Dlaczego 95% inwestycji w GenAI nie przynosi zwrotu? Zaglądamy głębiej do głośnego raportu, opublikowanego przez MIT, który wyjaśnia zaskakujące źródła zaskakujących zjawisk.
Przy poziomie globalnych inwestycji w GenAI rzędu 30-40 mld dolarów, aż 95% organizacji nie osiąga żadnego zwrotu z tych inwestycji. Tak drastyczne rozbieżności, obserwowane zarówno wśród nabywców (przedsiębiorstw, średnich firm, MŚP), jak i twórców (start-upów, dostawców, firm konsultingowych), autorzy raportu określają mianem Gen AI Divide, a które możemy chyba spolszczyć dosadnie mianem „Przepaści GenAI”.
Raport „STATE OF AI IN BUSINESS 2025” MIT NANDA przedstawia wstępne ustalenia badań nad wdrażaniem generatywnej sztucznej inteligencji (GenAI), prowadzonych od stycznia do czerwca 2025 roku. Badanie, oparte na systematycznym przeglądzie ponad 300 publicznie ujawnionych inicjatyw AI, ustrukturyzowanych wywiadach z przedstawicielami 52 firm oraz ankietach wśród 153 liderów biznesowych, ujawnia zaskakujące wnioski. Sukces zdefiniowano jako wdrożenie poza fazę pilotażową z mierzalnymi kluczowymi wskaźnikami wydajności (KPI).
Czym jest przepaść GenAI?
„Przepaść GenAI” nie wynika z jakości modeli czy regulacji, lecz wydaje się być w dużej mierze efektem przyjętych przy wdrażaniu GenAI założeń.
Raport wskazuje na cztery kluczowe wzorce wyjaśniające powstanie przepaści:
Ograniczona transformacja: tylko 2 z 8 głównych sektorów gospodarki (Technologia oraz Media i Telekomunikacja) wykazują znaczące zmiany strukturalne, podczas gdy pozostałe siedem sektorów reprezentowanych w badaniu w niewielkim stopniu dokonuje transformacji.
Paradoks skalowania: duże firmy (z przychodami powyżej 100 mld dolarów) przodują pod względem liczby pilotażowych projektów AI, ale paradoksalnie pozostają w tyle pod względem ich skalowania do pełnego wdrożenia. Ich wdrożenia trwają średnio dziewięć miesięcy lub dłużej, w porównaniu do 90 dni w przypadku firm średniej wielkości.
Tendencja inwestycyjna: budżety na GenAI są silnie skoncentrowane, a około 70% trafia do funkcji sprzedaży i marketingu, pomimo tego, że automatyzacja procesów back-office często przynosi wyższy zwrot z inwestycji. Tendencja ta wynika z łatwiejszego mierzenia widocznych metryk, a nie rzeczywistej wartości.
Przewaga wdrożeniowa: partnerstwa zewnętrzne w projektach wdrażania GenAI osiągają dwukrotnie wyższy wskaźnik sukcesu niż projekty realizowane wewnętrznie.
Niedouczone GenAI
Raport podkreśla, że główną barierą w skalowaniu GenAI nie jest infrastruktura, regulacje czy brak talentów, lecz luka w uczeniu się. Większość systemów GenAI nie zapamiętuje informacji zwrotnych, nie dostosowuje się do kontekstu ani nie poprawia się w czasie. To właśnie brak zdolności do adaptacji, pamięci i ewolucji jest cechą definiującą różnicę między organizacjami po obu stronach przepaści.
Narzędzia takie jak ChatGPT i Copilot są szeroko używane – ponad 80% organizacji ich próbowało lub wdrażało pilotażowo, a 40% wdrożyło. Narzędzia te jednak zwiększają indywidualną produktywność, a nie wpływają na wyniki P&L. Tymczasem niestandardowe systemy AI klasy korporacyjnej są odrzucane – tylko 5% z nich osiąga etap produkcji, często z powodu nieelastycznych przepływów pracy, braku kontekstowego uczenia się i niedopasowania do codziennych operacji.
Pionierzy ze strefy cienia przecierają szlaki
Pomimo oficjalnych porażek, GenAI już transformuje pracę, ale często poza formalnymi kanałami. Badanie ujawniło prężnie działające Shadow AI, strefę, w której pracownicy używają osobistych narzędzi konsumenckich, takich jak ChatGPT czy Claude, do automatyzacji znacznej części swoich zadań, często bez wiedzy lub zgody działu IT.
Aż 90% ankietowanych pracowników regularnie korzysta z osobistych narzędzi AI w pracy, podczas gdy tylko 40% firm zakupiło oficjalne subskrypcje LLM. Ta „gospodarka cienia” dowodzi, że jednostki mogą skutecznie przekroczyć Przepaść GenAI, gdy mają dostęp do elastycznych i responsywnych narzędzi.
Dlaczego pilotaże buksują w miejscu?
Głównymi barierami w skalowaniu projektów GenAI są: niechęć do adaptacji nowych narzędzi, obawy o jakość wyników modeli i słabe doświadczenie użytkownika. Co paradoksalne, ci sami profesjonaliści, którzy chwalą ChatGPT za elastyczność i użyteczność, są sceptyczni wobec niestandardowych narzędzi AI w przedsiębiorstwach, opisując je jako „kruche, przekombinowane lub niedopasowane”.
W przypadku zadań krytycznych, wymagających wysokiej stawki, 90% użytkowników nadal preferuje pracę ludzi. Problemem jest brak zdolności AI do gromadzenia wiedzy i uczenia się z interakcji, a także potrzeba ciągłego dostarczania kontekstu w każdej sesji. Lukę tę mogłyby wypełnić agenty AI, z wbudowaną pamięcią i iteracyjnym uczeniem się, zdolne do autonomicznego zarządzania złożonymi przepływami pracy.
Staliśmy nad przepaścią i uczyniliśmy krok do przodu
Organizacje, które skutecznie przekraczają tytułową przepaść GenAI, podchodzą do zakupu AI inaczej – traktują dostawców AI bardziej jak dostawców usług biznesowych (BPO), a mniej jak dostawców oprogramowania SaaS. Kluczowe praktyki obejmują:
- wymaganie głębokiej personalizacji dostosowanej do wewnętrznych procesów i danych;
- ocenę narzędzi na podstawie rzeczywistych wyników operacyjnych, a nie benchmarków oprogramowania;
- partnerstwo z dostawcami we wczesnych fazach niepowodzeń, traktując wdrożenie jako wspólną ewolucję;
- inicjowanie projektów AI przez menedżerów pierwszej linii i „prosumerów” (pracowników, którzy już eksperymentowali z AI), a nie centralne laboratoria.
Partnerstwa strategiczne osiągają znacznie wyższy odsetek udanych wdrożeń (66%) niż projekty realizowane wewnętrznie (33%). Z kolei reprezentanci drugiej strony rynku, jak start-upy, odnoszą sukces budując adaptacyjne, zintegrowane systemy, które uczą się na podstawie informacji zwrotnych. Koncentrują się na wąskich, ale wartościowych przypadkach użycia, głęboko integrują się z przepływami pracy i skalują poprzez ciągłe uczenie się, a nie szerokie zestawy funkcji.
Kluczowe wymagania ze strony klientów to zaufanie do dostawcy, głębokie zrozumienie przepływów pracy klienta, minimalne zakłócenia istniejących narzędzi, jasne granice danych, zdolność narzędzia do poprawy w czasie oraz elastyczność w zmieniających się warunkach. Działające z powodzeniem start-upy wykorzystują także partnerstwa kanałowe, rekomendacje i polecenia w celu przezwyciężenia barier zaufania.
Rzeczywisty zwrot z inwestycji i wpływ na rynek pracy
Chociaż większość budżetów AI trafia do sprzedaży i marketingu, raport wskazuje, że najbardziej znaczące oszczędności kosztów pochodzą z automatyzacji procesów back-office. Zyski osiągane są poprzez eliminację BPO (2-10 mln dolarów rocznie w obsłudze klienta i przetwarzaniu dokumentów), redukcję wydatków na agencje (30% mniej na kreatywność i treści) oraz oszczędności na outsourcingu zarządzania ryzykiem. Co istotne, te zyski osiągane są bez dużych zwolnień. Wpływ GenAI na siłę roboczą objawia się raczej zastępowaniem funkcji dotąd outsourcingowanych (np. obsługa klienta, przetwarzanie administracyjne) oraz ograniczaniem nowych zatrudnień w sektorach takich jak technologia i media.
Kolejnym etapem ewolucji jest koncepcja „agentic web”, gdzie autonomiczne systemy mogą odkrywać, negocjować i koordynować działania w całej infrastrukturze internetowej. Podstawę tej transformacji stanowią protokoły takie jak Model Context Protocol (MCP), Agent-to-Agent (A2A) i NANDA, umożliwiające interoperacyjność i koordynację agentów.
Przepaść się poszerza
Raport ostrzega, że nie ma wiele czasu na naukę, która pozwoliłaby na przekroczenie przepaści GenAI i osiągnięcie bezpiecznej krawędzi. W ciągu najbliższych kilku kwartałów firmy nawiążą relacje o charakterze vendor lock-in z wybranymi dostawcami, którzy oferują narzędzia zdolne do uczenia się. Będą to więzy trudne do rozluźnienia czy przecięcia bez istotnych kosztów zmiany dostawcy.
Firmy, które skutecznie przekraczają przepaść GenAI:
- kupują, a nie budują;
- wzmacniają menedżerów liniowych, a nie centralne laboratoria;
- oraz wybierają narzędzia, które głęboko się integrują i adaptują w czasie.
Przyszłość należy do dostawców, którzy mogą dostarczyć systemy AI zdolne do uczenia się i głębokiej integracji. Dla firm po złej stronie przepaści droga ucieczki polega na zaprzestaniu inwestowania w statyczne narzędzia, rozpoczęciu współpracy z dostawcami oferującymi niestandardowe systemy i skupieniu się na integracji z przepływami pracy zamiast na efektownych demonstracjach. Przekroczenie przepaści GenAI wymaga więc od nich zasadniczo odmiennych wyborów w zakresie technologii, partnerstw i struktury organizacyjnej.
