Dlaczego polskie firmy wciąż nie wykorzystują w pełni potencjału AI?

Generatywna AI coraz częściej wspiera codzienną pracę w polskich firmach, jednak jej wykorzystanie nie oznacza jeszcze dojrzałej transformacji biznesowej. Jak wynika z raportu BGR Quantic przygotowanego na zlecenie Microsoftu, choć korzysta z niej 94 proc. badanych decydentów, tylko 10,3 proc. firm zakwalifikowano do strefy najwyższej gotowości do wdrażania tej technologii, a zaledwie 11,5 proc. respondentów zadeklarowało, że ich organizacje formalnie mierzą zwrot z inwestycji w AI.

Z raportu „AI: czas na zwrot. Sztuczna inteligencja w Polsce 2026. Jak liderzy przekładają inwestycje w AI na wartość biznesową”, przygotowanego przez BGR Quantic na zlecenie Microsoftu, wynika, że polskie przedsiębiorstwa są już na etapie szerokiego korzystania z AI. Znacznie wolniej przebiega jednak przechodzenie od indywidualnych eksperymentów do wdrożeń obejmujących całe organizacje.

Wspomniane badanie przeprowadzono metodą CAWI między 4 a 30 maja 2026 roku. Zebrano 1126 kompletnych odpowiedzi od osób pracujących w Polsce, w firmach zatrudniających co najmniej 100 pracowników i uczestniczących w decyzjach dotyczących technologii oraz sztucznej inteligencji.

AI weszła do codziennej pracy

Z generatywnej sztucznej inteligencji korzysta 94,1 proc. badanych decydentów, a 51,1 proc. używa jej codziennie lub częściej. Zaledwie 5,9 proc. respondentów nie sięga po te narzędzia. AI weszła więc do codziennej pracy, ale firmy nie zawsze nadążają za pracownikami. Osoba może zacząć korzystać z nowego narzędzia w kilka minut, natomiast organizacja musi jeszcze ustalić zasady dostępu, odpowiedzialność, budżet i sposób oceny efektów.

Różnicę widać w skali wdrożeń. W 22,5 proc. badanych firm nie rozpoczęto jeszcze implementacji AI. Kolejne 17,1 proc. prowadzi pilotaże, a 20,3 proc. udostępniło rozwiązania wybranym zespołom. Wdrożenie strategiczne, zintegrowane z procesami organizacji, zadeklarowało 16,4 proc. respondentów. Oznacza to, że samo korzystanie z narzędzi przez pracowników nie musi iść w parze z ich szerszym zastosowaniem w firmie.

Nieco lepiej wyglądają pojedyncze wskaźniki przygotowania organizacyjnego. AI za priorytet strategiczny uznaje 49,2 proc. badanych, wyznaczenie osoby odpowiedzialnej za tę technologię deklaruje 40,1 proc., a kompleksową strategię AI ma 19,6 proc. firm. Problem zaczyna się wtedy, gdy trzeba połączyć te elementy w jeden model działania.

Tylko cztery firmy spełniają wszystkie warunki dojrzałości AI

Raportowa kaskada dojrzałości sprawdza, ile firm spełnia jednocześnie sześć warunków: korzysta ze sztucznej inteligencji, sięga po nią codziennie lub częściej, traktuje AI jako priorytet strategiczny, ma osobę odpowiedzialną za tę technologię, dysponuje strategią AI z KPI i budżetem oraz mierzy zwrot z inwestycji za pomocą KPI.

Codzienne korzystanie z AI i traktowanie jej jako priorytetu strategicznego deklaruje jednocześnie 25,4 proc. badanych. Po dodaniu warunku wyznaczenia osoby odpowiedzialnej za AI odsetek spada do 11,1 proc. Gdy organizacja musi również mieć strategię AI z KPI i budżetem, wszystkie pierwsze pięć kryteriów spełnia już tylko 2,8 proc. respondentów. Pełny zestaw sześciu warunków, obejmujący również pomiar zwrotu z inwestycji za pomocą KPI, spełniają zaledwie cztery firmy reprezentowane w badaniu.

Wyniki te pokazują, że dojrzałość AI nie sprowadza się do zakupu licencji ani deklaracji, że technologia jest ważna dla biznesu. Potrzebne są jasno określone cele, osoba odpowiedzialna za wdrożenie, strategia z budżetem oraz wskaźniki pozwalające sprawdzić, czy inwestycje przynoszą oczekiwane rezultaty. Bez tego poszczególne elementy pozostają rozproszone, a firma nie ma pewności, czy wykorzystanie AI rzeczywiście przekłada się na wyniki.

„Polska ma za sobą pierwszy etap zmiany technologicznej. AI weszła do codziennej pracy szybciej niż jakakolwiek wcześniejsza technologia. Korzysta z niej dziś 94 proc. decydentów, a pod względem upowszechnienia generatywnej AI jesteśmy w światowej czołówce, na poziomie Niemiec. To bardzo dobry punkt wyjścia. Nie jest to jednak jeszcze przewaga” – skomentowała Iwona Szylar, dyrektor generalna Microsoft w Polsce. „Poza nielicznymi wyjątkami polskie firmy są dziś na etapie wdrażania narzędzi, a nie zmiany modelu operacyjnego. Co odróżnia firmy, które są już dalej? Raport, a także moje rozmowy z liderami polskiego biznesu, wskazują jedno: nie decyduje wielkość, budżet ani dokument strategii. Różnicę robi przywództwo, które jest widoczne i konsekwentne. W najbardziej dojrzałych firmach zarząd aktywnie angażuje się w AI, zamiast pozostawiać to tylko działowi IT. Sam z niej korzysta na oczach zespołów, nadaje kierunek i rozlicza z efektów” – dodała.

Pracownicy gotowi, organizacje nie zawsze

Raport dzieli badane firmy na pięć stref gotowości, wyznaczonych na podstawie dwóch indeksów: gotowości indywidualnej pracowników oraz gotowości organizacyjnej. Największą grupę stanowią organizacje będące w drodze do dojrzałości, które odpowiadają za 42,3 proc. badanej próby. Do strefy najwyższej gotowości należy 10,3 proc. badanych firm. W kolejnych grupach znalazły się organizacje z niewykorzystanym potencjałem pracowników (19,5 proc.), firmy o niskiej gotowości zarówno ludzi, jak i organizacji (18,2 proc.) oraz przedsiębiorstwa, w których przygotowani do pracy z AI pracownicy są ograniczani przez warunki organizacyjne (9,7 proc.).

Szczególnie interesujące są dwie grupy, w których gotowość pracowników i organizacji nie idą w parze. Łącznie obejmują one 29,2 proc. badanej próby. W pierwszej organizacja jest przygotowana do wdrażania AI, ale nie wykorzystuje w pełni możliwości pracowników. W drugiej kompetencje zespołu wyprzedzają przygotowanie firmy, a brak odpowiednich procesów, narzędzi lub wsparcia utrudnia wykorzystanie tych umiejętności. Korelacja obu indeksów wynosi 0,29, co wskazuje na umiarkowany związek między nimi. Oznacza to, że inwestycje w technologię i rozwój kompetencji pracowników nie zawsze postępują równolegle.

Różnice między firmami widać również w podejściu do zarządzania wdrożeniami. Wśród organizacji o najwyższej gotowości widoczne wsparcie zarządu deklaruje 75 proc. badanych, podczas gdy w grupie o najniższej gotowości odsetek ten wynosi 24,4 proc. Firmy bardziej dojrzałe częściej zwiększają też budżety na AI: wskazało tak 50 proc. z nich, wobec 37,1 proc. organizacji najmniej zaawansowanych. Różnica występuje również w pomiarze zwrotu z inwestycji: prowadzi go 16,4 proc. firm o najwyższej gotowości i 5,9 proc. tych o najniższej.

Zaskakująco niewiele mówi natomiast sam fakt posiadania spisanej strategii AI. W grupie najbardziej dojrzałych organizacji ma ją 14,7 proc. firm, a wśród najmniej dojrzałych 16,1 proc. Wyniki nie potwierdzają więc, że formalny dokument jest wystarczającym wskaźnikiem zaawansowania. O dojrzałości świadczą raczej praktyki zarządcze: zaangażowanie kierownictwa, przypisanie odpowiedzialności za efekty, monitorowanie wyników i zapewnianie finansowania. Strategia bez przełożenia na sposób działania firmy nie gwarantuje, że AI przyniesie wymierne korzyści.

Poziom gotowości nie zależy też wprost od wielkości przedsiębiorstwa. Do grupy najwyższej gotowości zalicza się 11,7 proc. firm zatrudniających od 100 do 249 osób oraz 9,2 proc. organizacji mających od 1001 do 5000 pracowników. Większa skala działalności nie musi zatem oznaczać większej dojrzałości. Rozbudowane struktury i liczne procesy mogą utrudniać wdrażanie zmian, nawet jeśli firma dysponuje większym budżetem.

W globalnym Microsoft Work Trend Index do grupy firm o najwyższej dojrzałości należy 16 proc. organizacji. Wynik dla Polski jest zatem niższy, choć oba badania należy interpretować z uwzględnieniem ich metodologii i zakresu. Z perspektywy pojedynczej firmy bardziej miarodajnym sprawdzianem niż liczba wykupionych licencji jest odpowiedź na trzy pytania: czy ktoś odpowiada za wyniki wdrożeń AI, czy organizacja mierzy ich efekty i czy zarząd aktywnie angażuje się w wykorzystanie tej technologii. To właśnie te elementy pozwalają ocenić, czy AI wykracza poza eksperymenty i zaczyna zmieniać sposób działania organizacji.

AI pomaga w pracy, ale rzadko wykonuje całe zadanie

W polskich firmach sztuczna inteligencja najczęściej służy do uzyskiwania informacji i wspólnego dopracowywania materiałów. 63,5 proc. użytkowników często lub bardzo często zadaje jej pytania, a 55 proc. pracuje z nią nad treściami krok po kroku. Rzadziej pracownicy powierzają narzędziu wykonanie całego zadania i odbierają gotowy wynik. Taką formę współpracy często wybiera 34,4 proc. badanych.

Ostrożność wynika między innymi z podejścia do jakości. 73,1 proc. użytkowników traktuje rezultat pracy AI jako punkt wyjścia, a nie gotową odpowiedź. Myślenie krytyczne i kontrolę jakości wskazuje jako kluczowe kompetencje odpowiednio 45,2 i 43,6 proc. respondentów. Jednocześnie 40,6 proc. świadomie wykonuje część zadań bez pomocy narzędzi, by nie osłabiać własnych umiejętności.

Kontrola jest potrzebna, ale bez jasno określonych zasad może ograniczać korzyści z automatyzacji. Wśród osób często delegujących zadania 29 proc. odzyskuje co najmniej sześć godzin tygodniowo, wobec 24,5 proc. w pozostałej grupie. Różnica mieści się jednak w granicach błędu. Zdaniem 38,2 proc. użytkowników kluczowe znaczenie ma przemyślany podział zadań między człowieka a AI. Chodzi o ustalenie, co można powierzyć narzędziu i według jakich kryteriów oceniać rezultat, zamiast każdorazowo sprawdzać wszystko od początku.

Dystans między obecnym wykorzystaniem AI a bardziej zaawansowaną automatyzacją widać również w podejściu do agentów. Systemy wieloagentowe regularnie buduje 7,9 proc. użytkowników, a 16,6 proc. korzysta z nich bez samodzielnego tworzenia. Kolejne 19,3 proc. eksperymentuje z tymi rozwiązaniami, natomiast 56,1 proc. nie korzysta z nich lub nie wie, czym są. Jednocześnie 47,6 proc. badanych chce wykorzystywać agentów w złożonych procesach, a 43,8 proc. deklaruje gotowość do rutynowego przeprojektowywania sposobu pracy.

Nie trzeba jednak czekać, aż pracownicy osiągną ekspercki poziom. Wśród osób regularnie budujących systemy wieloagentowe 34,5 proc. ocenia swoje umiejętności jako podstawowe lub żadne. Praktyka może więc rozwijać kompetencje, zamiast być dopiero ich efektem. Warunkiem skutecznego wdrożenia pozostaje określenie odpowiedzialności, zasad delegowania zadań i kryteriów akceptacji wyników. Bez tego nawet bardziej zaawansowane narzędzia mogą zwiększać zakres kontroli, nie przynosząc proporcjonalnych oszczędności czasu.

Firmy wdrażają AI, ale nie potrafią zmierzyć jej efektów

Pomiar efektów pozostaje jedną z największych słabości polskich wdrożeń sztucznej inteligencji. Tylko 11,5 proc. badanych wskazało, że ich organizacje formalnie mierzą zwrot z inwestycji w AI. Z kolei 57,3 proc. zadeklarowało, że firmy nie mierzą ROI lub nie mają odpowiedniej metodologii. Trudności z oceną zwrotu wskazało około 38 proc. respondentów.

Problem nie znika wraz z rozwojem wdrożenia. W firmach, które już korzystają z AI, trudności z mierzeniem zwrotu wskazuje 40,5 proc. badanych, wobec 34,8 proc. wśród organizacji, które jeszcze nie wdrożyły tych rozwiązań. Jednocześnie brak strategii i planu działania jest rzadszą przeszkodą wśród firm wdrażających AI: wskazuje go 29,6 proc., wobec 38,3 proc. w grupie przed wdrożeniem. Pozostałe bariery nie różnią się istotnie statystycznie między obiema grupami. Doświadczenie nie eliminuje więc problemów, a trudności z wykazaniem efektów mogą stawać się bardziej widoczne dopiero w praktyce.

Wśród najczęściej wskazywanych przeszkód znalazły się brak kompetencji i szkoleń (43 proc.), obawy o ochronę danych (42,2 proc.), koszt licencji (40,8 proc.), brak zaufania do wyników (36,7 proc.) oraz cyberbezpieczeństwo agentów (35,1 proc.). Gdy badani wybierali trzy najważniejsze bariery, najsilniej wyróżniał się niedobór kompetencji. Problemem jest zatem nie tylko dostęp do technologii, lecz także przygotowanie ludzi i organizacji do jej wykorzystania.

„To moim zdaniem jeden z większych problemów przy skalowaniu AI. Metryka powinna pojawić się na początku projektu, nie po jego wdrożeniu. W praktyce warto wcześnie odpowiedzieć na kilka prostych pytań: kto jest właścicielem procesu, co konkretnie chcemy poprawić, jak zmierzymy efekt, skąd bierzemy dane, kto akceptuje wynik i co robimy, kiedy model popełni błąd. Właśnie te pytania bardzo szybko pokazują różnicę między use case’em, który dobrze wygląda na prezentacji a rozwiązaniem, które naprawdę ma szansę wejść na produkcję” – mówi Karol Tajduś, chief AI Officer i dyrektor Departamentu Transformacji AI w Banku Pekao S.A.

Jednym z warunków wdrożenia jest również zaufanie do sposobu przetwarzania danych. Aż 71,4 proc. respondentów uznaje za ważną lub krytyczną gwarancję, że dane firmy nie będą wykorzystywane do trenowania modeli AI. Dla 31,4 proc. jest to wymóg krytyczny. Ochronę danych osobowych jako ograniczenie wskazuje natomiast 39,8 proc. badanych.

Znaczenie mają także kompetencje pracowników i wspólne zasady oceny rezultatów. Poziom umiejętności zespołów wysoko ocenia 29 proc. badanych, a nisko 33,5 proc. Regularne rozmowy o standardach jakości pracy z AI prowadzi 35,1 proc. zespołów, podczas gdy 29,4 proc. praktycznie nigdy nie porusza tego tematu.

Wyniki raportu pokazują, że skuteczne wdrażanie AI wymaga połączenia kompetencji pracowników, bezpieczeństwa danych i jasno określonych celów biznesowych. Bez pomiaru efektów i kryteriów oceny, firmy mogą korzystać z nowych narzędzi, nie wiedząc, czy rzeczywiście poprawiają one wyniki biznesowe.