Miliardy wydane na AI – a bilans wprawia prezesów w osłupienie
Nadszedł czas bolesnych obliczeń. W salach zarządów na całym świecie entuzjazm wobec sztucznej inteligencji wyraźnie opada. Po latach obietnic i wizji prezentowanych w PowerPoincie pojawia się jedno niewygodne pytanie: czy to wszystko w ogóle się finansowo opłaca – czy firmy płacą teraz po prostu czesne za naukę?
Międzynarodowe badanie przeprowadzone przez PwC wśród 4454 kadry kierowniczej z 95 krajów rysuje obraz znacznie bardziej trzeźwy, niż sugerowałby hype wokół AI. Przedsiębiorstwa agresywnie przesuwały budżety w stronę sztucznej inteligencji, budowały zespoły, kupowały licencje, zatrudniały doradców – jednak w rachunkach zysków i strat trudno to dostrzec.
56 procent ankietowanych menedżerów najwyższego szczebla przyznaje, że wdrożenie AI nie zwiększyło przychodów ani nie obniżyło kosztów.
Oznacza to, że dla ponad co drugiej firmy efekt finansowy jest obecnie po prostu neutralny – przy jednoczesnych wysokich wydatkach na infrastrukturę, chmurę, przygotowanie danych i specjalistów. Do upragnionego zwrotu z inwestycji jest im bardzo daleko.
Niewielka część firm odnotowuje co prawda pozytywne efekty: niespełna 30 procent widzi dzięki AI wzrost przychodów. Jednak prawdziwy ideał – wyższe przychody przy jednoczesnym obniżeniu kosztów – pozostaje wyjątkiem. Tę kombinację osiąga na razie zaledwie około 12 procent przedsiębiorstw.
Wielka iluzja AI: oczekiwania kontra rzeczywistość
Właśnie w tym miejscu euforia ostatnich lat zderza się z twardą rzeczywistością. W wielu raportach rocznych inicjatywy AI brzmiały jak klucz do nowych rynków, radykalnej efektywności i zautomatyzowanych procesów. W strategicznych prezentacjach technologia była już dawno traktowana jako pewnik, a budżety rosły, by „nie dać się wyprzedzić".
W praktyce wygląda to często zupełnie inaczej. Wiele projektów AI utknęło w fazie pilotażowej, działa w oderwaniu od głównego biznesu i nigdy nie trafia do codziennej produkcyjnej rzeczywistości. Generuje to koszty – na narzędzia, doradztwo, zasoby wewnętrzne – ale niemal żadnej mierzalnej wartości dodanej.
- Wysokie początkowe inwestycje w infrastrukturę i oprogramowanie
- Pracochłonne przygotowanie danych, które rzadko było uwzględnione w planie
- Projekty pilotażowe bez jasnej ścieżki przejścia do regularnej eksploatacji
- Niejasne wskaźniki do mierzenia sukcesu
Dla wielu prezesów to nieprzyjemna weryfikacja rzeczywistości. Muszą tłumaczyć radom nadzorczym, dlaczego obiecany skok produktywności wciąż nie nadchodzi.
AI to nie „plug and play" – i właśnie to jest nagminnie niedoceniane
Jeden z kluczowych błędów polega na tym, że wiele firm traktuje AI jak nowe narzędzie, które wystarczy kupić, aktywować i natychmiast czerpać z niego korzyści. Technologia nie działa w ten sposób.
AI nie zachowuje się jak myszka komputerowa, którą podłączasz i od razu używasz. Wymaga zmian w całym przedsiębiorstwie.
Aby sensownie wdrożyć AI, firmy muszą na nowo przemyśleć swoje procesy. Dane muszą być ustrukturyzowane, czyste i dostępne. Zmieniają się zakresy odpowiedzialności, przepływy pracy, a nierzadko nawet modele biznesowe. To kosztuje czas, pieniądze i nerwy.
Dlaczego tak wiele projektów trafia w ślepą uliczkę
W wielu organizacjach brakuje jasnego planu tego, jak AI ma zostać włączona w naprawdę wartościotwórcze procesy. Zamiast tego powstają liczne izolowane projekty: tu chatbot, tam prototyp prognozowania, wewnętrzny asystent w dziale laboratoryjnym. Imponują na slajdach – ale dzielą je lata świetlne od mierzalnych milionowych zysków.
Potwierdzają to również wyniki badania MIT: zgodnie z tym opracowaniem aż 95 procent prób wdrożenia generatywnej AI w przedsiębiorstwach nie przyniosło jak dotąd odczuwalnego wzrostu przychodów. Dochodzą do tego typowe problemy samej technologii:
- Halucynacje: systemy AI wymyślają fakty lub podają błędne liczby, których nikt nie wyłapie, gdy brakuje kontroli.
- Ograniczona przydatność praktyczna: pozornie proste zadania kończą się niepowodzeniem przez drobne szczegóły lub specyficzne reguły.
- Bezpieczeństwo danych: poufne informacje trafiają do systemów, których wewnętrzne mechanizmy działania bywają mało przejrzyste.
Kiedy AI zastępuje pracowników – i wszystko idzie nie tak
Niektóre firmy posunęły się wyjątkowo radykalnie: zwalniały duże grupy pracowników i zastępowały ich pracę rozwiązaniami opartymi na AI. W prezentacjach wyglądało to jak odważna ofensywa efektywnościowa – krótkoterminowo koszty kadrowe spadały, na papierze był to sukces.
Jednak konfrontacja z rzeczywistością okazała się bolesna. Jakość świadczonych usług dramatycznie się obniżyła, klienci składali skargi, wewnętrzne procesy zaczęły się zacinać. Część firm musiała po krótkim czasie wycofać się z decyzji, ponownie zatrudniać pracowników i korygować strategię. Z obiecanego skoku efektywności zrobiło się drogie eksperymentowanie.
AI rzadko nadaje się obecnie jako pełnowartościowy zamiennik człowieka – sprawdza się raczej jako narzędzie wspierające pracowników.
Właśnie tej różnicy nie doceniło wiele przedsiębiorstw. Kto patrzy wyłącznie na szybkie oszczędności, nie tylko traci pieniądze, ale często też niszczy zaufanie klientów i pracowników.
Dlaczego inwestycje mimo wszystko wciąż rosną
Pomimo całego rozczarowania – zatrzymania wydatków na AI nie widać w perspektywie. Wielu menedżerów najwyższego szczebla postrzega obecną fazę jako niezbędną krzywą uczenia się. Sam PwC zakłada, że około roku 2026 zostanie osiągnięty decydujący punkt zwrotny dla AI w kontekście biznesowym.
Presja jest ogromna. Żaden zarząd nie chce uchodzić za ten, który przespał trend. AI jest postrzegana jako przepustka do przyciągania talentów, imponowania inwestorom i sygnalizowania innowacyjności. W wielu branżach panuje przekonanie: lepiej inwestować teraz i popełniać błędy, niż zacząć za późno.
| Postawa firm | Typowa konsekwencja |
|---|---|
| Strach przed przegapieniem trendu | Szybkie projekty pilotażowe bez jasnej strategii |
| Oczekiwanie natychmiastowych oszczędności | Błędne decyzje przy redukcji zatrudnienia |
| Presja ze strony inwestorów i rad nadzorczych | Wielkie zapowiedzi, skromne rezultaty |
| Wiara w długoterminowy potencjał | Gotowość do akceptowania krótkoterminowych strat |
Co firmy muszą zmienić, żeby AI się opłacała
Kto chce wyjść z kosztownej fazy hype'u, potrzebuje zupełnie innego podejścia. Kluczowe jest to, żeby AI nie funkcjonowała jako prestiżowy projekt działu IT, lecz była bezpośrednio powiązana z kluczowymi wskaźnikami – przychodami, marżą, zadowoleniem klientów czy czasami realizacji.
Trzy dźwignie realnych korzyści
- Konkretne cele biznesowe: zamiast „teraz robimy AI" potrzebne są precyzyjne cele – na przykład mniej reklamacji, szybsze procesy ofertowania czy dokładniejsze prognozy popytu.
- Integracja z kluczowymi procesami: AI musi być włączona w rzeczywisty łańcuch wartości – w sprzedaż, produkcję, logistykę, obsługę klienta, a nie tylko w laboratoria czy działy innowacji.
- Ciągła kontrola wyników: efekty muszą być regularnie weryfikowane. Jeśli model nie przynosi mierzalnych usprawnień, jest modyfikowany lub wstrzymywany.
Firmy, które poważnie podchodzą do tych kroków, już dziś osiągają widoczne efekty. Automatyzują części dokumentacji, wspierają pracowników merytorycznych, inteligentniej priorytetyzują zapytania lub usprawniają procesy serwisowe w przemyśle.
Ryzyka, które wielu bagatelizuje – i szanse, które są realne
Do największych zagrożeń należą dziś nie tylko błędy techniczne czy halucynacje, ale też prawne i organizacyjne konsekwencje wdrożeń. Kiedy poufne dane z umów przepływają przez zewnętrzne serwisy AI, natychmiast pojawia się kwestia zgodności z przepisami, odpowiedzialności i ochrony danych. Błędne informacje przekazane klientom mogą w najgorszym przypadku pociągać za sobą konsekwencje prawne.
Z drugiej strony – szanse leżą tam, gdzie AI uzupełnia ludzką pracę zamiast ją zastępować: przy streszczaniu informacji, rutynowych analizach, sortowaniu zapytań, proponowaniu opcji decyzyjnych. Właściwie wdrożona może odciążać pracowników, a nie ich wypierać.
Dla wielu firm kluczowym zadaniem najbliższych lat będzie znalezienie tej złotej środkowej drogi: odejście od kosztownego hype'u i przejście do trzeźwego, mierzalnego stosowania AI. Komu się to uda, ten ma realną szansę przekuć obecne rozczarowanie w faktyczną przewagę konkurencyjną – zamiast drogo surfować na kolejnej fali technologicznej.
