AI, suwerenna chmura i nowa rola CIO

Sztuczna inteligencja stała się jednym z głównych motorów zmiany modeli biznesowych, relacji IT z biznesem oraz dyskusji o cyfrowej suwerenności danych w Europie. Zmieniają się projekty doradcze, rola CIO, koszty technologii i strategie multicloud, a na to nakłada się konieczność przygotowania firm do ery komputerów kwantowych.

Wywiad Adama Jadczaka z Mariuszem Śpiewakiem, Partnerem Zarządzającym Działem Consultingu PwC w Polsce.

Jak zmieniła się działalność działu Consultingu w PwC, odkąd AI i chmura obliczeniowa stały się głównym motorem transformacji, a nie tylko „kolejną technologią”?

Zacznę od krótkiego rysu historycznego, który dobrze pokazuje skalę zmiany. PwC inwestuje w technologie mniej więcej od 12 lat. Wcześniej jednak byliśmy klasyczną firmą doradczą, gdzie consulting opierał się w dużym stopniu na rekomendacjach pokazywanych na slajdach. Ale od ponad dekady systematycznie rozwijamy kompetencje technologiczne w wielu obszarach. Staramy się rynek wyprzedzać.

Dziś w Polsce mamy ok. 2500 osób zajmujących się technologią. W całym regionie CEE to ok. 3500 ekspertów. Obejmujemy bardzo szerokie spektrum tematów – od najpopularniejszych dziś związanych ze wspomnianymi algorytmami AI, przez klasyczne dotyczące systemów ERP i CRM, po doradztwo dla CIO i architekturę korporacyjną.

Struktura naszego biznesu ewoluuje, ale są obszary wyjątkowo stabilne, jak chociażby CRM. Obecnie naturalnie łączy się on z AI. Ponadto firmy – nawet w czasach spowolnienia – inwestują w to, co bezpośrednio dotyczy relacji z klientem.

Druga noga transformacji PwC w Polsce i regionie CEE to kompleksowa digitalizacja – od automatyzacji procesów RPA, przez budowę nowoczesnej architektury danych, po migrację do chmury. Z naszych badań wynika, że w całym regionie chmura i AI stały się dziś fundamentem transformacji, a nie kolejną technologią „do rozważenia”.

Co teraz jest ważniejsze – AI czy chmura obliczeniowa?  Teoretycznie
bez chmury nie da się korzystać z narzędzi AI, zwłaszcza z nowoczesnych, amerykańskich modeli sztucznej inteligencji.

Z naszej perspektywy bardzo wyraźnie przesunął się punkt ciężkości. Sama migracja do chmury przestała być tematem numer jeden. Klienci już nie pytają czy iść do chmury, tylko jak wygenerować wartość biznesową na bazie architektury, którą mają, często hybrydowej.

Kolejne kluczowe pytanie brzmi: jak przygotować przedsiębiorstwo i jego architekturę pod wykorzystanie algorytmów AI w skali Enterprise. W projektach, które realizujemy, strategia chmurowa jest ściśle powiązana ze strategią AI. Te dwa elementy nie funkcjonują osobno.

Ponad 40% firm nadal patrzy na chmurę głównie jako na fundament do skutecznego wdrażania AI i korzystania z tych rozwiązań.

Co równie ważne, coraz więcej projektów dotyczy już nie tylko samej technologii, lecz także stworzenia nowych modeli biznesowych i procesów. Technologia ma wspierać tę zmianę, ale przestaje być najważniejsza. Najważniejsze jest to, jak – dzięki niej – przebudować sposób działania firmy.

Co teraz daje tę największą korzyść? O co najczęściej pytają klienci? Czy wyszliśmy już z „prostych” zastosowań AI: analizy masy, firmowych dokumentów, aby pracownikowi łatwiej było przeszukać umowy albo odpowiedzieć na pytanie klienta o produkt?

Widzę dziś dwa główne wymiary zastosowań AI. Pierwszy to warstwa operacyjna. Tutaj dzieją się projekty w sektorach data heavy i process heavy, czyli tam, gdzie jest dużo danych i złożonych procesów. Dotyczą one sektora finansów, mediów, dużych firm. W tym obszarze mówimy o optymalizacji, automatyzacji, lepszej obsłudze klienta, szybszej pracy z dokumentami. To wciąż bardzo istotna część rynku.

Drugi wymiar, coraz bardziej widoczny, to warstwa strategiczna. Chodzi o modyfikację modeli biznesowych i sposobu prowadzenia działalności przedsiębiorstwa, a nie tylko o „przyspieszenie” istniejących procesów.

Rozmawiałem niedawno z jedną z firm mediowych, która całkowicie przebudowuje sposób tworzenia treści i dostarczania hiperspersonalizowanych usług dla kilkunastu milionów klientów. Firma opiera się w tym projekcie na AI i zbudowanej wokół sztucznej inteligencji infrastrukturze, ale sedno pomysłu dotyczy zmiany źródła dochodów poprzez współpracę w ramach ekosystemów z partnerami strategicznymi. To jest już realna zmiana modelu biznesowego. Wiąże się z nią nowe podejście do ustalania cen produktów, segmentacji klientów czy projektowania oferty.

Optymalizacja procesów to jeden poziom, ale rośnie liczba projektów, gdzie AI jest dźwignią do nowego sposobu generowania przychodów.

W jaki sposób dane i AI mogą zmienić procesy – zautomatyzować więcej rzeczy, czy raczej w ogóle je przebudować, aby organizacja nie zaczęła robić tego samego szybciej, lecz zakwestionowała obecny sposób działania i zastanowiła się, czy robi właściwe rzeczy, we właściwy sposób i czy AI pozwoli zrobić je inaczej.

Jeśli popatrzymy na poszczególne sektory, to widać jednocześnie nową falę optymalizacji i nową falę przebudowy. W sektorze usług wspólnych mamy kolejną – po klasycznym RPA – falę automatyzacji, którą AI wyraźnie przyspiesza. Tam automatyzacja była zawsze, choć teraz wchodzi na nowy poziom.

W sektorze finansowym, ale też w innych branżach, pracujemy z klientami, którzy procesy wymagające dużych zespołów przebudowują na warstwę opartą na agentach AI. Efektem jest zupełnie inne podejście zarówno do rynku, jak i klientów. Co warto podkreślić, projekty te są sponsorowane przez biznes, a nie przez IT. Chodzi bowiem przede wszystkim o wynik biznesowy.

Z perspektywy tych firm najważniejsze jest to, że mogą robić więcej z podobnym zespołem, albo wręcz wiele więcej z mniejszym zespołem. Mogą skalować działalność obejmującą dużo większy rynek i liczbę klientów, niż byłoby to możliwe przy tradycyjnych zasobach. Klasyczny przykład to call center, które w naturalny sposób zawsze ograniczała skala. Dziś, dzięki agentom AI i nowym kanałom kontaktu, te bariery zaczynają znikać.

Sam Altman w 2024 roku powiedział w prywatnym czacie z innymi szefami firm technologicznych, że dzięki sztucznej inteligencji może powstać jednoosobowa firma warta miliardy dolarów, co wcześniej byłoby niewyobrażalne. Dwa lata później powiedział, że to już się stało. Wskazywał na Matthew Gallaghera, który założył Medvi za 20 000 USD, za pomocą narzędzi OpenAI, Anthropic, Midjourney i ElevenLabs z jednym zaledwie pracownikiem, własnym bratem. W pierwszym roku firma wygenerowała 401 mln USD przychodu, prognoza na ten to 1,8 mld USD.

W projektach, które realizujemy, widać bardzo wyraźnie po pierwsze, że osoby potrafiące efektywnie korzystać z narzędzi AI osiągają zupełnie inną skalę i wydajność pracy. Szacunki, które widzimy w projektach, pokazują wzrost produktywności kilku-, a nawet kilkunastokrotny, w zależności od obszaru.

Po drugie nastąpiło coś, co nazywamy demokratyzacją technologii. Osoby, które wcześniej nie miały wiele wspólnego z IT, mogą dziś stać się „ekspertami od technologii”, wykorzystując AI jako interfejs do złożonych systemów. Coraz więcej pracowników korzysta z tego, co kiedyś było zarezerwowane dla wąskiej grupy specjalistów z działu IT.

Mówi się nawet o nowym trendzie, Vibe Coding. Ale czy widać to już w projektach, w których wspieracie klientów?

Vibe Coding to w gruncie rzeczy rozwinięcie tego, co znamy już od lat jako Low‑Code i No-Code. To sytuacja, w której biznes sam utrzymuje proste aplikacje i sam je rozwija. To nie jest nowość, która pojawiła się wraz ze sztuczną inteligencją. AI bardzo mocno ten trend rozpowszechniła. W branżach, które muszą szybko reagować na zmiany – nowe regulacje czy wymagania klientów – takie podejście staje się standardem.

W sektorze finansowym stało się powszechne. Biznes chce mieć możliwość szybkiego „doszycia” prostych narzędzi do procesów bez każdorazowego angażowania dużych zespołów programistów.

Skoro biznes jest sponsorem projektu i sam utrzymuje aplikację, to jak zmienia się jego relacja z działem IT, z nadzorującym go CIO?

IT, a konkretnie CIO, ma dziś znacznie trudniejszą rolę niż kiedyś. Wszystko, co robił dawniej – zarządzanie infrastrukturą, technologiami, danymi – pozostaje aktualne. Jednocześnie oczekiwania wobec CIO bardzo się zmieniły.

Coraz częściej wchodzi on w obszar Chief Innovation Officera. Oczekuje się od niego dostarczania innowacji i pomysłów, które realnie wpływają na biznes, a nie tylko utrzymania stabilnej infrastruktury. Obserwując rynek, widać, że CIO musi wejść głęboko w organizację, procesy i modele biznesowe. Podejście „najpierw kilka miesięcy potrwa analiza i przegląd architektury, a potem powolnie zaczniemy układać roadmapę digitalizacji” już nie działa.

Dziś CIO musi bardzo szybko zrozumieć biznes, procesy, oczekiwania zarządu i do tego dołożyć odpowiednią architekturę, dane i technologie.

Wcześniej nie musiał „wchodzić” głęboko w biznes?

Wcześniej oczywiście także musiał zrozumieć biznes. Ale dziś wszyscy chcą, aby zrobił to „szybciej i lepiej”. Okres diagnozy i analizy skrócił się, a z perspektywy zarządu i biznesu pojawiło się dodatkowe oczekiwanie.

CIO ma być współautorem nowych pomysłów na wykorzystanie technologii do transformacji firmy. Odpowiada więc nie tylko za utrzymanie i efektywność działania firmy, ale też za współtworzenie nowych modeli działania. To jest realna zmiana w tej roli.

CIO rozumie jednak technologię, co powinno mu ułatwić realizację tego celu.

Technologię oczywiście rozumie. Pytanie, czy rozumie biznes? Rola CIO przesuwa się w stronę coraz większego udziału kompetencji biznesowych względem czysto technologicznych.

Umiejętność współpracy z biznesem, poczucie współodpowiedzialności za wyniki firmy i świadomość, że IT nie jest już funkcją wsparcia, ale funkcją biznesową to kluczowe elementy.

IT ma napędzać biznes. Pomagać lepiej wyglądać przed inwestorami. Być częścią opowieści o firmie. Ma też swój element PR‑owy.

Od czego CIO powinien zacząć tę zmianę, aby jego zespół nie był tylko dostawcą usług, lecz także współautorem strategii biznesowej?

Patrząc na rolę CIO, najważniejsze jest dobre „poukładanie fundamentów”. Bardziej świadomi CIO zaczynają od przeglądu architektury na poziomie całej organizacji. Zastanawiają się, jak ułożyć ją „od spodu”, tak aby dane firmowe mogły być wykorzystywane bardziej efektywnie.

Biznes ma oczekiwania i plany. Aby je zrealizować, dane muszą funkcjonować w odpowiedniej strukturze, być dostępne „ad hoc” na potrzeby różnych Business Case’ów. Strategia AI powiązana z architekturą Enterprise to naturalny punkt startu. Drugim elementem jest pogłębiona dyskusja z biznesem: gdzie są jego bolączki, gdzie widzi szanse, jakie są plany rozwoju?

Z naszych raportów wynika, że ok. 45% klientów ma już strategię AI. Z kolei patrząc na dane Eurostatu, widać, że Polska jest daleko za średnią unijną. W UE ok. 20% firm deklarowało w 2025 roku użycie AI na większą skalę. U nas było to ok. 8%. Paradoksalnie, przy bardzo dobrym dostępie do talentów technologicznych nadal jesteśmy z tyłu pod względem użycia AI w odpowiedniej skali.

Przy tym ok. 75% firm w Polsce deklaruje, że zaczęło prace nad AI lub zaawansowaną analityką. Ale pełna strategia, obejmująca zarówno tematy biznesowe, jak i technologiczne, jest tylko u części z nich.

Jakie wobec tego widzicie największe bariery po stronie klientów przy próbie wdrażania AI na dużą skalę?

Jednym z największych problemów wciąż są dane. Chodzi zarówno o ich jakość, jak i sposób zorganizowania. Organizacje mierzą się z kwestią Data Governance, architektury danych, brakiem jednego źródła prawdy, niską jakością danych „zszywanych” z wielu systemów.

Drugim wyzwaniem jest dostępność ekspertów. Prawie 70% firm deklaruje problem z pozyskaniem specjalistów AI. To realnie hamuje rozwój bardziej zaawansowanych projektów na polskim rynku.

Często mówi się też o braku Use Case’ów” i efektu biznesowego. Niektórzy próbują przerzucać odpowiedzialność za to na CIO. Moim zdaniem niesłusznie. CIO powinien być współtwórcą i uczestnikiem dyskusji. Natomiast projektowanie nowych sposobów dostarczania usług, zmiany portfela produktów czy modeli biznesowych to wspólna odpowiedzialność biznesu i technologii.

CIO nie jest jedyną osobą, która ma „wymyślić” wszystkie zastosowania AI. Powinien jednak rozumieć biznes i zaproponować sposoby, aby w ogóle mógł on rozpocząć dyskusję o nowych możliwościach. To mogą być wspólne warsztaty z biznesem. Pokazywanie możliwości. Zaczęcie od kilku prostych Business Case’ów, które szybko pokazują wartość.

Potem można przejść do wspólnych warsztatów projektowania rozwiązań na poziomie operacyjnym i taktycznym. Następnie zaś do dyskusji na poziomie zarządu o tematach strategicznych. Rolą CIO jest bycie współautorem tej drogi.

A co z kosztami AI? Dziś mówi się o „przepalaniu tokenów”.

Opowiem krótką historię, która dobrze oddaje naturę tej zmiany. Rozmawiałem niedawno z kolegą z Londynu, który powiedział: „AI jest jak narkotyk. Na początku dostajesz próbkę jego możliwości za darmo, aby sprawdzić, jak działa. Jak Ci się spodoba, nie możesz bez tego żyć. Potem zaczynasz słono za to płacić”.

To oczywiście metafora, ale dobrze pokazuje, że po pierwszej „fazie testów” pojawia się poważna rozmowa o kosztach i o tym, jak tę technologię mądrze kontrolować. Patrząc na koszty samych tokenów – ile jedna osoba potrafi zużyć w ciągu miesiąca – mówimy już o kwotach rzędu dziesiątków tysięcy złotych.

AI przestaje być „kosztem marginalnym”. Staje się istotną pozycją w budżecie technologii.

Wspieracie już klientów w zarządzaniu kosztami AI?

Kiedyś dużo mówiło się o FinOps, teraz coraz częściej o AIOps. To jest integralny element strategii AI. Sztuczna inteligencja nie jest za darmo. Widzimy trend zastępowania kosztu pracy ludzkiej kosztem technologii. Trzeba mieć strategię, jak je kontrolować. Jaki Governance wokół tego zbudować. Jaki jest Business Case i oczekiwany zwrot z inwestycji.

Od roku dużo mówi się o cyfrowej suwerenności. Dziś w kontekście „reglamentowania” kolejnych modeli z grupy tzw. Frontier AI przez amerykańską administrację zapewne ten temat jeszcze się nasili. Pojawiła się też idea suwerennej chmury. Czy to jest wymóg biznesowy, regulacyjny, czy może tylko hasło marketingowe?

To na pewno nie jest tylko marketing. Dla części „workloadów” wymogi suwerenności są bardzo realne. Najprościej wytłumaczyć to pytaniem: czy wyobrażasz sobie, że AI wykorzystywana na potrzeby obronności i w warunkach realnego konfliktu byłaby utrzymywana wyłącznie w publicznej chmurze? Odpowiedź jest dość oczywista. Nie.

Ale ten sam temat nie dotyczy tylko obronności. Mówimy też o obszarze ochrony zdrowia, energetyki, przetwarzania danych wrażliwych. Mówimy o tym wszędzie tam, gdzie prywatność, bezpieczeństwo, kontrola kluczy i możliwość „wyłączenia” rozwiązania mają krytyczne znaczenie. Tak stało się z dnia na dzień z modelami Anthropic Fable 5 i Mythos 5.

W naszym raporcie poświęconym suwerennej chmurze pisaliśmy, że ok. 80% organizacji już dopasowuje strategię cloud computing do wymogów regulacji i geopolityki, również w kontekście AI. Przypadek Anthropic pokazał, że decyzja o braku dostępności technologii może zapaść z dnia na dzień. Pytanie brzmi: Czy chcemy być uzależnieni od decyzji podejmowanych gdzieś za oceanem?

Jak klienci rozumieją suwerenną chmurę i w jaki sposób wpisują ją w swoje projekty?

To bardzo zależy od sektora. Wspólnym mianownikiem jest jednak to, że nie ma jednego wzorca, który odpowie na wszystkie potrzeby.

Widzimy wyraźne przejście w kierunku modeli hybrydowych. Łączą one różne podejścia: public cloud, Sovereign Cloud, dedykowane lokalne data center. Jest to dziś adekwatne dla wielu organizacji.

Jeśli chcemy eksperymentować i szybko budować innowacje oparte na AI, to naturalnym wyborem jest public cloud. Jeśli przetwarzamy dane wrażliwe czy krytyczne, to skłaniamy się ku Sovereign Cloud lub private cloud. To już kwestia wymogów danego sektora, regulacji, geopolityki i globalnej polityki dostawców.

Nikt nie chce rezygnować z tego, co daje chmura publiczna – skalowania innowacji i dostępu do najnowszych rozwiązań. Ale trzeba to pogodzić z wymogami bezpieczeństwa, kontroli, Cyber Resilience i ciągłości działania.

Wasze badania pokazują też, że znaczna część polskich firm stosuje już chmurę we wszystkich głównych obszarach biznesowych. Większość korzysta z więcej niż jednego dostawcy. Czy dominuje teraz model multicloud i czy stał się on koniecznością?

Jeśli multicloud jest efektem przemyślanych decyzji, strategii i dobrze zaprojektowanej architektury, ma inną
jakość, niż sytuacja, w której kolejne rozwiązania, kolejnych dostawców były „doklejane” spontanicznie.

Wielu klientów było od początku świadomych, że nie mogą uzależniać się od jednego hyperscalera. Dywersyfikacja, nawet kosztem posiadania większej liczby ekspertów od różnych technologii, daje im bezpieczeństwo i lepszą pozycję negocjacyjną. Jeśli dołożymy do tego dobry FinOps i Governance, możemy koszty optymalizować.

Jakie są największe mity związane z chmurą obliczeniową?

Jeden z nich to ten, że chmura jest zawsze tańsza. Tak nie jest. To zależy od projektu, podejścia do Governance i od tego, jak liczymy koszty. Najważniejszy nie jest sam koszt infrastruktury IT, ale ROI z inwestycji, czy to w on-premise, czy w cloud computing. Ważna jest analiza tego, jaka jest wartość biznesowa z tego, że dane rozwiązanie jest „w chmurze”, a nie „u nas”.

Klienci to już liczą?

Ci, z którymi pracujemy, traktują to jako element obowiązkowy strategii. Strategia musi zawierać komponent zwrotu: jakie nakłady trzeba ponieść i jaka jest wartość dla firmy?

Przykładem może być modernizacja starej aplikacji. Często nie widzimy „od dnia zero” oczywistej wartości
biznesowej. Tymczasem dzięki temu projektowi pozbywamy się długu technologicznego sprzed 20 lat, aplikacji napisanej w historycznych językach. Przeniesienie ich do nowocześniejszego stacku daje możliwość późniejszego podłączenia modeli AI i wyciągania z tego wartości.

Pomagamy te zyski policzyć. Najważniejsza jest odpowiedź na pytanie: ile możemy na tym zarobić i jak możemy to zrobić? Dzięki wykorzystaniu istniejących już zespołów, przy działaniu na znacznie większym rynku i większej bazie klientów.

Element zwrotu z inwestycji trzeba dołożyć do rachunku. Dopiero wtedy można podjąć świadomą decyzję, co dalej robić.

Innym, zyskującym na znaczeniu trendem jest Quantum computing. Spotykałem się już parę lat temu z testami tej technologii, zwłaszcza w sektorze finansowym. Czy firmy przygotowują się na to, co się stanie, kiedy komputery kwantowe spełnią swoją obietnicę? Gdzie upatrują zastosowań tej technologii?

Najbliższym obszarem do zastosowania komputerów kwantowych jest cyberbezpieczeństwo i bezpieczeństwo przesyłu danych. W Polsce działają już organizacje, które umożliwiają szyfrowanie z wykorzystaniem rozwiązań powiązanych z mechanizmami kwantowymi, szczególnie w branżach krytycznych, o wysokiej wrażliwości danych, jak sektor finansowy.

To temat, który realnie interesuje osoby odpowiedzialne za bezpieczeństwo danych i IT. Świadomość, że w pewnym momencie komputery kwantowe mogą być zdolne do łamania dzisiejszych szyfrów, powoduje ból głowy na poziomie rządowym i geopolitycznym.

Jest już się czego obawiać i do czego przygotowywać? Komputery
kwantowe nadal mają dużą wrażliwość na błędy, np. związane ze zmianą temperatury otoczenia.

Problemów technicznych jest rzeczywiście mnóstwo – od stabilności, przez wrażliwość na warunki, po skalowalność. Sama świadomość, że dojście do „momentu przełomowego” wystarczy, aby poważnie myśleć o konsekwencjach. Geopolityka może się bardzo zmienić, jeśli ten scenariusz się zrealizuje. Już trzeba myśleć o stworzeniu nowych metod zabezpieczeń.

Czy tematy AI i komputerów kwantowych jakoś się łączą?

Tak. Sposób programowania komputerów kwantowych jest zupełnie inny niż tych klasycznych. Biorąc pod uwagę tempo rozwoju narzędzi kodowania wspieranych przez AI, myślę, że będziemy chcieli wykorzystać je również w tym obszarze. Choć osobiście nie widziałem jeszcze takich zastosowań.

Jeśli dobrze pamiętam swoje rozmowy, to do każdego zapytania przetwarzanego na komputerze kwantowym trzeba pisać nowy kod. Może AI właśnie w tym pomoże?

Dokładnie o to chodzi. Za każdym razem powstaje dedykowany kod, pod konkretną czynność. AI może się stać naturalnym „generatorem” takiego kodu.

Gdybyście mieli napisać manifest cyfrowej transformacji na kolejną dekadę, to jakie trzy punkty byłyby absolutnie niepodlegające negocjacjom? Co po prostu trzeba zrobić?

Bazując na tym, co widzimy, bo za dekadę sytuacja może wyglądać inaczej, wskazałbym na:

1. Uporządkowanie fundamentów firmy.

To oznacza m.in. modernizację technologii, uporządkowanie danych, ich architektury, Governance, czyli stworzenie Data Platform, które będzie zasilać nie tylko AI, ale wszystkie procesy decyzyjne w firmie.

2. Demokratyzację technologii.

Chodzi o „uspołecznienie” technologii w organizacji – świadome, bezpieczne wykorzystanie jej na potrzeby biznesowe przez szeroką grupę pracowników, nie tylko z IT. Mamy regulacje dotyczące AI, ale nie możemy myśleć o nich wyłącznie w kategoriach Compliance. Firma musi być w stanie kontrolować to, co robi sztuczna inteligencja, zarządzać ryzykiem, kwestiami klientowskimi i reputacyjnymi.

3. Coraz silniejsze przenikanie się świata biznesu z technologią.

Szybkość adopcji, zwinność, otwartość na zmianę, dostosowanie się, wykorzystanie technologii na odpowiednią skalę, to wszystko będzie determinowało sukces graczy na rynku przyszłości.