Wiele firm inwestuje dziś w sztuczną inteligencję nie dlatego, że jej naprawdę potrzebuje – lecz dlatego, że boi się zostać w tyle. Paradoksalnie, w wielu przypadkach AI nie rozwiązuje istniejących problemów. Ono je obnaża, a czasem po prostu skaluje.
Rok 2026 wyraźnie ochłodził pierwszą, gorącą falę entuzjazmu wokół generatywnej sztucznej inteligencji w biznesie. Po okresie intensywnych inwestycji i setek pilotaży coraz więcej organizacji wchodzi w fazę bardziej wymagającą: weryfikacji rzeczywistej wartości i mierzalnego zwrotu z poniesionych wydatków.
Polskie zarządy nadal przeznaczają znaczące środki na subskrypcje platform AI, inteligentnych asystentów i narzędzi obiecujących szybkie cięcie kosztów oraz wzrost efektywności. Coraz częściej jednak pojawia się refleksja, że sama technologia rzadko jest w stanie rozwiązać głęboko zakorzenione problemy organizacyjne. W praktyce o wyniku nie decyduje model językowy, lecz jakość danych, przejrzystość procesów oraz sposób, w jaki informacje przepływają między ludźmi i systemami.
W analizach firm badawczych, takich jak Gartner, podkreśla się, że znacząca część projektów GenAI nie wychodzi poza etap pilotażu. Główne przyczyny są dobrze znane: brak precyzyjnie zdefiniowanego przypadku użycia, niedostateczna jakość danych oraz rosnące koszty wdrożenia i utrzymania. Wiele inicjatyw kończy się jako interesujący eksperyment, dobrze wyglądający w slajdach dla rady nadzorczej, ale nie zmieniający realnego sposobu działania organizacji.
O tym, dlaczego tak się dzieje i jak polskie firmy mogą podejść do tego wyzwania z większym rozsądkiem, Baruch Jaakov Janowicz rozmawia z Michałem Marini – ekspertem ds. administracji i automatyzacji procesów biznesowych. .
Baruch Jaakov Janowicz: W polskiej gospodarce wyraźnie widać rozdźwięk w podejściu do AI. Z jednej strony raporty firm technologicznych mówią o dynamicznym wzroście adopcji, w niektórych przypadkach rzędu kilkudziesięciu procent rok do roku. Z drugiej, dane Eurostatu z 2025 roku pokazują, że rozwiązania AI wykorzystuje realnie zaledwie 8,4% polskich firm, przy średniej unijnej na poziomie 20,0%, a w Danii aż 42,0%. Czy nie jest to po prostu mylenie zakupu licencji i pilotażu z rzeczywistą transformacją operacyjną?
Michał Marini: Dokładnie tak. Mamy do czynienia z adopcją deklaratywną, a nie operacyjną. Kupno licencji czy uruchomienie pojedynczego use-case’u jest często przedstawiane jako „wdrożenie AI”, choć w rzeczywistości niewiele zmienia w codziennym funkcjonowaniu firmy.
Największym hamulcem nie jest brak technologii, lecz wieloletni dług procesowy – brak standaryzacji, słaba integracja systemów, nadmiar ręcznych czynności i niejasne przepływy informacji. W takim środowisku sztuczna inteligencja rzadko rozwiązuje problemy. Najczęściej je uwidacznia. A gdy zostanie zastosowana pochopnie – po prostu je skaluje, czyniąc je droższymi i trudniejszymi do naprawienia.
Baruch Jaakov Janowicz: Brzmi to jak powtórka z lat 90., kiedy masowe inwestycje w komputery wyprzedzały zmiany organizacyjne.
Michał Marini: Mechanizm jest bardzo podobny. Technologie ogólnego przeznaczenia – wtedy komputery osobiste, dziś generatywna AI – same w sobie nie generują wzrostu produktywności. Tworzą jedynie potencjał. Czy ten potencjał zostanie wykorzystany, zależy od tego, czy organizacja jest gotowa zmienić sposób pracy.
AI już dziś przynosi bardzo konkretne korzyści w wąskich, dobrze zdefiniowanych obszarach, szczególnie w programowaniu, obsłudze klienta (chatboty, podsumowania rozmów), generowaniu treści marketingowych czy analizie dokumentów. Problem pojawia się, gdy oczekujemy, że te lokalne sukcesy automatycznie przełożą się na cały organizm firmy bez uprzedniego przygotowania fundamentów.
Baruch Jaakov Janowicz: Gdzie w praktyce najczęściej pojawiają się największe wąskie gardła?
Michał Marini: Najczęściej tam, gdzie dane wychodzą z uporządkowanych systemów klasy ERP czy CRM i lądują w Excelach, mailach lub notatkach w komunikatorach.
Klasycznym przykładem jest jedna z dużych firm dystrybucyjnych. Proces raportowania sprzedaży wyglądał następująco: dane wychodziły z systemu ERP, trafiały do Excela, były ręcznie czyszczone przez analityka, a następnie przesyłane mailem do kilku działów, gdzie każdy wprowadzał własne poprawki. Całość zajmowała 2-3 dni robocze miesięcznie.
Firma rozważała wdrożenie narzędzi AI do automatycznego generowania raportów. Ostatecznie jednak wystarczyła integracja systemów i usunięcie dwóch zbędnych kroków w procesie. Czas przygotowania raportu spadł do kilku godzin bez użycia sztucznej inteligencji.
W wielu firmach wysoko opłacani specjaliści spędzają znaczną część dnia na ręcznym kopiowaniu, czyszczeniu i konsolidowaniu informacji. To klasyczna „niewidoczna praca”, której koszty rzadko są mierzone, ale realnie zżerają marżę.
Naturalną reakcją zarządu jest wtedy decyzja: „zastosujmy AI, żeby to przyspieszyć”. Tymczasem w wielu przypadkach znacznie skuteczniejsze i tańsze jest usunięcie samej potrzeby tej pracy przez integrację systemów, prostą automatyzację lub eliminację zbędnych kroków. W przeciwnym razie ryzykujemy nie tylko marnowanie czasu, ale też otwarcie drzwi do Shadow AI – niekontrolowanego korzystania z narzędzi przez pracowników poza wiedzą i kontrolą firmy. To już nie tylko kwestia efektywności, lecz także bezpieczeństwa i zgodności z regulacjami.
Baruch Jaakov Janowicz: Dlaczego nakładanie AI na nieuporządkowane procesy tak często kończy się rozczarowaniem?
Michał Marini: Ponieważ dokładamy zaawansowaną technologię do niestabilnego fundamentu. Efekty są wówczas przewidywalne: rośnie liczba błędów, pojawia się dodatkowa warstwa weryfikacji i korekt, rosną koszty utrzymania, a skalowanie staje się wyjątkowo trudne.
Dobrym przykładem jest firma usługowa, która wdrożyła narzędzie AI do automatycznego przygotowywania ofert dla klientów. Dane wejściowe pochodziły jednak z niespójnych źródeł – różnych arkuszy, notatek i starych szablonów. Efekt? Oferty powstawały szybciej, ale zawierały więcej błędów i wymagały dodatkowej weryfikacji. Finalnie czas pracy zespołu nie skrócił się, a liczba poprawek wzrosła. Dopiero uporządkowanie danych i ujednolicenie procesu pozwoliło realnie wykorzystać potencjał AI.
Czasem prosty skrypt lub dobrze zaprojektowana integracja API przynosi wyższy i szybszy zwrot z inwestycji niż najbardziej zaawansowany model językowy.
Baruch Jaakov Janowicz: Czy w takim razie klasyczne metody zarządzania wciąż pozostają aktualne?
Michał Marini: Absolutnie. Jedno z najbardziej uniwersalnych podejść wciąż oferuje Lean Management. Porządkuje on działania w trzech logicznych krokach:
- Eliminacja – usunięcie wszystkiego, co nie tworzy realnej wartości,
- Standaryzacja – ujednolicenie procesu, aby był powtarzalny i przewidywalny,
- Automatyzacja – dopiero na końcu, gdy fundament jest solidny.
Pomijanie pierwszych dwóch etapów prowadzi do klasycznego „garbage in, garbage out”. Chaotyczne dane i procesy dają w efekcie elegancko sformatowany, ale wciąż chaotyczny wynik, tylko podany z większą pewnością siebie.
Baruch Jaakov Janowicz: Dlaczego mimo wszystko tak wiele organizacji zaczyna właśnie od technologii?
Michał Marini: Bo technologia jest łatwa do pokazania i zakomunikowania – inwestorom, radzie nadzorczej, mediom. Można szybko ogłosić sukces. Optymalizacja procesów jest żmudna, wymaga czasu, warsztatów i często zmiany przyzwyczajeń. Nie daje natychmiastowego efektu wizerunkowego. Do tego dochodzi silna presja rynku i lęk przed pozostaniem w tyle.
W 2026 roku dostęp do modeli AI stał się powszechny i relatywnie tani. Przewaga konkurencyjna przestaje wynikać z tego, kto ma dostęp do technologii. Zaczyna wynikać z tego, kto potrafi ją sensownie wykorzystać czyli kto ma uporządkowane procesy i wysokiej jakości dane.
Baruch Jaakov Janowicz: Gdzie więc realnie powstaje przewaga?
Michał Marini: Według analiz McKinsey generatywna sztuczna inteligencja ma potencjał wpływu na nawet 30% czasu pracy w wielu sektorach. Ten potencjał jednak nie uruchamia się automatycznie. Największe korzyści osiągają te organizacje, które mają dobrze udokumentowane procesy, pracują na czystych danych, jasno definiują wartość biznesową każdego wdrożenia i potrafią wpleść technologię w rzeczywisty sposób pracy ludzi.
AI nie tworzy przewagi sama z siebie. Ona jedynie wzmacnia to, co już w organizacji istnieje zarówno jej mocne strony, jak i słabości.
Baruch Jaakov Janowicz: Jakie rady skierowałbyś do podmiotów planujących budżety?
Michał Marini: Warto na chwilę zatrzymać się i zadać kilka podstawowych pytań: czy naprawdę rozumiemy, jak działają nasze procesy? Gdzie faktycznie powstaje wartość? Gdzie tracimy czas i pieniądze?
Z praktyki polecam kilka prostych zasad:
- Najpierw proces i dane, potem technologia – w większości projektów to właśnie tam tkwi 80% wartości.
- Audyt przed inwestycją – niewielki wydatek, który często pozwala wyeliminować znaczną część zbędnych czynności.
- Dane jako fundament, a nie produkt uboczny.
- Eliminacja „ludzkich API” – wszystkich miejsc, w których ludzie ręcznie przenoszą informacje między systemami.
Przykładem może być jedna z firm logistycznych, w której pracownicy operacyjni pełnili de facto rolę „interfejsu” między systemami. Dane z zamówień były ręcznie przepisywane z jednego narzędzia do drugiego, a następnie weryfikowane telefonicznie z klientem. Zespół rozważał wdrożenie AI do automatyzacji komunikacji. W pierwszym kroku zdecydowano się jednak na integrację systemów i eliminację ręcznego przepisywania danych. Efekt: liczba błędów spadła o kilkadziesiąt procent, a czas obsługi zamówień skrócił się bez konieczności wdrażania zaawansowanych modeli.
W wielu przypadkach to właśnie te działania odpowiadają za efekty, które później przypisujemy sztucznej inteligencji.
Firmy rzadko tracą dziś konkurencyjność z powodu braku dostępu do najnowszej technologii. Znacznie częściej przegrywają dlatego, że nie rozumieją mechanizmów, według których naprawdę działają.
Sztuczna inteligencja nie jest uniwersalnym lekarstwem na bolączki organizacji. Jest raczej lustrem – pokazuje wyraźnie, gdzie firma jest silna, a gdzie chaotyczna.
W nadchodzących latach przewagę zbudują nie ci, którzy najszybciej „wdrożą AI”, lecz ci, którzy najpierw odważą się uporządkować sposób, w jaki tworzą wartość.
Bo ostatecznie AI sama w sobie nie gwarantuje przewagi konkurencyjnej.
Przewagę daje organizacja, która wie, co z tym narzędziem zrobić.
