Sztuczna inteligencja coraz mocniej wchodzi w świat fizyczny, napędzając rozwój centrów danych, energetyki, robotyki, półprzewodników i technologii kosmicznych. Według raportu McKinsey Technology Trends Outlook 2026, pięć z 14 analizowanych trendów może w tym roku przyciągnąć ponad dwukrotnie więcej inwestycji niż w 2025 roku. Jednocześnie skalowanie AI coraz częściej ograniczają energia, infrastruktura i dostęp do kompetencji.
Najnowsza analiza McKinsey obejmuje 14 trendów podzielonych na trzy grupy: rewolucję AI, nowe granice mocy obliczeniowej i łączności oraz zaawansowaną inżynierię. Z raportu wynika, że pięć obszarów jest na drodze do co najmniej podwojenia tegorocznych inwestycji:
- agentowe tworzenie oprogramowania,
- infrastruktura i architektury modeli AI,
- AI wykorzystywana w nauce i inżynierii,
- technologie kosmiczne,
- robotyka.
Rozwój tych technologii coraz wyraźniej zależy jednak od fizycznej infrastruktury. Przykładowo, w USA zapotrzebowanie na moc związaną z infrastrukturą AI może wzrosnąć z około 30 GW w 2025 roku do ponad 90 GW w 2030 roku. Obecnie na świecie ponad 2500 GW projektów energetycznych czeka na przyłączenie do sieci, a dostawy części kluczowych urządzeń, w tym transformatorów, mogą trwać ponad dwa lata.
„Energia przestaje być kwestią drugoplanową i staje się kluczowym elementem rozbudowy infrastruktury AI. Dostępność mocy oraz czas potrzebny na jej zapewnienie stają się strukturalnymi ograniczeniami dalszego rozwoju. Zwiększa to znaczenie zdolności do szybkiej rozbudowy systemu energetycznego i umiejętności sprawnego nim zarządzania” – mówi Tomasz Marciniak, Partner Zarządzający McKinsey & Company w Polsce.
Wykorzystanie AI rośnie szybciej niż efekty biznesowe
Rosnąca adopcja nie oznacza jeszcze proporcjonalnego wzrostu wartości dla firm. Analitycy McKinsey wskazują, że organizacje coraz szerzej wdrażają AI i rozwiązania agentowe, ale przełożenie tych inwestycji na wyniki finansowe pozostaje ograniczone. Jak wynika z danych przywołanych w raporcie, 89% organizacji regularnie korzysta ze sztucznej inteligencji, a większość z nich co najmniej testuje rozwiązania agentowe. Jednocześnie tylko 37% firm deklaruje, że ich programy AI przyniosły jakikolwiek pozytywny wpływ na EBIT. Rosną również koszty wdrożeń – 93% respondentów badania McKinsey wskazuje, że wydatki na AI przekraczają założone budżety.
Lukę między tempem adopcji a osiąganymi efektami szczególnie wyraźnie widać w obszarze agentowego tworzenia oprogramowania. Specjaliści McKinsey szacują, że skuteczne wdrożenie tego typu rozwiązań może wygenerować dla firm niemal 1 bln USD wartości. Na razie jednak tylko jedna czwarta organizacji korzystających z agentowych narzędzi programistycznych osiągnęła istotne przyspieszenie całego cyklu rozwoju produktu. W jednym z analizowanych badań wykorzystanie AI zwiększyło aktywność programistyczną o 180%, podczas gdy liczba wdrożonych wersji oprogramowania wzrosła jedynie o 30%. Co więcej, w 30% firm produktywność spadła po wdrożeniu narzędzi agentowych.
Raport pokazuje również, że AI zmienia zapotrzebowanie na moc obliczeniową. Wraz z przechodzeniem modeli od treningu do codziennego wykorzystania rośnie znaczenie inferencji, czyli generowania odpowiedzi i wykonywania zadań przez już wytrenowane modele. Według McKinsey, do 2030 roku może ona odpowiadać za 30-40% zapotrzebowania na moc obliczeniową centrów danych.
AI zwiększa presję na cyberbezpieczeństwo i kompetencje
Sztuczna inteligencja wpływa także na cyberbezpieczeństwo. Te same technologie mogą przyspieszać wykrywanie podatności i reakcję na incydenty, ale jednocześnie zwiększają możliwości atakujących. McKinsey wskazuje na 44% wzrost wykorzystania podatności w publicznie dostępnych aplikacjach oraz 49% wzrost liczby aktywnych grup ransomware.
Jednocześnie rynek pracy pokazuje, że część technologii związanych bezpośrednio z AI wciąż znajduje się na wczesnym etapie rozwoju. Ponad 75% ofert pracy w czterech analizowanych obszarach AI oraz w segmencie specjalistycznych półprzewodników dotyczy stanowisk badawczo-rozwojowych. W bardziej dojrzałych obszarach, takich jak cyberbezpieczeństwo czy energetyka, większość rekrutacji dotyczy już funkcji związanych z wdrożeniem i działalnością operacyjną.
14 trendów technologicznych kształtujących biznes
- Tworzenie oprogramowania agentowego – odnosi się do wykorzystania systemów opartych na modelach LLM (Large Language Model), które autonomicznie wykonują zadania inżynierii oprogramowania, w tym planowanie, pisanie kodu, uruchamianie testów, naprawianie błędów i wdrażanie zmian. Narzędzia do kodowania AI przesuwają inżynierów z roli programistów do roli kierowników agentów.
- Agentowa sztuczna inteligencja – dotyczy systemów AI, które potrafią planować i wykonywać wieloetapowe przepływy pracy przy ograniczonym nadzorze człowieka. Systemy te rozumują, wchodzą w interakcje z systemami przedsiębiorstwa, koordynują działania z innymi agentami i autonomicznie dostosowują swoje działania do zmieniającego się kontekstu.
- Sztuczna inteligencja w odkryciach naukowych i inżynierii – wykorzystuje sztuczną inteligencję do przyspieszenia badań w takich dziedzinach jak nauki przyrodnicze, materiałoznawstwo, chemia, fizyka, klimatologia, energetyka, geonauka, astronomia i inżynieria. Modele, symulacje i przepływy pracy oparte na agentach mogą pomóc naukowcom i inżynierom w generowaniu hipotez, projektowaniu eksperymentów i automatyzowaniu części ich pracy.
- Infrastruktura i architektura modeli AI – to kluczowe technologie napędzające systemy AI. Obejmują one modele podstawowe trenowane na zróżnicowanych zbiorach danych – rozległych sieciach symulowanych „neuronów”, takich jak duże modele językowe (LLM) – a także modele multimodalne, modele wnioskowania i modele świata. Kategoria ta obejmuje również infrastrukturę wspierającą centra danych, platformy chmurowe, frameworki szkoleniowe i potoki danych niezbędne do tworzenia i skalowania AI.
- Półprzewodniki dedykowane konkretnym zastosowaniom – to układy scalone, zoptymalizowane pod kątem specjalistycznych obciążeń obliczeniowych. W przypadku sztucznej inteligencji układy te są coraz częściej projektowane w ścisłej współpracy z systemami oprogramowania, architekturami pamięci, infrastrukturą sieciową i modelami operacyjnymi centrów danych, aby sprostać wymaganiom wdrażania sztucznej inteligencji na dużą skalę.
- Cyberbezpieczeństwo i systemy godne zaufania – pomagają zabezpieczyć sieci komputerowe, zwiększyć weryfikację interakcji cyfrowych w połączonych środowiskach oraz zwiększyć zaufanie do systemów cyfrowych. Systemy cyberbezpieczeństwa, coraz częściej wspierane przez sztuczną inteligencję, obejmują architektury zero-trust i systemy dostępu do tożsamości. Inne technologie wzmacniające zaufanie to systemy rejestrów oparte na blockchainie, platformy tokenizacyjne oraz kryptografia kwantowa.
- Zaawansowana łączność – obejmuje technologie umożliwiające przesyłanie danych między ludźmi, urządzeniami i systemami. Należą do nich sieci 5G i rozwijająca się sieć 6G, Wi-Fi 6 i 7, energooszczędne sieci Internetu Rzeczy (IoT), transport światłowodowy i optyczny, satelity na niskiej orbicie okołoziemskiej (LEO), usługi bezpośredniej łączności z urządzeniami (DDR) oraz sieci definiowane programowo i zarządzane przez sztuczną inteligencję.
- Rzeczywistość immersyjna – łączy doświadczenia cyfrowe ze światem fizycznym. Rzeczywistość rozszerzona (AR), rzeczywistość wirtualna (VR), rzeczywistość mieszana (MR), haptyka i inteligentne okulary oparte na sztucznej inteligencji przesuwają tę kategorię poza immersję sterowaną przez zestaw słuchawkowy w stronę urządzeń noszonych, które reagują na kontekst i pomagają ludziom widzieć, słyszeć i wchodzić w interakcję z otoczeniem w nowy sposób.
- Technologie kwantowe – wykorzystują mechanikę kwantową do odkrywania nowych możliwości w dziedzinie obliczeń, komunikacji i czujników. Kategoria ta obejmuje komputery kwantowe do rozwiązywania wybranych problemów, takich jak symulacja i optymalizacja, kwantowo-bezpieczne zabezpieczenia przed przyszłymi zagrożeniami związanymi z szyfrowaniem oraz czujniki kwantowe do wysoce precyzyjnego pomiaru sygnałów fizycznych.
- Robotyka – wkracza w erę fizycznej sztucznej inteligencji, w której przełomem jest nie tylko większa liczba maszyn, ale i ich inteligencja. Dzięki postępom w dziedzinie sztucznej inteligencji, czujników i sterowania ruchem, nowa generacja robotów ogólnego przeznaczenia może autonomicznie nawigować, rozumieć złożone środowiska i bezpiecznie pracować ramię w ramię z ludźmi – wykraczając poza fabryki, a trafiając do magazynów, szpitali, gospodarstw rolnych, hoteli i sklepów.
- Mobilność – technologie kształtujące przyszłość mobilności zmieniają sposób, w jaki ludzie i towary przemieszczają się drogą lądową, powietrzną i wodną. Pojazdy elektryczne, autonomiczne i programowalne, wraz z infrastrukturą ładowania, mobilnością współdzieloną, dronami, taksówkami powietrznymi i systemami morskimi, sprawiają, że transport staje się bardziej połączony i zautomatyzowany.
- Technologie kosmiczne – obejmują cztery powiązane ze sobą warstwy: systemy startowe, które wysyłają ładunki na orbitę, statki kosmiczne i infrastrukturę działającą w kosmosie, naziemne sieci naziemne oraz usługi takie jak łączność, obserwacja, serwisowanie satelitów oraz obliczenia orbitalne.
- Nauki przyrodnicze i bioinżynieria – łączą sztuczną inteligencję z biologią, chemią i inżynierią, aby projektować, testować i skalować nowe produkty. Nauki przyrodnicze badają funkcjonowanie organizmów żywych, a bioinżynieria wykorzystuje tę wiedzę do rozwiązywania problemów medycznych i technicznych. Organizacje wykorzystują te możliwości w przemyśle farmaceutycznym, edycji genów, terapiach komórkowych, diagnostyce, biologii syntetycznej, fermentacji precyzyjnej, rolnictwie i materiałach przemysłowych.
- Technologie energetyczne i zrównoważonego rozwoju – zmieniają sposób wytwarzania, magazynowania, transportu, zarządzania i użytkowania energii. Trend ten obejmuje technologie przekształcające systemy energetyczne, obejmujące czystszą energię elektryczną, magazynowanie, modernizację sieci, elektryfikację oraz infrastrukturę niskoemisyjną, taką jak energia jądrowa, wodór i paliwa elektroniczne.
