O sztucznej inteligencji, która miała zrewolucjonizować biznes, a przyniosła rozczarowanie. O tym, dlaczego firmy nie widzą efektów z AI i jak to zmienić w rozmowie z Radosławem Mechło z BUZZcenter.
Beata Anna Święcicka, „Wprost”: Ma Pan na swoim koncie kilkadziesiąt udanych wdrożeń AI w firmach i kilka tysięcy przeszkolonych osób. Tak spore doświadczenie wyostrza spojrzenie, więc nie sposób zatem rozpocząć naszej rozmowy od podstawowego pytania: jak biznes radzi sobie z AI?
Radosław Mechło, Head of AI w BUZZcenter: Odpowiem, przywołując majowy artykuł z „The Economist” pt. „Welcome to the AI trough of disillusionment” („Witamy w dolinie rozczarowania AI” – tłum. red.). Przytoczono w nim gorzkie wyznanie, jakie prezes pewnej firmy technologicznej z San Francisco usłyszał od szefa jednego ze swoich klientów z listy Fortune 500: „Nie rozumiem, czemu to tyle trwa. Wydałem na to pieniądze, a to nie działa”.
Dla wielu przedsiębiorstw początkowa ekscytacja potencjałem generatywnej sztucznej inteligencji rzeczywiście ustąpiła rozczarowaniu związanemu z trudnościami w przełożeniu tej technologii na realną produktywność.
Z danych S&P Global Market Intelligence, przywołanych we wspomnianym artykule, wynika, że odsetek firm porzucających większość swoich pilotażowych projektów genAI wzrósł w tym roku do 42 proc. Zaledwie rok wcześniej wynosił 17 proc. Innymi słowy, niemal połowa firm zarzuciła większość inicjatyw AI, nie doczekawszy się efektów. Nawet śmiałe przedsięwzięcia skłaniają się do rewidowania podejścia: prezes fintechu Klarna niedawno przyznał, że posunął się za daleko, zastępując ludzi systemem AI w obsłudze klienta i teraz musi ponownie zatrudniać personel. W Europie, jak pokazuje raport AWS „The State of AI in Europe” (2025), tylko 14 proc. firm uznaje, że AI generuje rzeczywistą wartość biznesową, choć aż 42 proc. deklaruje jej regularne użycie.
Zatem biznes korzysta, ale nie zyskuje. Dlaczego? Jakie są główne powody, które powstrzymują firmy przed przekuciem potencjału AI w realne korzyści biznesowe?
Statystyki sygnalizują, że po fali entuzjazmu wobec AI wiele zarządów przeżywa dziś to, co Gartner nazywa „doliną rozczarowania”. To zjawisko cyklicznie pojawiające się w świecie IT, gdy po hype’ie i towarzyszącej mu euforii, napompowane oczekiwania zderzają się z rzeczywistością.
Chęć wskoczenia w AI była ogromna, inwestycje płynęły szerokim strumieniem, lecz w licznych przypadkach rezultaty okazały się mizerne.
Dobrze ilustrują to wyniki analizy Boston Consulting Group z ubiegłego roku. Firma ustaliła, że tylko 26 proc. przedsiębiorstw wykształciło kompetencje pozwalające wyjść poza etap pilotażu i wygenerować dzięki AI wymierną wartość. Pozostali, a więc blisko trzy czwarte, wciąż nie osiągnęli namacalnych efektów. Podobne wnioski płyną z przytaczanego już raportu S&P Global, z którego wynika, że statystyczna organizacja porzuciła 46 proc. swoich inicjatyw AI już na etapie proof-of-concept, zanim jeszcze trafiły one do produkcji. Innymi słowy, niemal co drugi obiecujący prototyp nigdy nie został wdrożony.
Co stoi za tą falą rozczarowania? Czy biznes nie jest gotowy na AI?
To kombinacja kilku przyczyn: finansowych, technologicznych, organizacyjnych i regulacyjnych. Na czoło wysuwają się koszty oraz brak spodziewanego zwrotu z inwestycji. Trening modeli generatywnej AI i utrzymanie odpowiedniej infrastruktury bywają horrendalnie drogie — mówimy o milionowych nakładach — więc gdy obiecane korzyści się nie materializują, frustracja CFO i cięcia budżetów są zrozumiałe. W badaniu technologicznej firmy CDW prawie dwie trzecie ankietowanych oceniło, że uzyskało z AI zwrot na poziomie co najwyżej 50 proc. poniesionych inwestycji, a pełen zwrot (100 proc.) osiągnęło mniej niż 2 proc. firm.
Niemal nikt na razie na AI nie zarabia, a większość dokłada. Nic dziwnego, że entuzjazm siłą rzeczy słabnie. Mimo to pewna doza optymizmu pozostaje.
Według raportu IBM z 2024 roku większość firm, które nie osiągnęły jeszcze pełnego ROI z AI, przewiduje uzyskanie istotnych oszczędności w ciągu kolejnych trzech lat, a niemal połowa spodziewa się wyraźnych korzyści finansowych do 2027 roku.
Co zatem z ROI? Czy jest szansa na ROI z AI?
Brak ROI często wynika z niejasnych celów biznesowych wdrożeń. Wiele firm „rzuciło się” na sztuczną inteligencję pod presją mody, bez przemyślanego planu, jak ta technologia ma konkretnie zwiększyć przychody czy obniżyć koszty. Magazyn „Fortune” podał w październiku 2024 r., że blisko 75 proc. korporacyjnych inicjatyw AI nie spełniło obietnic właśnie dlatego, iż wdrażano je pospiesznie, bez odpowiedniego powiązania z procesami biznesowymi. Skupiono się na technologii zamiast na problemie do rozwiązania, a potem dziwiono się, że zwrot z inwestycji jest mglisty.
Nie bez znaczenia są też trudności z integracją rozwiązań AI z istniejącymi procesami i aplikacjami. Często to, co świetnie działało w dziale R&D, nie potrafi „dogadać się” z produkcyjnym systemem transakcyjnym czy workflow firmy. Integracja bywa kosztowna i złożona, a brak kompatybilności zniechęca zespoły do kontynuacji. Do tego dochodzi kwestia czysto infrastrukturalna: ograniczenia mocy obliczeniowej.
Popyt na moc do trenowania modeli przewyższył podaż. Ponad 80 proc. firm, jak podaje w raporcie Civo, wskazało niedobory procesorów GPU jako główną przyczynę opóźnień we wdrażaniu AI. Wiele inicjatyw utknęło w fazie testów, czekając aż infrastruktura i dostępne chipy nadążą za ambicjami. W tle mamy ponadto ryzyka regulacyjne i kwestie bezpieczeństwa.
A wspomniane przez Pana kwestie regulacji? Jaki mają wpływ na wdrażanie AI?
Niepewność co do kształtu przyszłych regulacji AI, zwłaszcza w Europie, z pewnością studzi zapał do szerszych wdrożeń. Z raportu AWS „The State of AI in Europe 2025” wynika, że firmy działające w warunkach podwyższonej niepewności regulacyjnej inwestują średnio o 28 proc. mniej w sztuczną inteligencję. Dochodzi strach przed wpadką: wielu CEO obawia się, że niedojrzały system AI popełni błąd kosztujący reputację firmy albo narazi ją na zarzut naruszenia prywatności. Im bardziej uregulowana branża (np. finansowa czy zdrowotna), tym ostrożniej podchodzi się do eksperymentów z AI. Wiele organizacji wstrzymuje więc projekty do czasu, aż otoczenie prawne i standardy postępowania z AI staną się bardziej klarowne.
Stąd rozczarowanie AI?
Skumulowany efekt powyższych barier to obecne znużenie i sceptycyzm wobec AI w biznesie. Zjawisko to nie jest jednak niczym niezwykłym. Zgodnie z koncepcją cyklu hype’u Gartnera, po początkowym „szczycie zawyżonych oczekiwań” następuje faza rozczarowania, gdy rzeczywistość nie dorównuje hype’owi.
Generatywna AI wywołała euforię w 2023 roku – każda spółka chciała mieć własnego chatbota lub „copilota”, często działając pod presją FOMO. Rok później ekscytacja ustępuje miejsca trudnym pytaniom: co poszło nie tak i gdzie podziały się obiecywane efekty?
W artykule “Welcome to the AI trough of disillusionment” analityk Gartnera John Lovelock zauważa, że wielu managerów właśnie osuwa się w tę dolinę rozczarowania. Gartner przewiduje, że potrwa ona do ok. 2026 roku – czyli przez najbliższe kilkanaście miesięcy biznes będzie trawić doświadczenia nieudanych inicjatyw AI i szukać lepszych dróg. W tym samym czasie giganci, jaka Alphabet, Amazon, Microsoft, Meta nie przestają inwestować ogromnych kwot w rozwój algorytmów i infrastruktury. Jak wskazuje Bain & Company, nakłady na AI są dziś rekordowe, ale sceptycyzm co do ich zwrotu rośnie. Technologiczni giganci jednak nie tylko głoszą potencjał AI, lecz także stosują ją u siebie: Google, Microsoft, Meta czy Amazon nasycają własne produkty i procesy inteligentnymi rozwiązaniami, licząc na skok wydajności i nowe źródła przewagi. Jeśli te wysiłki okażą się sukcesem, mogą ponownie rozbudzić w innych firmach wiarę, że AI jednak potrafi przynieść realne korzyści.
Jak zatem firmy spoza branży Big Tech powinny zareagować na ten zimny prysznic. Czy obrazić się na AI, czy może wyciągnąć wnioski i przygotować grunt pod kolejną falę innowacji?
Doświadczenia liderów rynku sugerują, że droga do sukcesu wiedzie przez usprawnienie organizacji, a nie ucieczkę od technologii. Firma doradcza Bain podkreśla, że samo wdrożenie AI nie przynosi dużych korzyści.
Prawdziwe efekty pojawiają się dopiero wtedy, gdy firma zmienia sposób pracy, strukturę działania i rozwija kompetencje zespołu. Mówiąc prościej: bez ludzi, którzy potrafią korzystać z AI i bez dostosowania pracy do jej możliwości, nawet najlepszy algorytm niewiele zmieni.
Badania i praktyka dobitnie pokazują, że kompetencji nie da się pominąć. Raport Asana z 2025 r. ujawnił, iż ponad połowa pytanych CIO żałuje wdrażania AI bez odpowiedniego przeszkolenia pracowników, a jedna trzecia wręcz wycofuje lub wymienia pochopnie wdrożone rozwiązania AI na inne, bardziej dopasowane do realiów organizacji. Taka refleksja oznacza jedno: hype opadł, nadszedł czas ciężkiej pracy u podstaw. Firmy, które teraz zainwestują w edukację i rozwój kadr, uporządkowanie danych i zainwestują w infrastruturę, mają szansę wyrwać się z „doliny rozczarowania” i wkroczyć na „stok oświecenia”.
Biznesowi pozostaje zatem cierpliwość. Czy ona się firmom opłaca?
Paradoksalnie, obecne ochłodzenie nastrojów może wyjść biznesowi na dobre, pod warunkiem, że zostanie właściwie wykorzystane.
Gdy minie moda na powierzchowne wdrożenia dla samego posiadania AI, na znaczeniu zyskają przedsiębiorstwa, które zbudują solidne kompetencje i podejdą do sztucznej inteligencji strategicznie. AI dojrzeje – jak każda przełomowa technologia – a ci, którzy nie stracą cierpliwości i mądrze przygotują swoje organizacje, zbiorą tego owoce.
Gartner przewiduje, że po obecnej dolinie nadejdzie etap realnej produktywności, gdy pojawią się dojrzałe zastosowania AI przynoszące wymierne korzyści. Wtedy ci sceptycy, którzy dziś pochopnie ulegają zniechęceniu, mogą żałować zaniechania.
Podsumowując, co dziś powinny zrobić firmy, aby przygotować się na przyszłość z AI?
Wniosek jest jeden: edukacja i kompetencje organizacyjne są kluczem do przejścia od hype’u do realnych efektów biznesowych. Zarządy firm, które już teraz postawią na rozwój wewnętrznych kompetencji – od szkoleń z AI, po budowę właściwej infrastruktury i kultury opartej na analityce – znacznie zwiększają szanse, że sztuczna inteligencja spełni swoje obietnice: może nie od razu fajerwerkami, ale stopniowo, w sposób trwały i odczuwalny w wynikach firmy.
Dziękuję za rozmowę.
BIO: Radosław Mechło – konsultant, trener i szkoleniowiec, który skutecznie łączy kompetencje technologiczne z doświadczeniem biznesowym. Z wykształcenia cybernetyk, z ponad 15-letnim doświadczeniem zarządczym. Współzałożyciel BUZZcenter – firmy specjalizującej się w doradztwie i edukacji w zakresie sztucznej inteligencji. Współpracował z liderami rynku, realizując projekty doradcze i szkoleniowe dla takich marek jak: Danone, Polpharma, Bayer, Ipsen, Classen, Kotányi, Streamsoft, Exatel, IKANO Bank, Vastint, Warta, Bank BPS, Leroy Merlin, ZAiKS, Budimex, TPA. Specjalizuje się w cyfrowej transformacji przedsiębiorstw, pomagając menedżerom i zespołom maksymalizować korzyści wynikające z wdrożeń AI.
