Tylko 6% polskich firm przemysłowych wykorzystuje AI do optymalizacji procesów, choć 34% wskazuje sztuczną inteligencję jako jeden z priorytetów na najbliższe trzy lata. Najnowszy raport ABB pokazuje, że między planami a wdrożeniami nadal stoi przede wszystkim budżet, ale także poziom automatyzacji, jakość danych oraz kompetencje.
Polski przemysł dopiero buduje zaplecze, które pozwoli szerzej wykorzystywać sztuczną inteligencję. Według raportu „ABB Trends 2026/2027”, 19% przedsiębiorstw produkcyjnych ocenia poziom swojej automatyzacji jako minimalny, a 32% jako niski. Jednocześnie 49% korzysta z systemów SCADA/DCS, 45% ze zdalnego monitoringu i diagnostyki, a 28% z predykcyjnego utrzymania ruchu.
Znacznie mniej popularne są technologie stanowiące kolejny etap cyfryzacji. IIoT wykorzystuje 18% badanych firm, cyfrowe bliźniaki jedynie 7%, a AI i machine learning zaledwie 6%. Nie oznacza to jednak braku zainteresowania. Wspomniane 34% przedsiębiorstw wskazuje AI jako jeden z priorytetowych obszarów inwestycji w perspektywie najbliższych trzech lat, a 46% spodziewa się dużego lub bardzo dużego wpływu nowych technologii na swoją branżę.
„AI nie jest dziś największym wyzwaniem polskiego przemysłu. Największym wyzwaniem jest to, że wiele organizacji nadal nie wykorzystuje skutecznie danych, które już posiada” – komentuje Marek Sulewski z biznesu Automatyki ABB w Polsce.
AI potrzebuje danych i infrastruktury
Problem z gotowością firm widać także w innych badaniach. Z raportu EY „Jak polskie firmy wdrażają AI?” wynika, że 77% średnich i dużych przedsiębiorstw planuje zwiększyć nakłady na AI w ciągu najbliższych 18 miesięcy. Jednocześnie tylko 9% ma kompletną infrastrukturę danych potrzebną do zasilania zaawansowanych modeli.
Podobną lukę pokazują dane Eurostatu. W 2025 roku AI wykorzystywało 8,4% polskich firm wobec 20% średnio w Unii Europejskiej. Niższy wynik od nas odnotowała tylko Rumunia. Wyraźnie widać też zależność od wielkości przedsiębiorstwa: z AI korzystało 5,8% małych firm, 14,8% średnich i aż 45,8% dużych.
Wiarygodne dane są szczególnie istotne w przemyśle, gdzie AI ma wspierać m.in. przewidywanie awarii, wykrywanie anomalii czy optymalizację procesów produkcyjnych. Do tego potrzebne są jednak wiarygodne informacje z maszyn i systemów, które potrafią się ze sobą komunikować.
Badanie Deloitte pokazuje, że 84% producentów generuje już mierzalną wartość operacyjną z AI, ale tylko jedna piąta wdrożeń skalowana jest na poziomie całego przedsiębiorstwa lub wielu zakładów. Najczęściej wskazywane bariery to wysokie koszty, które wymienia 43% firm, brak wiedzy i kompetencji – 35% oraz problemy z dostępnością i jakością informacji – 30%
Budżet i niepewność głównymi barierami inwestycyjnymi
W badaniu ABB 50% przedsiębiorstw wskazuje ograniczony budżet jako największą przeszkodę w inwestycjach technologicznych. Kolejne bariery to wymogi regulacyjne i formalne, wskazywane przez 41% firm, wewnętrzne procedury decyzyjne – 28%, brak długoterminowej strategii inwestycyjnej – 25% oraz niedostatek kompetencji wewnętrznych – 22%.
Problem ma szerszy charakter. Z badania EIBIS 2025 wynika, że 86% polskich firm za przeszkodę dla inwestycji uznaje niepewność dotyczącą przyszłości. Tyle samo wskazuje koszty energii, a 81% dostępność pracowników o odpowiednich kwalifikacjach. Jednocześnie aż 74% finansowania inwestycji polskich przedsiębiorstw pochodzi ze środków własnych, podczas gdy średnia unijna wynosi 66%.
Polskie przedsiębiorstwa nadal inwestują – według EBI robiło to 80% firm, a w samym przemyśle 8%. Problemem jest raczej struktura wydatków. Otóż 71% nakładów trafiało w grunty, budynki, maszyny i wyposażenie, podczas gdy Polska pozostaje poniżej średniej unijnej pod względem cyfryzacji. Co najmniej jedną zaawansowaną technologię cyfrową wdrożyło 65% firm wobec średniej 77% w UE, a kilka takich technologii jednocześnie stosowało odpowiednio 42 i 51% przedsiębiorstw.
Najpierw fundamenty, później AI
Dane z poszczególnych badań układają się więc w podobny obraz. Firmy deklarują rosnące zainteresowanie sztuczną inteligencją, ale znaczna część z nich nadal inwestuje w podstawową automatyzację, integrację systemów, dane i infrastrukturę.
„Jeżeli firma nie ma uporządkowanych procesów, odpowiedniej jakości danych i jasnego sposobu podejmowania decyzji, to nawet najlepszy algorytm nie przyniesie oczekiwanych rezultatów. Dlatego w praktyce największą wartość tworzą projekty, które najpierw rozwiązują konkretny problem biznesowy, a dopiero później dobierają do niego odpowiednią technologię” – wskazuje Marek Sulewski.
Nie oznacza to, że AI pozostanie na marginesie przemysłu. Dane ABB wskazują raczej na przygotowania do kolejnego etapu cyfryzacji. Dla firm wyzwaniem będzie nie samo uruchomienie kolejnych projektów AI, lecz znalezienie zastosowań, które można powiązać z konkretnymi efektami operacyjnymi i biznesowymi.
Badanie „ABB Trends 2026/2027” przeprowadziła firma IQS metodą CAWI w kwietniu i maju 2026 roku na próbie 146 przedstawicieli przedsiębiorstw z sektora przemysłowego.
