvalitet, høyere adopsjonsrater eller muligheten for ansatte til å fokusere på aktiviteter med høyere verdi i stedet for repeterende oppgaver. Tidsbesparelser alene er ikke lenger en tilstrekkelig målestokk. Det blir tydelig at AI skaper maksimal verdi når den behandles som en organisatorisk transformasjon, ikke et isolert teknologiprosjekt. Ledere beveger seg utover den eksperimentelle fasen og fokuserer på brukstilfeller som er integrert i kjerneprosesser og skalerbare på tvers av bedriften. Selv om kostnadseffektivitet fortsatt er viktig, kommer konkurransefortrinn i økende grad fra tilpassede AI-løsninger, basert på proprietære data og i tråd med strategiske prioriteringer, med en betydelig innvirkning på selskapets konkurransefortrinn. «Klart å løse».

Etter din mening, hva er de mest undervurderte risikoene AI-leverandører står overfor i dag, ikke fra et juridisk perspektiv, men fra et kommersielt eller strategisk?

«Kanskje det er antagelsen om at teknologisk overlegenhet automatisk fører til markedsadopsjon. Med dagens overskudd av AI-løsninger er differensiering ekstremt vanskelig.»

Når vi ser fremover, med modningen av AI-plattformer, agenter og vertikale løsninger, hvordan tror du forholdet mellom AI-leverandører og bedriftskunder vil utvikle seg de neste to årene? Hvor ser du de største mulighetene og de største friksjonene?

«I løpet av de neste to årene forventer jeg at markedet vil konsolidere seg rundt et mindre antall mer spesialiserte løsninger. Bedrifter vil i økende grad foretrekke leverandører med dyp forståelse av bransjen sin, snarere enn generelle AI-leverandører.»

«Swiss AI Summit»: Lanseringsvideoen mellom identitet og innovasjon

Høydepunkter fra det sveitsiske kunstig intelligens-toppmøtet i 2025

Høydepunkter fra det sveitsiske kunstig intelligens-toppmøtet i 2024

Her er tre innsikter som kan interessere deg:

Apertus er den sveitsiske «åpne AI-en» for en mer transparent fremtid.
Gleder meg til Zürich AI-festival 2026, mellom etikk og fremtid
Europa akselererer på kunstig intelligens: her er AI-fabrikkene