Lubimy piosenki, które znamy: adaptacja AI na polskim rynku

AI jest dla polskich firm przede wszystkim narzędziem do optymalizacji. Organizacje koncentrują się na wykorzystaniu AI do zwiększenia efektywności operacyjnej i administracyjnej, a także w obszarach sprzedażowych i marketingowych, poszukując szybkich i mierzalnych korzyści – wynika z badania ankietowego przeprowadzonego przez redakcję ITwiz we współpracy z firmą OpenText.

Świat biznesu coraz odważniej sięga po rozwiązania oparte na sztucznej inteligencji, dostrzegając w nich potencjał do transformacji procesów, zwiększenia efektywności i otwierania nowych możliwości. Ankieta redakcji ITwiz i firmy OpenText, przeprowadzona wśród CxO z polskich firm, pozwoliła zebrać interesujące dane na temat obecnego stanu, planów oraz wyzwań związanych z wdrażaniem AI w polskich organizacjach.

Od optymalizacji do innowacji i fundamentów

Ankietę otwiera pytanie o obszary, w których AI jest już wykorzystywana w organizacjach.

Wyraźną przewagę uzyskało kilka obszarów zastosowań: marketing, sprzedaż i praca biurowa.

Marketing jest najczęściej wskazywanym obszarem, w którym 68% firm reprezentowanych przez respondentów wykorzystuje AI. Może to świadczyć o szerokim zastosowaniu AI w personalizacji ofert, analizie danych klientów czy automatyzacji kampanii.

Praca administracyjna, biurowa plasuje się tuż za marketingiem, wskazało go 64% ankietowanych. To z kolei może być dowód na rosnącą automatyzację procesów back-office i wsparcia w codziennych zadaniach.

Sprzedaż również odgrywa znaczącą rolę, z 50% organizacji wykorzystujących AI w tym obszarze. Można to wiązać z optymalizacją procesów sprzedaży, prognozowaniem popytu czy zarządzaniem relacjami z klientami.

Niskie wykorzystanie AI w obszarach takich jak HR i IT (po 4,55%) oraz cyberbezpieczeństwo i rozwój oprogramowania (po ok. 9%) jest intrygujące, biorąc pod uwagę potencjał AI w tych dziedzinach.

Organizacje priorytetowo wdrażają AI w obszarach bezpośrednio wpływających na przychody (marketing, sprzedaż) oraz na efektywność operacyjną (praca administracyjna), podczas gdy obszary wspierające (HR, IT, cybersec) są na wcześniejszym etapie implementacji. To podejście dominuje także w planach dalszego wykorzystania AI.

W zestawieniu prognoz, marketing pozostaje liderem z 100% (!) wskazań respondentów, co oznacza dążenie do pogłębiania i rozszerzania istniejących wdrożeń. Podobnie sprzedaż wykazuje duży potencjał wzrostu, osiągając 91% wskazań. Praca administracyjna, biurowa utrzymuje wysoką pozycję z 86% wskazań.

Jednocześnie wyraźnie wzrosła wskazań dla HR i R&D (z 4,55% do 31,82%), a także IT i cyberbezpieczeństwa (z 4,55% i 9% do ponad 40% w obu wypadkach). Świadczy to o świadomości potencjału AI poza obszarami stricte biznesowymi. Przekucie go w działanie przyniesie silny trend dywersyfikacji zastosowań AI, z planowanym znaczącym wzrostem w obszarach wspierających, takich jak IT, cyberbezpieczeństwo oraz R&D. Oznacza to uzupełnienie strategicznych celów wdrożeń z dominującą dzisiaj optymalizacją biznesową o wzmacnianie infrastruktury i innowacji.

Czy leci z nami pilot?

Pytanie o poziom, na którym skupiają się inicjatywy AI, rzuca światło na strategiczne podejście do wdrażania tej technologii. I rzeczywiście, niemal jedna trzecia inicjatyw dotyczy całej struktury organizacyjnej.

Najwięcej inicjatyw (59%) skupia się jednak na średnim szczeblu organizacji. Może to oznaczać, że AI jest wdrażana tam, gdzie faktycznie zachodzą procesy operacyjne i gdzie można najszybciej osiągnąć wymierne korzyści.

Kadra menedżerska (45%) jest również silnie zaangażowana, co wskazuje na jej rolę w zarządzaniu projektami AI. Brak wskazań na poziomie zarządu (0%) może sugerować, że inicjatywy AI są często oddolne lub realizowane na poziomie departamentalnym, a nie z poziomu najwyższego kierownictwa.

Dominacja średniego szczebla może potwierdzać, że AI jest traktowana jako narzędzie do optymalizacji procesów, a nie jako element strategicznej transformacji na najwyższym poziomie. Wdrażanie AI w polskich organizacjach jest w dużej mierze napędzane przez potrzeby operacyjne na średnim szczeblu, co może prowadzić do fragmentarycznych wdrożeń zamiast kompleksowej, strategicznej transformacji cyfrowej koordynowanej przez zarząd.

Jak ująć w karby AI?

Rozumienie barier jest kluczowe dla efektywnego wdrażania AI. W jaki sposób definiują je uczestnicy badania?

Ograniczenia budżetowe są wskazywane jako najważniejsze wyzwanie przez 77% respondentów. To oznaczać może, że inwestycje w AI są postrzegane jako kosztowne albo o kosztach, które są trudne do zarządzania. Receptą na okiełznanie wydatków w tym ostatnim przypadku mogłoby dokonać się dzięki przeszczepieniu albo objęciu tego obszaru metodykami, praktyką istniejącego w firmie obszaru FinOps.

Jest to możliwe w dojrzałych, także kulturowo, organizacjach. Tymczasem w naszej ankiecie kultura organizacyjna jest wskazywana jako drugie kluczowe wyzwanie (73%). Brak gotowości organizacyjnej, opór przed zmianami czy brak zrozumienia dla AI mogą skutecznie hamować postęp podobnie jak brak praktyk zarządzania. Jego przejawem są także kolejne przeszkody: ograniczenia operacyjne oraz nieuporządkowane dane wskazano z wynikiem ponad 40% każdy. Nieco rzadziej, ale także często wskazywane są (być może antycypowane) obciążenia regulacyjne (28%), ale także integracja z istniejącą infrastrukturą (27%).

Przez naszych respondentów infrastruktura techniczna i bezpieczeństwo nie są postrzegane jako główne przeszkody, w przeciwieństwie do aspektów finansowych i ludzkich.

Główne bariery w efektywnym wykorzystaniu AI w polskich organizacjach mają charakter bardziej miękki i finansowy (budżet, kultura organizacyjna) niż techniczny (sprzęt, cyberbezpieczeństwo), co sugeruje potrzebę inwestycji w edukację i zmianę podejścia, a nie tylko w technologię.

Ująć w karby to także nauczyć się efektywnie wykorzystywać AI po wdrożeniu. Respondenci wskazali, od jakich kwestii zależy efektywność AI. Wiedza i kompetencje w obszarze AI są uznawane za najważniejsze, z ponad 90% wskazań. To podkreśla, jak kluczowe jest posiadanie odpowiednio wykwalifikowanych zespołów i zrozumienia technologii. Zrozumienie kontekstu i problemu (73%) okazuje się drugim najważniejszym czynnikiem, co wskazuje na potrzebę dogłębnej analizy biznesowej przed wdrożeniem AI. Zdolność kreowania scenariuszy zastosowania AI (68%) oraz ilość i jakość posiadanych danych (59%) są również wysoko oceniane.

Bardzo niski poziom wskazań dla „sposobu interakcji z użytkownikami” oraz stosunkowo nieduży (14%) wynika dla pozycji „zaangażowania zespołu” jako czynników efektywności jest zaskakujący, także w kontekście wcześniejszego zestawienia wyzwań (wysoko plasowała się tam kultura organizacyjna). Sukces wdrożeń AI jest w Polsce silnie warunkowany dostępnością wiedzy technicznej i analitycznej (kompetencje, zrozumienie problemu, dane), natomiast aspekty miękkie, takie jak interakcja z użytkownikami czy zaangażowanie zespołu, są niedostatecznie rozpoznawane jako krytyczne dla efektywności.

Apetyt na nisko rosnące owoce

Odpowiedzi na pytanie o oczekiwane korzyści pozwalają zrozumieć motywacje organizacji do inwestowania w AI.

Efektywność operacyjna jest absolutnym priorytetem, wskazywanym przez 91% respondentów. To jednoznacznie pokazuje, że AI jest postrzegana przede wszystkim jako narzędzie do optymalizacji i usprawniania bieżących działań. Uproszczenie dostępu do informacji/raportowanie oraz nowe możliwości działania/rozwoju są również bardzo ważne, oba z wynikiem 59%. Korzyści strategiczne, takie jak „uzyskanie przewagi konkurencyjnej” czy „rozwój lub transformacja modelu biznesowego”, choć ważne, są wskazywane przez znacznie mniej respondentów (oba po 27%).

Dominacja efektywności operacyjnej nad strategicznymi przewagami sugeruje, że organizacje koncentrują się na krótkoterminowych, mierzalnych zyskach z AI, zamiast na długofalowej transformacji. Firmy w Polsce oczekują od AI przede wszystkim natychmiastowych i mierzalnych usprawnień operacyjnych, co może ograniczać ich zdolność do wykorzystania pełnego potencjału AI w kreowaniu przewagi konkurencyjnej i innowacji modelu biznesowego.

Pytanie o strategię pozyskiwania rozwiązań AI ujawnia dominujący trend jego adaptacji. 64% respondentów uważa, że budowa własnych rozwiązań jest niepotrzebna i poszukuje celowanych, gotowych rozwiązań od dostawców w celu poprawy efektywności. Jest to jasny sygnał preferowania gotowych produktów i usług. 27% firm rozwija własne rozwiązania AI równolegle z podstawowymi elementami tworzonymi przez użytkowników i dostosowywanymi do potrzeb. Wydaje się, że to wcale nie jest mało. Podobnie jak fakt wskazania przez 9% firm możliwości – gotowości budowy własnych rozwiązań w przyszłości, po osiągnięciu wyższej dojrzałości firmy.

Zdecydowana większość organizacji skłania się ku modelowi „kupowania” rozwiązań AI zamiast ich „budowania”. Wynikać to z cytowanych powyżej naturalnych ograniczeń, a więc z braku specjalistycznej wiedzy, ograniczeń budżetowych czy chęci szybszego wdrożenia. Polski rynek AI jest zorientowany na konsumpcję gotowych rozwiązań od dostawców, co może spowolnić rozwój wewnętrznych kompetencji AI w organizacjach i uzależniać je od zewnętrznych partnerów technologicznych. Pozostaje jednak istotna grupa firm deklarujących chęć budowania własnymi siłami części lub całych rozwiązań AI.

Na to, czego można się spodziewać w przyszłości, także pod względem zainteresowania budową własnych kompetencji i rozwiązań AI, częściowo światło rzucają wyniki ostatniego pytania w ankiecie. Dotyczy ono rodzajów danych, które organizacje są skłonne lub chciałyby przetwarzać za pomocą AI. Dane transakcyjne są zdecydowanie najbardziej pożądanym typem danych, wskazanym przez 78% respondentów. Ich ustrukturyzowany charakter i bezpośrednie powiązanie z procesami biznesowymi czynią je idealnym celem dla AI.

Dokumenty tekstowe (68%) również są bardzo wysoko cenione, co wskazuje na potencjał AI w automatyzacji analizy treści, umów czy raportów. Nieuporządkowane treści tekstowe oraz inne dane niestrukturyzowane uzyskały powyżej 40% wskazań, co potwierdza trend wykorzystania AI do przetwarzania danych, które dotychczas były trudne do analizy.

Bardzo niski odsetek wskazań dla „materiałów audio i video” oraz „danych sensorycznych” może sugerować, że organizacje wciąż koncentrują się na przetwarzaniu danych tradycyjnych, mniej złożonych typów danych. Organizacje, które reprezentują respondenci naszej ankiecie priorytetowo traktują wykorzystanie AI do analizy danych ustrukturyzowanych (transakcyjnych) oraz łatwiejszych do przetwarzania danych tekstowych, co wskazuje na początkowy etap dojrzałości w wykorzystaniu AI do analizy bardziej złożonych i różnorodnych źródeł danych.

AI AD 2025 to przede wszystkim sposób na optymalizację

Z badania ankietowego przeprowadzonego wśród decydentów technologicznych z polskich firm wynika zatem, że sztuczna inteligencja jest obecnie postrzegana przede wszystkim jako narzędzie do optymalizacji biznesu. Organizacje koncentrują się na wykorzystaniu AI do zwiększenia efektywności operacyjnej i administracyjnej, a także w obszarach sprzedażowych i marketingowych, poszukując szybkich i mierzalnych korzyści. Kluczowe ustalenia, to:

• Bariery są bardziej miękkie niż techniczne. Główne wyzwania to ograniczenia budżetowe oraz aspekty kulturowe i organizacyjne, a nie braki sprzętowe czy problemy z cyberbezpieczeństwem. Świadomość kluczowej roli wiedzy, kompetencji i dogłębnego zrozumienia kontekstu biznesowego dla efektywności AI jest wysoka.
• Preferencja gotowych rozwiązań. Rynek preferuje gotowe rozwiązania od dostawców, co może prowadzić do mniejszego rozwoju wewnętrznych kompetencji w tworzeniu AI.
• Dane ustrukturyzowane wciąż królują. Największe zainteresowanie dotyczy danych transakcyjnych i tekstowych, co pokazuje, że pełny potencjał analizy danych różnorodnych typów jest jeszcze przed nami.

Ankieta kreśli obraz organizacji, które są świadome potencjału AI i aktywnie dążą do jej wdrożenia, przede wszystkim w celu zwiększenia efektywności. Kluczowymi obszarami do rozwoju w przyszłości są strategiczne, holistyczne podejście do AI na poziomie zarządu, inwestycje w zmianę kulturową oraz rozszerzenie wykorzystania AI na bardziej złożone typy danych i procesy, które mogą przynieść długoterminową przewagę konkurencyjną.