Strona główna
/
Aktualności
/
Czy sztuczna inteligencja może generować zwrot z inwestycji? Dlaczego firmy z branży pionierskiej osiągają czterokrotnie większą wartość dzięki sztucznej inteligencji

Sztuczna inteligencja nie jest już tylko projektem innowacyjnym. W 2026 roku sztuczna inteligencja dotarła do większości organizacji – przynajmniej na papierze. Projekty pilotażowe, weryfikacje koncepcji i pierwsze wdrożenia produkcyjne są powszechne. Na rynku wyłania się jednak wyraźny podział: niektóre organizacje – tzw. firmy pionierskie – osiągają wymierny i skalowalny wpływ na działalność biznesową. Inne nadal borykają się z pojedynczymi przypadkami użycia, niejasnym zarządzaniem i rozczarowującym zwrotem z inwestycji. Kluczowe pytanie nie brzmi już zatem, czy firmy korzystają ze sztucznej inteligencji, ale dlaczego tak wiele projektów związanych z AI nigdy nie wkracza do fazy operacyjnej.

Czas na eksperymenty się skończył. Dyrektorzy generalni oczekują teraz, że sztuczna inteligencja przyniesie wyniki, które będą miały bezpośredni wpływ na wskaźniki KPI, takie jak wzrost, redukcja ryzyka i czas wprowadzenia produktu na rynek. IDC przewiduje, że do 2026 r. 70% firm z listy EMEA1000 będzie wymagało jasnego dowodu wartości przed zatwierdzeniem nowych inwestycji w sztuczną inteligencję, priorytetowo traktując przypadki użycia, które zapewniają wpływ wykraczający poza wydajność, napędzając wzrost i wzmacniając odporność biznesową. Ponadto 51% dyrektorów wykonawczych oczekuje, że w 2026 r. osiągnie wzrost przychodów dzięki zastosowaniu sztucznej inteligencji, a 77% ankietowanych dyrektorów ds. informatyki stwierdziło, że skalowanie sztucznej inteligencji jest priorytetem na 2026 r. W rezultacie rośnie presja na decydentów, aby wyjaśnili zwrot z inwestycji w sztuczną inteligencję.

Powody, dla których sztuczna inteligencja nie zapewnia zwrotu z inwestycji

Może być kilka powodów, dla których wdrożenie sztucznej inteligencji w organizacjach nie przynosi zwrotu z inwestycji.

Sztuczna inteligencja jest traktowana jako projekt technologiczny, a nie element strategii: W wielu organizacjach sztuczna inteligencja nadal postrzegana jest jako odizolowany projekt informatyczny. Projekty pilotażowe uruchamiane są w poszczególnych działach bez wyraźnego powiązania z nadrzędnymi strategiami biznesowymi lub mierzalnymi celami biznesowymi. W rezultacie powstają rozwiązania sprawne pod względem technicznym, ale często brakuje im bezpośredniego związku z konkretną wartością biznesową.

Niewystarczająca dojrzałość danych: Dane są uważane za fundament każdej inicjatywy związanej ze sztuczną inteligencją — jednak fundament ten jest często kruchy. Według IDC3 mniej niż 4 na 10 organizacji jest przekonanych o gotowości swoich danych do realizacji bieżących priorytetów w zakresie sztucznej inteligencji. Typowe problemy obejmują silosy danych między działami, niejednolitą jakość danych oraz brak nadzoru nad dostępem do danych.

Trudności z integracją z istniejącymi systemami i procesami: Wiele pilotażowych wdrożeń sztucznej inteligencji (AI) działa – ale często tylko w izolacji. Prawdziwa wartość biznesowa ujawnia się dopiero wtedy, gdy sztuczna inteligencja zostanie zintegrowana z istniejącymi procesami biznesowymi, danymi przedsiębiorstwa i sposobami pracy. W tym miejscu wiele organizacji napotyka bariery strukturalne: przestarzałe systemy, złożone środowiska IT oraz brak kompleksowych procesów utrudniają integrację i uniemożliwiają przejście rozwiązań AI z fazy projektów pilotażowych do rzeczywistego wdrożenia operacyjnego.

AI pozostaje na etapie „drugiego pilota”: Wiele organizacji wykorzystuje AI przede wszystkim jako system wspomagający — na przykład do generowania tekstu, analizy danych lub prostej automatyzacji poszczególnych zadań. Te tak zwane „drugie piloty” mogą zwiększyć produktywność, ale często ograniczają się do funkcji pomocniczych. Decyzje nadal są podejmowane wyłącznie przez ludzi, procesy pozostają fragmentaryczne, a sztuczna inteligencja nie jest głęboko osadzona w operacyjnych przepływach pracy. Przynosi to lokalne korzyści, ale nie prowadzi do transformacji strukturalnej. Kolejny krok — sztuczna inteligencja działająca jako agent, która samodzielnie analizuje dane, przygotowuje rekomendacje i inicjuje procesy — często nie jest wdrażany. Firmy pozostają zatem w fazie wspomagania, a nie prawdziwej automatyzacji i wsparcia decyzyjnego.

Brak umiejętności, przeciążenie organizacyjne i niedocenianie zarządzania zmianą: Kolejnym wąskim gardłem są ludzie. IDC donosi, że większość pracowników dostrzega wpływ sztucznej inteligencji na swoje role, a 75% uważa, że ich role ulegną zmianie. Jednak sztuczna inteligencja nie zmienia tylko narzędzi — zmienia procesy, role i struktury decyzyjne. Bez zarządzania zmianą pojawiają się typowe objawy, takie jak „cieniowa sztuczna inteligencja” poza oficjalnymi zasadami — co oznacza, że pracownicy używają narzędzi AI poza oficjalnymi ramami, zwiększając ryzyko związane z bezpieczeństwem — oraz niskie wdrożenie pomimo dostępnych rozwiązań lub opór spowodowany niepewnością i strachem przed utratą kontroli.

Podsumowując, organizacje, które nadal uruchamiają izolowane projekty pilotażowe, ignorują wyzwania związane z danymi, nie doceniają znaczenia zarządzania zmianą i traktują sztuczną inteligencję jedynie jako narzędzie zwiększające wydajność, narażają się na ryzyko stagnacji wyników w zakresie zwrotu z inwestycji.

Czym wyróżniają się firmy odnoszące sukcesy?

Jak podano w raporcie IDC InfoBrief, sponsorowanym przez Microsoft⁵, firmy z grupy „Frontier” osiągają zwrot z inwestycji w sztuczną inteligencję na poziomie 2,84-krotnym, podczas gdy w przypadku firm z grupy „Laggards” zwrot ten wynosi zaledwie 0,84-krotny. Ogólnie rzecz biorąc, firmy z czołówki osiągają nawet czterokrotnie lepsze wyniki w zakresie wzrostu, wydajności i doświadczenia klienta niż inne organizacje. Ponadto 76% firm z czołówki opisuje ogólne wdrożenie GenAI w swoich organizacjach jako skalowalne (dostarczające zarówno wartość przyrostową, jak i nową w całej organizacji) lub realizowane (osiągające spójną wartość GenAI w całej organizacji i w wielu jednostkach biznesowych) w porównaniu z 21% firm pozostających w tyle. Co więc firmy z czołówki robią inaczej, aby odnieść taki sukces?

  • Sztuczna inteligencja to strategia biznesowa, a nie projekt informatyczny: firmy z czołówki branży traktują sztuczną inteligencję nie jako inicjatywę technologiczną, ale jako kluczową zdolność strategiczną. Cele związane ze sztuczną inteligencją są bezpośrednio powiązane ze wzrostem przychodów, ograniczaniem ryzyka, czasem wprowadzenia produktu na rynek oraz doskonałością operacyjną. Zaangażowanie kierownictwa ma kluczowe znaczenie. Kwestie związane ze sztuczną inteligencją są omawiane na szczeblu kierowniczym, a nie opracowywane wyłącznie przez zespoły IT.
  • Podstawy danych zamiast izolowanych pulpitów nawigacyjnych: Wiele organizacji inwestuje w nowe platformy lub pulpity nawigacyjne bez harmonizacji podstawowej architektury danych. Jednak nawet najlepsze wizualizacje nie tworzą żadnej wartości, jeśli dane bazowe są fragmentaryczne, niespójne lub trudno dostępne. Firmy pionierskie przyjmują odwrotne podejście. Najpierw inwestują w spójne modele danych, integrację systemów i jasny podział odpowiedzialności za dane. Promują również umiejętność korzystania z danych oraz podejmowania decyzji. Umiejętność korzystania z danych odnosi się do zdolności do zrozumienia, interpretacji i efektywnego wykorzystania danych. Umiejętność podejmowania decyzji idzie o krok dalej — opisuje zdolność do podejmowania trafnych decyzji w oparciu o dane. Panele kontrolne nadal odgrywają ważną rolę, ale nie jako odizolowane narzędzia raportowania. Są one raczej częścią zintegrowanej architektury decyzyjnej, która zapewnia przejrzystość danych, łączy informacje z różnych systemów oraz umożliwia liderom śledzenie zmian w czasie rzeczywistym i podejmowanie decyzji opartych na danych. IDC przewiduje8, że do 2026 r. 30% dużych organizacji przekształci swoje chmury hybrydowe w zintegrowane cyfrowe stosy biznesowe z federacyjnymi strukturami danych, aby osiągnąć wartość biznesową, podwajając sukces wdrożeń AI dzięki płynnemu dostępowi do danych i ujednoliconemu zarządzaniu.
  • Zarządzanie zmianą jako czynnik sukcesu i zarządzanie jako akcelerator skalowania: Technologia zmienia procesy. Jednak transformacja AI nie jest projektem technologicznym — jest to projekt organizacyjny, który musi w równym stopniu uwzględniać ludzi, zarządzanie i kulturę. Firmy pionierskie inwestują nie tylko w systemy, ale także w ludzi. Zapewniają ustrukturyzowane szkolenia, kładą nacisk na przejrzystą komunikację i aktywnie angażują jednostki biznesowe. Według IDC ponad 75% ankietowanych organizacji ocenia przejrzystość jako bardzo ważną. W przypadku firm z czołówki odsetek ten wzrasta do 88%.9 Zarządzanie staje się zatem warunkiem wstępnym skalowania — a nie przeszkodą.
  • Sztuczna inteligencja jest głęboko zintegrowana z systemami i procesami: firmy z czołówki branży rozumieją, że sztuczna inteligencja tworzy rzeczywistą wartość biznesową tylko wtedy, gdy jest płynnie wkomponowana w istniejące systemy, przepływy danych i procesy biznesowe. Zamiast tworzyć odizolowane aplikacje, integrują sztuczną inteligencję bezpośrednio z operacyjnymi procesami roboczymi — na przykład w obsłudze klienta, łańcuchach dostaw, operacjach IT czy procesach decyzyjnych kadry zarządzającej. Sztuczna inteligencja uzyskuje dostęp do danych przedsiębiorstwa, łączy się z podstawowymi systemami, takimi jak ERP, CRM lub platformy treści, i wspiera pracowników dokładnie tam, gdzie podejmowane są decyzje. Ta ścisła integracja umożliwia bezpośrednie przełożenie wniosków wyciągniętych z danych na działania oraz ciągłą optymalizację procesów. Sztuczna inteligencja staje się zatem nie tylko narzędziem analitycznym, ale także kluczowym elementem tworzenia wartości operacyjnej.
  • Od kopilota do sztucznej inteligencji agentycznej: Kolejna różnica polega na wykorzystaniu sztucznej inteligencji agentycznej. Podczas gdy wiele organizacji wykorzystuje sztuczną inteligencję jako system wspomagający, firmy z grupy Frontier idą o krok dalej. Wdrażają one agentów AI, którzy analizują dane, oceniają scenariusze, przygotowują rekomendacje i uruchamiają procesy. Przenosi to punkt ciężkości z czystej analizy na aktywne wsparcie decyzyjne. Przyszłość sztucznej inteligencji leży nie w raportowaniu, ale w działaniu.

Jaka jest różnica między asystentem AI a agentem AI?

Różnica między asystentem opartym na sztucznej inteligencji (np. Microsoft Copilot) a sztuczną inteligencją (Agentic AI) polega głównie na stopniu autonomii oraz sposobie działania tej sztucznej inteligencji.

Funkcja
Copilot
Agentowa AI

Rola

Asystent

Autonomiczny agent

Kontrola

Człowiek

Cel określony przez człowieka + AI podejmuje decyzje

Sposób działania

Odpowiada na polecenia

Planuje i działa

Złożoność

Pojedyncze zadania

Kompleksowe procesy

Przykład

Copilot w Wordzie

Autonomiczny agent badawczy lub sprzedażowy

Podsumowując, firmy z grupy Frontier nie ograniczają się jedynie do korzystania ze sztucznej inteligencji — wdrażają ją strategicznie i systematycznie w całej organizacji. Według IDC10 organizacje te łączą ludzką wiedzę specjalistyczną, dane, technologię i zasady zarządzania, aby stymulować innowacje oparte na sztucznej inteligencji, zwiększać wydajność i umacniać długoterminową pozycję lidera na rynku. Postrzegają sztuczną inteligencję nie jako narzędzie, ale jako instrument przywództwa. Podczas gdy wiele organizacji traktuje sztuczną inteligencję przede wszystkim jako środek zwiększający wydajność, firmy z grupy Frontier wykorzystują ją do przyspieszenia procesu podejmowania decyzji, wzmocnienia odporności organizacyjnej oraz stworzenia strukturalnej przewagi konkurencyjnej.

To samo badanie IDC11 wykazało, że tylko 22% organizacji na całym świecie to firmy pionierskie i że średnio firmy pionierskie wykorzystują obecnie GenAI w siedmiu obszarach biznesowych. Ponadto wśród firm pionierskich ponad 70% wykorzystuje obecnie GenAI w obsłudze klienta, marketingu, IT, rozwoju produktów i cyberbezpieczeństwie.

W jaki sposób firma Konica Minolta wspiera przedsiębiorstwa

Firma Konica Minolta dostrzega również zmieniające się wymagania w wielu projektach realizowanych dla klientów. Podczas gdy wcześniej nacisk kładziono na poszczególne narzędzia, pulpity nawigacyjne lub pojedyncze komponenty technologiczne, obecnie przedsiębiorstwa chcą zrozumieć swoje dane – jakie dane posiadają, gdzie się znajdują, w jaki sposób można je połączyć w sieć oraz jakie konkretne korzyści biznesowe mogą z nich uzyskać. Dlatego podczas warsztatów firma Konica Minolta współpracuje z klientami, aby przeanalizować dostępne źródła danych oraz odkryć niewykorzystane zasoby informacji ukryte w organizacji. Ta wymiana informacji zapewnia przejrzystość co do tego, które systemy, działy i procesy generują dane — oraz gdzie powstają potencjalne silosy.

Na tej podstawie firma Konica Minolta łączy wszystkie istotne źródła danych i gromadzi je w jednym centralnym miejscu. Firma wykorzystuje platformę danych Microsoft Fabric jako podstawę technologiczną, która umożliwia integrację danych ustrukturyzowanych i nieustrukturyzowanych w czasie rzeczywistym oraz udostępnianie ich do dalszej analizy i zastosowań AI. Rezultatem jest jednolita baza danych, która umożliwia podejmowanie świadomych decyzji i toruje drogę dla procesów opartych na danych. Następnie Konica Minolta opracowuje konkretne przypadki użycia w oparciu o wspólną platformę danych.

Jednym z przykładów są zakupy niekontrolowane w dziale zaopatrzenia. Termin ten odnosi się do zakupów dokonywanych z pominięciem działu zakupów – bez umowy ramowej, bez procesu zatwierdzania i często bez przejrzystości dla organizacji odpowiedzialnej za zakupy. Wydatki te zazwyczaj pojawiają się jedynie w księgowości finansowej lub na fakturach, ale nie w ustrukturyzowanych procesach zamawiania. Zakupy niekontrolowane nie są zjawiskiem marginalnym ani oznaką „nieefektywnego zaopatrzenia”. Wręcz przeciwnie, jest to zjawisko powszechne w niemal wszystkich organizacjach. Prawdziwym problemem jest to, że firmy wiedzą o istnieniu tych niekontrolowanych wydatków, ale często nie potrafią odpowiedzieć, gdzie, w jakiej wysokości i w odniesieniu do jakich grup produktów lub dostawców one występują. To właśnie ten brak przejrzystości uniemożliwia systematyczne osiąganie potencjalnych oszczędności. W wielu przypadkach firma Konica Minolta stwierdziła, że zaopatrzenie jest jednym z obszarów o najwyższym zwrocie z inwestycji. Powód: nawet niewielkie procentowe oszczędności na niekontrolowanych wolumenach zakupów mogą prowadzić do kwot sześciocyfrowych lub siedmiocyfrowych, zwłaszcza w większych organizacjach. Podejście firmy Konica Minolta do danych opiera się na prostej, ale skutecznej zasadzie: uwidocznieniu danych, które wcześniej były przechowywane oddzielnie. W wielu firmach istotne informacje już istnieją — są rozproszone w systemach ERP, danych faktur, dokumentach umownych, platformach ECM lub systemach finansowych.

Problemem nie jest brak danych, ale ich fragmentacja i rozproszenie pomiędzy różnymi systemami.

Wniosek: Era eksperymentów z AI dobiegła końca — sztuczna inteligencja może zapewnić zwrot z inwestycji

W latach 2023–2024 organizacje z regionu EMEA przeprowadziły średnio 40 pilotażowych projektów i testów koncepcyjnych (PoC) z wykorzystaniem sztucznej inteligencji generatywnej (GenAI). W obliczu często skromnego wzrostu wydajności organizacje te odchodzą obecnie od szeroko zakrojonych eksperymentów na rzecz bardziej ustrukturyzowanego, ukierunkowanego i skalowalnego podejścia do identyfikowania, ustalania priorytetów, wdrażania i zarządzania przypadkami użycia sztucznej inteligencji, które zapewniają wymierną wartość biznesową.

Wniosek: Sztuczna inteligencja może generować zwrot z inwestycji — ale tylko wtedy, gdy wdrożone zostaną odpowiednie środki strategiczne i organizacyjne. Sama technologia nie wystarczy do stworzenia udanych inicjatyw w zakresie sztucznej inteligencji. W 2026 r. pytanie nie będzie już brzmiało: kto korzysta ze sztucznej inteligencji, ale kto korzysta z niej skutecznie. Organizacje, które podchodzą do sztucznej inteligencji strategicznie i inwestują w dane, zarządzanie, ludzi oraz agentową sztuczną inteligencję, będą nadal wyprzedzać konkurencję. Firmy, które traktują AI jako zdolność strategiczną, osiągną szybsze cykle decyzyjne, większą zwinność organizacyjną, bardziej odporne struktury i trwałą przewagę konkurencyjną.

Udostępnij: