Z tego artykułu dowiesz się:
- Na jakim etapie są projekty AI w rodzimych przedsiębiorstwach?
- Jaka jest największa, strukturalna bariera hamująca skalowanie projektów AI w Polsce?
- Jak zmieniły się priorytety menedżerów, którzy od sztucznej inteligencji oczekują konkretnych wyników?
- Na czym polega zjawisko „papierowego governance” i jakie ryzyko inwestycyjne ze sobą niesie?
Zdolność rodzimych przedsiębiorstw i instytucji do bezpiecznego oraz odpowiedzialnego wykorzystywania algorytmów rośnie skokowo – jak wynika z najnowszego raportu SAS „Nowa ekonomia zaufania”, zrealizowanego na bazie globalnego badania IDC, polski rynek okazał się jednym z najszybciej ewoluujących środowisk technologicznych na świecie, a wskaźnik wiarygodności (tzw. Trustworthiness Index) wzrósł w ciągu roku z 40,5 do 56 punktów. Równocześnie tzw. luka zaufania (Trust Gap) – czyli dystans dzielący deklarowane przez kadrę menedżerską zaufanie do technologii od faktycznych kompetencji organizacji w zakresie jej kontrolowania – stopniała o 23,8 pkt., spadając z 35,4 do ledwie 11,6 pkt.
Koniec testów. Firmy integrują AI z biznesem
Wedle analiz, które „Rzeczpospolita” miała okazję poznać jako pierwsza, tak gwałtowne domykanie luki zaufania nie wynika jednak ze ślepego optymizmu zarządzających, bo „postrzegane zaufanie” do systemów AI (Perceived Trust) wręcz ostygło, spadając z 75,9 do 67,6 pkt. Zdaniem ekspertów to wyraźnie świadczy o rosnącym realizmie liderów biznesowych. Ich zdaniem kluczem do pozytywnej zmiany okazała się budowa formalnych struktur ładu technologicznego. Mimo to za fasadą nowoczesnych regulacji wewnętrznych kryje się potężny problem strukturalny. Chodzi o paliwo dla systemów sztucznej inteligencji – o dane.
– Polski rynek zrobił w ciągu roku duży krok w stronę bardziej dojrzałego zarządzania AI. Firmy coraz lepiej radzą sobie z kontrolą i zarządzaniem modelami. Niestety, jednocześnie dojrzałość infrastruktury danych w organizacjach rozwija się znacznie wolniej. To istotne, bo sama strategia zarządzania AI nie wystarczy, jeśli organizacja nie ma możliwości prześledzenia pochodzenia danych, oceny ich jakości i zrozumienia, na czym opiera się decyzja systemu AI – komentuje Miłosz Trawczyński, country leader w SAS Polska. – W kolejnej fazie rozwoju właśnie te fundamenty będą decydować o tym, które projekty rzeczywiście można skalować – kontynuuje.
Jak zauważa, najbardziej uderzającą zmianą w postawie polskich menedżerów jest odwrót od wdrożeń o charakterze czysto „taktycznym”. Z badania IDC wynika, że odsetek organizacji traktujących swoje inicjatywy w obszarze AI jako krótkoterminowe lub doraźne załamał się w ciągu ostatnich dwunastu miesięcy – spadł z poziomu 60 proc. do zaledwie 9,4 proc. W tym samym czasie grupa podmiotów, które dokonały pełnej integracji algorytmów z procesami operacyjnymi, wzrosła z 16 do 35,8 proc., a odsetek firm wykorzystujących sztuczną inteligencję do głębokiej transformacji biznesowej urósł trzykrotnie (z 6 do 17 proc.). Zjawisku temu towarzyszy wyraźna weryfikacja narzędziowa: wskaźnik wykorzystania generatywnej AI w polskich przedsiębiorstwach skurczył się z 87 do 62,3 proc., natomiast w przypadku autonomicznej, agentowej sztucznej inteligencji nastąpił poważny spadek z 65,2 do 30,2 proc.
Czytaj więcej
– Prawdopodobnie teraz jest szczyt wydatków na centra danych – mówi Christian Nolting, Global Chief Investment Officer w Private Bank Deutsche Bank.
Liczy się ROI
Analitycy twierdzą, że ta pozorna redukcja skali wdrożeń jest w istocie świadectwem dojrzałości, gdyż firmy przestały traktować nowinki technologiczne jak korporacyjną modę, a zaczęły poddawać je rygorystycznej selekcji. Przy tym priorytetem stały się namacalne korzyści ekonomiczne. Znaczenie redukcji kosztów operacyjnych jako głównego celu wdrożenia wzrosło o 15,2 punktu proc., osiągając 47,2 proc., jednocześnie waga generowania nowych przychodów skoczyła o 22,3 punktu proc. do poziomu 28,3 proc., natomiast orientacja na realizację strategicznych wskaźników KPI wzrosła aż o 29,1 punktu proc., sięgając 49,1 proc. Warto odnotować też, że równocześnie wskaźnik wpływu sztucznej inteligencji na wyniki biznesowe (AI Impact Index) poprawił się o 5,6 punktu (do poziomu 53,1), a to oznacza wejście w strefę, w której generowana wartość zaczyna realnie utwierdzać zarządy w słuszności ponoszonych nakładów.
Obecnie niemal co czwarta badana w Polsce firma (24,6 proc.) raportuje wysoki lub bardzo wysoki zwrot z inwestycji (ROI), a co trzecia (34 proc.) deklaruje zwroty umiarkowane. Barierą w pełnym usamodzielnieniu algorytmów pozostaje jednak brak zrozumienia ich zachowań – globalnie aż 79 proc. użytkowników biznesowych modyfikuje lub odrzuca rekomendacje generowane przez AI w ponad 10 proc. przypadków, ale nad Wisłą głównym źródłem tego sceptycyzmu nie jest wcale strach przed błędami obliczeń. Na pierwszym miejscu decydenci wskazują brak wystarczającego wyjaśnienia logiki stojącej za decyzją systemu (28,3 proc. wskazań), zaś kolejnymi barierami są: błędy merytoryczne (22,6 proc.) oraz brak właściwego kontekstu i odpowiedniego poziomu szczegółowości analizy (20,8 proc.). Efekt? Zaufanie do autonomicznych systemów agentowych jest o 10 punktów procentowych niższe niż do klasycznej generatywnej AI (w skali globalnej to relacja 66 wobec 76 proc.). Miłosz Trawczyński zwraca uwagę, że bez transparentności nie da się skalować rozwiązań podejmujących autonomiczne decyzje biznesowe. Jego zdaniem, aby móc zaufać agentom cyfrowym, kadra zarządzająca musi dokładnie wiedzieć, na jakich przesłankach powstała dana rekomendacja, jak naprawić ewentualny błąd i kto ponosi odpowiedzialność za finalny rezultat.
Czytaj więcej:
Choć większość polskich firm deklaruje wdrożenie sztucznej inteligencji, w praktyce technologia ta rzadko kiedy skaluje biznes, najczęściej służąc...
Pro
Pułapka „papierowego governance”
Raport pokazuje, że – rozpatrując pięć filarów wiarygodności sztucznej inteligencji mierzonych przez analityków – Polska dokonała największego postępu w obszarach związanych z wymogami formalnymi i regulacyjnymi, stymulowanymi m.in. przez unijny AI Act. Wskaźnik audytu i rozliczalności poszybował w górę o 12,6 punktu, osiągając poziom 60,1. Zarządzanie modelami wzrosło o 12,5 punktu do 54,5, a zdolność do wyjaśniania decyzji (explainability) powiększyła się o 8,3 punktu, notując 56,1 punktu. Co ciekawe, kontrastuje z tym zapaść w fundamentach – wskaźnik jakości i zarządzania danymi (Data Quality & Governance) drgnął zaledwie o 2 punkty (z 52 do 54 punktów) i pozostaje aż o 5,5 punktu poniżej globalnej średniej (ta wynosi 59,5). W praktyce polskie firmy zbudowały rozbudowane procedury nadzorcze nad systemami, które zasilane są nieuporządkowanymi, fragmentarycznymi danymi. Zaledwie 18,9 proc. przedsiębiorstw w kraju dysponuje zoptymalizowaną architekturą danych pozwalającą na pełną weryfikację ich pochodzenia (data lineage) i rzetelną ewaluację jakości. Dokładnie taki sam odsetek organizacji przyznaje, że ich infrastruktura pozostaje całkowicie poszatkowana na odizolowane silosy. Oznacza to, że na każdą organizację konsolidującą swoje zasoby przypada inna, w której postępuje chaos i fragmentacja. Skutkiem tej asymetrii jest powstawanie „papierowego governance”. Aż 26,4 proc. organizacji deklaruje posiadanie oficjalnej polityki odpowiedzialnej AI, przyznając jednocześnie, że nie ma pojęcia, czy w codziennej praktyce ktokolwiek jej przestrzega.
Odpowiedzialność za jakość informacji wciąż zepchnięta jest na poziom poszczególnych zespołów projektowych w 39,6 proc. firm, a bezwzględny wymóg audytu danych na każdym etapie projektu wdrożono zaledwie w 7,5 proc. przedsiębiorstw. Zjawisko to rodzi bezpośrednie ryzyko inwestycyjne. W skali globu aż 88 proc. projektów typu proof-of-concept (PoC) nigdy nie trafia do środowiska produkcyjnego, a główną przyczyną ich przedwczesnej śmierci jest właśnie brak stabilnego, wiarygodnego podłoża danych. Przykłady międzynarodowe dowodzą tymczasem, że podmioty dysponujące dojrzałymi, operacyjnymi mechanizmami nadzoru są 15-krotnie bardziej skłonne do osiągania ponadprzeciętnego zwrotu z inwestycji.
Polskie firmy zaczynają to powoli dostrzegać – odsetek organizacji traktujących jakość danych jako absolutny priorytet wiarygodności AI podskoczył z poziomu marginalnego do 50,9 proc.
Czytaj więcej
Aż 75 proc. dużych polskich firm realizuje projekty AI, lecz zaledwie 43 proc. osiąga z nich zakładane korzyści. Większość inicjatyw utyka w fazie...
Asymetria rozwoju
Nierównomierny rozwój polskiego ekosystemu cyfrowego doskonale widać również w zestawieniu z innymi wskaźnikami międzynarodowymi. Jak wynika z opublikowanego przez Surfshark indeksu jakości życia cyfrowego (Digital Quality of Life – DQL 2026), obejmującego 121 państw, Polska uplasowała się na 23. pozycji na świecie, notując awans o jedno oczko. W filarze rozwoju sztucznej inteligencji nasz kraj przesunął się z 28. na 20. miejsce, wyprzedzając 83 proc. badanych gospodarek. Prawdziwym polskim atutem pozostaje bezpieczeństwo w sieci. W rankingu cyberbezpieczeństwa zajmujemy 7. lokatę na świecie, wyprzedzając 93 proc. analizowanych państw. Na ten wynik zapracowało m.in. unijne otoczenie prawne oparte na RODO oraz wysokie przygotowanie instytucjonalne do zwalczania cyberzagrożeń, pomimo incydentów z przeszłości, takich jak wycieki w ochronie zdrowia. Jednak i w tym badaniu naszą największą słabością okazała się baza techniczna – pod względem infrastruktury cyfrowej Polska znalazła się dopiero na 37. miejscu.
Eksperci ds. bezpieczeństwa podkreślają, że rozwój algorytmów bez odpowiednich fundamentów staje się bombą zegarową. Tomas Stamulis, dyrektor ds. bezpieczeństwa w Surfshark, zwraca uwagę, że wkroczyliśmy w erę ataków socjotechnicznych na masową skalę.
– AI skutecznie usunęła „ludzkie wąskie gardło”, które dotąd ograniczało hakerów. Jeszcze niedawno cyberprzestępca potrzebował tygodni, by zebrać informacje o ofierze, wybrać cel, przygotować treści w lokalnym języku i stworzyć fałszywe strony internetowe. Dziś dzięki AI może prowadzić ataki socjotechniczne w tempie stukrotnie szybszym niż wcześniej – zaznacza.
Według niego dziś na każde oszustwo przeprowadzone ręcznie kilka lat temu przypada dziś tysiąc zautomatyzowanych, dopracowanych ataków.
– Z maszynami trzeba walczyć za pomocą maszyn – argumentuje Stamulis.
Czytaj więcej
Aż 85 proc. polskich firm i instytucji doświadczyło w ciągu roku cyberincydentu. Mimo to połowa pracowników nie zna zasad cyfrowej ochrony, a co dz...
Żniwo rewolucji AI widać też na rynku pracy. Z danych platformy rekrutacyjnej theprotocol.it wynika, że w ostatnich 90 dniach zapotrzebowanie na specjalistów w dziedzinie AI/ML wzrosło w Polsce o 14,6 proc., a w obszarze Business Analytics o 7,8 proc. Mimo skoku zapotrzebowania mediana stawek B2B dla ekspertów od sztucznej inteligencji ustabilizowała się na poziomie 24800 zł netto plus VAT. Jak wyjaśnia Piotr Trzmiel, dyrektor ds. rozwoju biznesu w theprotocol.it, przedsiębiorstwa rekrutują obecnie o wiele bardziej selektywnie. Środki przesuwane są w stronę ról kluczowych dla utrzymania stabilności środowisk informatycznych i faktycznej transformacji technologicznej. Nie ma wątpliwości – przed polskim biznesem stoi decydujący sprawdzian. Z deklaracji zebranych przez IDC wynika, że 56,6 proc. firm w kraju planuje w najbliższych 12 miesiącach zwiększyć wydatki na sztuczną inteligencję w umiarkowanym stopniu (od 4 do 20 proc.), a 7,5 proc. szykuje duże wzrosty budżetów (powyżej 20 proc.).
