Polskie firmy wydają miliony na AI bez strategii, pokazuje analiza Forbes.pl

Polskie firmy inwestują w sztuczną inteligencję coraz odważniej, ale coraz częściej bez jasnego celu. Z analizy opublikowanej 3 września 2026 roku przez Forbes.pl wynika, że nawet kilkusettysięczne, a czasem milionowe wydatki na wdrożenia AI nie przekładają się na realną poprawę efektywności, bo firmy najpierw powinny uporządkować dane i procesy, a dopiero potem sięgać po algorytmy.

Chaos zamiast oszczędności

Autorka analizy, Dorota Kaczyńska, opisuje mechanizm, który powtarza się w wielu polskich organizacjach: zarządy kupują dostęp do modeli językowych lub zamawiają dedykowane wdrożenia, licząc na natychmiastowy wzrost konkurencyjności. W praktyce narzędzie trafia na nieuporządkowane dane i chaotyczne procesy, więc zamiast je naprawiać, jedynie je przyspiesza.

Jeśli otrzyma chaotyczne dane i nieuporządkowane procesy, wygeneruje jedynie lepiej zorganizowany chaos - Piotr Kawecki, prezes exeAI

Kawecki dodaje, że porażki wdrożeń rzadko wynikają z jakości samych modeli. Jego zdaniem firmy przegrywają, bo brakuje im spójnej architektury danych i procesów, do której AI mogłaby się w ogóle podłączyć - inwestycja w narzędzie bez tego fundamentu zamienia się w koszt bez zwrotu.

Zjawisko work slop

W artykule pojawia się pojęcie work slop - sytuacji, w której AI generuje profesjonalnie wyglądające dokumenty, raporty czy treści, które jednak wymagają żmudnej weryfikacji przez człowieka, zanim nadadzą się do wykorzystania. Zamiast oszczędzać czas pracowników, praca ta go pochłania, bo ktoś musi sprawdzić, poprawić i doprecyzować efekt pracy algorytmu.

Joanna Adamiak, prezeska agencji PR Face it!, zwraca uwagę na ograniczenia AI w pracy kreatywnej. Jej zdaniem tekst przygotowany przez człowieka pozostaje bardziej naturalny i lepiej trafia do odbiorcy niż treści generowane automatycznie, co ogranicza pole zastosowań AI w komunikacji i marketingu, mimo rosnącej presji na automatyzację tych procesów.

Efektywność, która słabnie z czasem

Jaromir Sroga, prezes spółki medialnej re58, opisuje typową krzywą wdrożenia: na starcie zespoły odnotowują wyraźny skok produktywności, ale z czasem dynamika tych korzyści słabnie o 10-20 procent. Jego zdaniem AI przyspiesza wiele procesów, ale nie jest uniwersalnym rozwiązaniem i bywa, że prowadzi zespoły w ślepą uliczkę, z której trzeba się wycofać.

To nie jest rozwiązanie, które odpowie na wszystkie problemy. Przyspiesza procesy, ale czasem prowadzi w ślepą uliczkę - Jaromir Sroga, prezes re58

Andrzej Miron, szef IT w Nationale-Nederlanden, ocenia, że organizacje czeka jeszcze wiele prób i błędów, zanim wypracują dojrzałe podejście do AI. Po pierwszej fazie entuzjazmu i euforii przychodzi etap trudniejszej, bardziej krytycznej weryfikacji, czy narzędzia rzeczywiście przynoszą wartość biznesową, czy tylko generują nowe koszty operacyjne i szkoleniowe.

Paradoks pięciu procent i shadow AI

Analiza opisuje też tak zwany paradoks 5 procent: jeśli choćby niewielki fragment procesu biznesowego zostanie źle zautomatyzowany, cała transformacja może się nie udać, ponieważ błąd propaguje się dalej przez kolejne etapy pracy. Problem pogłębia jakość danych źródłowych - gdy AI dostaje błędne dane wejściowe, zwraca fałszywe informacje z tą samą pewnością, co poprawne.

Osobnym zagrożeniem jest tak zwana shadow AI economy. Według przywołanych danych dziewięciu na dziesięciu pracowników korzysta z narzędzi takich jak ChatGPT bez wiedzy działu IT, co rodzi ryzyko wycieku poufnych danych firmowych do publicznych modeli i utrudnia firmom kontrolę nad tym, jakie informacje trafiają poza organizację.

Adam Pawluć, wiceprezes Polskiej Grupy Biogazowej, podsumowuje stan gotowości polskiego biznesu wprost - mało firm jest dzisiaj naprawdę przygotowanych do efektywnej pracy ze sztuczną inteligencją. Brakuje nie tylko infrastruktury i uporządkowanych danych, ale też kompetencji do zarządzania projektami AI na poziomie organizacyjnym, a nie tylko technicznym.

Co to znaczy dla polskich firm

Dla menedżerów planujących budżety na 2027 rok wnioski z analizy są konkretne: wydatek rzędu kilkuset tysięcy złotych na wdrożenie AI bez wcześniejszego uporządkowania danych i procesów ma, według cytowanych badań MIT i BCG, zdecydowanie większą szansę zakończyć się porażką niż sukcesem. Zamiast zaczynać od zakupu narzędzia, firmy powinny najpierw ocenić jakość własnych danych i dojrzałość procesów, które mają zostać zautomatyzowane.