Rachunek za iluzję. 90 proc. firm nie widzi zysków z AI

Pytania o to, gdzie uruchomić pilotaż i jak przetestować pierwsze chatboty, ustąpiły w biznesie miejsca twardym rozliczeniom z realnego zwrotu z inwestycji (ROI) w sztuczną inteligencję. I widać już wnioski, a te nie są optymistyczne. Jak wynika z najnowszego raportu Bain & Company „Technology Report 2026”, większość firm po implementacji tej technologii nie widzi zysków. Eksperci już mówią o tzw. pułapce „asfaltowania ścieżek dla kóz”.

Zapaść juniorskich kadr

Aż 90 proc. firm wdraża dziś sztuczną inteligencję w sposób czysto narzędziowy i punktowy – kupując pojedyncze licencje asystentów jak ChatGPT czy Copilot dla pracowników. W raportach menedżerów zjawisko to nazwano „asfaltowaniem ścieżek dla kóz”. Polega ono na powierzchownym przyspieszaniu archaicznych procedur bez zmiany sposobu funkcjonowania firmy, co zapewnia jedynie iluzoryczną wydajność, w skali mikro. Oczywiście pracownik szybciej zredaguje e-mail lub przejrzy prezentację, ale w żaden sposób nie przekłada się to na przychody ani na zysk operacyjny przedsiębiorstwa. Zupełnie inaczej wygląda rzeczywistość w grupie zaledwie 10 proc. rynkowych liderów, którzy potraktowali AI nie jako projekt IT, lecz jako całościową transformację operacyjną pod bezpośrednim nadzorem prezesów i członków zarządów. Analizy pokazują, że przedsiębiorstwa te osiągają spektakularny wzrost EBITDA (zysk przed opodatkowaniem) na poziomie od 10 do nawet 25 proc. Ale takie wyniki nie biorą się z niczego – jak podaje Bain & Company na każdego dol. wydanego na technologię AI przedsiębiorstwo musi przeznaczyć średnio cztery dolary na reorganizację procesów, modernizację architektury danych oraz przeszkolenie ludzi. David Crawford, szef globalnej praktyki TMT w Bain & Company, ocenia to w ten sposób: „Sztuczna inteligencja powinna jednak napędzać nadludzkie przedsięwzięcia, a nie tylko wyręczać nas w rutynowej papierkowej robocie. Zwycięzcami nie będą ci, którzy mają dostęp do najlepszych modeli, lecz ci, którzy zdołają zaprząc AI do pracy szybciej i efektywniej”.

Badania wskazują, iż w firmach, które wdrożyły pełną rekonfigurację procesów, efekty widać we wszystkich pionach: koszty pojedynczej interakcji w centrach obsługi klienta spadły o ponad 40 proc., wolumen połączeń skurczył się o 10-30 proc., w marketingu zapotrzebowanie na personel przy produkcji treści zmniejszyło się o 60-70 proc., a działy finansowe obniżyły tzw. powtarzalną bazę kosztową o 20-30 proc. Ale są i niepokojące konsekwencje, a jednym z najbardziej kontrowersyjnych zjawisk opisanych w raporcie jest gwałtowna zmiana struktury zatrudnienia w zespołach inżynierskich i programistycznych. Tradycyjna piramida organizacyjna w działach wytwarzania oprogramowania wyraźnie się sypie: odsetek firm deklarujących klasyczną strukturę piramidy spadł w ciągu dwóch lat z 66 do zaledwie 29 proc.

Czytaj więcej

AI

Polacy boją się AI bardziej niż większość świata. Tylko 2 proc. wierzy w nowe miejsca pracy

Aż 59 proc. Polaków uważa, że ekspansja AI doprowadzi do znaczącego ubytku miejsc pracy. Nasz kraj znalazł się w światowej czołówce państw najmocni...

Największy ciężar tej zmiany ponoszą początkujący specjaliści. Udział junior deweloperów w zespołach inżynierskich tąpnął ze średniego poziomu 33 proc. do poniżej 20 proc. Rutynowe zadania (pisanie prostego kodu, tworzenie testów jednostkowych, usuwanie drobnych błędów czy wstępny refaktoring) zostały błyskawicznie przejęte przez autonomiczne narzędzia i agentów. To zaś rodzi dylemat dla całej branży gospodarki cyfrowej, gdyż eliminując zadania podstawowe, biznes odcina naturalną ścieżkę kształcenia kadr. Juniorzy uczyli się zawodu, powtarzając proste operacje pod okiem mentorów, ale dziś przedsiębiorstwa potrzebują dojrzałego nadzoru inżynierskiego, wyczucia biznesowego i strategicznej oceny ryzyka bardziej niż kiedykolwiek. Jednocześnie demontują jednak mechanizm, który te kompetencje wytwarzał.

Rosną koszty i cyberzagrożenia

Zmienia się zresztą sama definicja programisty. W badaniu Bain & Company aż 62 proc. liderów technologicznych wskazało biegłość w operowaniu narzędziami AI jako najważniejszą poszukiwaną cechę inżyniera – to wynik trzykrotnie wyższy niż tradycyjne, czyste umiejętności kodowania. Deweloperzy deklarują, że już w perspektywie najbliższych dwóch lat będą spędzać aż jedną trzecią swojego czasu pracy na bezpośrednim instruowaniu i nadzorowaniu agentów AI. Co więcej, samo wdrożenie generatorów kodu ujawniło tzw. paradoks przesuwania wąskich gardeł. Chociaż programiści z pomocą algorytmów realizują o 21 proc. zadań więcej, to czas potrzebny człowiekowi na manualny przegląd i weryfikację wygenerowanego kodu (z ang. code review) wydłużył się aż o 91 proc. W efekcie zespoły nie pracują płynniej, lecz zderzają się ze ścianą przeciążenia poznawczego.

Równolegle dochodzi do wielu innych wyzwań. Przykład? Sztuczna inteligencja agentowa (agentic AI), która rodzi nowe, potężne wyzwania operacyjne. Mimo że średnia cena za milion tokenów spadła w ciągu ostatniego roku o ponad połowę, to łączne rachunki przedsiębiorstw za korzystanie z API wzrosły ponad dwukrotnie. Stało się tak, bo autonomiczni agenci konsumują średnio 4,5-krotnie więcej tokenów, wykonując wieloetapowe operacje. Tradycyjne próby cięcia kosztów, jak odgórne limity wydatków nakładane na poszczególnych pracowników, przynoszą skutek odwrotny do zamierzonego, paraliżując innowacje i zniechęcając zespoły do eksperymentów.

Czytaj więcej:

Raporty ekonomiczne Polacy dogonili Niemców, depczą po piętach Amerykanom. Tak korzystamy z AI

Co trzeci Polak korzysta z generatywnej sztucznej inteligencji – wskazują dane Microsoft AI Economy Institute, które „Rz” publikuje jako pierwsza....

Pro

Problemem jest też rosnący zakres, w jakim operują agenci AI. Najwięksi dostawcy sztucznej inteligencji wprowadzili narzędzia, które obsługują komputer za człowieka, a nowa generacja modeli potrafi obsługiwać aplikacje, przeglądarkę i systemy firmowe, co otwiera drogę do automatyzacji całych procesów, ale i stwarza ryzyka. Michał Lidzbarski, ekspert AI, założyciel Krajowego Centrum Badań Sztucznej Inteligencji i prezes Web To Learn, ostrzega: AI z dostępem do komputera może nie tylko popełnić błąd, ale także samodzielnie zmienić dane, wysłać informację czy wykonać niewłaściwą operację.

– Wyobraźmy sobie, że agent ma za zadanie przygotować kampanię sprzedażową. W trakcie pracy może otworzyć CRM, pobrać bazę klientów, przygotować ofertę i wysłać wiadomości. Jeśli jednak źle zinterpretuje polecenie albo wykona nieprzewidzianą operację, konsekwencje mogą być poważne, od wysłania poufnych danych do niewłaściwego odbiorcy, przez zmianę danych w systemie, aż po uruchomienie procesu, którego firma nie chciała rozpocząć. Dlatego im większą sprawczość dajemy AI, tym większą kontrolę musimy zachować nad jej uprawnieniami – radzi Lidzbarski.

Jak dodaje, agent powinien mieć dostęp tylko do tych danych i funkcji, które są niezbędne do wykonania konkretnego zadania. A nadzór jest bezwzględnie konieczny. Eksperci zwracają uwagę na pułapkę wieloetapowości: jeśli proces wymaga wykonania 34 kolejnych kroków, model o pozornej trafności 97 proc. dowiezie bezbłędny wynik w zaledwie 36 proc. przypadków. Aby proces był stabilny biznesowo, potrzebna jest trafność na poziomie co najmniej 99 proc. (dająca 71 proc. całościowego sukcesu).