AI RADAR Trendbook: „Technologia, która zmienia Polski biznes – AI w praktyce, czyli szanse i wyzwania” – Dariusz Kwieciński, Fujitsu

Sztuczna inteligencja wchodzi do firm i instytucji, przyspieszając decyzje, obniżając koszty i otwierając nowe pola innowacji. O realnych efektach wdrożeń, jakości danych, bezpieczeństwie oraz o tym, jak przejść z POC do skali, rozmawiamy z Dariuszem Kwiecińskim, Head of South Eastern Europe w Fujitsu.

Jakie są najważniejsze szanse i wyzwania dla biznesu związane z postępującą adaptacją AI?

Najczęściej w dyskusjach o sztucznej inteligencji pojawia się wątek kosztów. To naturalne, bo każda nowa technologia oceniana jest przez pryzmat tego, ile można dzięki niej zaoszczędzić. Jednak ograniczanie rozmowy tylko do pieniędzy jest spłyceniem tematu. Ja wskazałbym trzy główne obszary: redukcję kosztów, wzrost innowacyjności i wsparcie procesów decyzyjnych.

AI potrafi radykalnie skrócić czas badań i analiz. Już dziś wspiera naukowców w medycynie, chemii czy energetyce. Klasyczny przykład to farmacja, gdzie opracowanie nowego leku zajmuje zwykle kilkanaście lat i pochłania miliardy dolarów. Modele sztucznej inteligencji potrafią przeszukiwać ogromne zbiory danych molekularnych i wskazywać cząsteczki, które mogą być podstawą skutecznego leku. Dzięki temu badacze oszczędzają miesiące, a nawet lata pracy. Podobne zastosowania mamy w chemii materiałowej czy w poszukiwaniach nowych źródeł energii.

AI pomaga też w archeologii i naukach humanistycznych. Dobrym przykładem jest odkrycie na płaskowyżu Nazca w Peru. Przez dekady archeolodzy próbowali zidentyfikować rysunki widoczne tylko z lotu ptaka, a sztuczna inteligencja, analizując zdjęcia satelitarne, wskazała setki nowych figur. To pokazuje, że AI nie tylko usprawnia procesy biznesowe, lecz także poszerza nasze możliwości poznawcze.

Drugim obszarem są procesy decyzyjne. Weźmy medycynę, bo tu lekarz często musi zdecydować o metodzie leczenia w warunkach ogromnej presji czasu i odpowiedzialności. AI nie zastępuje go, ale potrafi przeanalizować tysiące przypadków i zasugerować możliwe scenariusze. Lekarz wciąż podejmuje decyzję, ale ma lepsze wsparcie. W biznesie dzieje się coś podobnego. Menedżerowie mają do dyspozycji ogromne ilości danych, których nie są w stanie sami przejrzeć, a AI skraca czas przygotowania analiz, wskazuje korelacje i podsuwa rekomendacje, które człowiek może zaakceptować albo odrzucić.

A jakie widzi Pan największe wyzwania?

Pierwszym jest akceptacja społeczna. Ludzie często obawiają się, że AI odbierze im pracę. To nie jest do końca prawda. Historia technologii pokazuje, że automatyzacja zmienia charakter pracy, ale niekoniecznie ją eliminuje. Pojawiają się nowe zawody, których wcześniej nie było. W praktyce AI może uwolnić pracowników od żmudnych i powtarzalnych zadań, pozwalając im skupić się na działaniach bardziej twórczych i wartościowych, na przykład na budowaniu relacji z klientami.

Drugim wyzwaniem jest brak wiedzy i nadmierne oczekiwania. Społeczeństwo często postrzega AI przez pryzmat popkultury. W filmach mamy terminatory i wizje maszyn, które przejmują kontrolę nad światem. Tymczasem dzisiejsza AI to wciąż tylko bardzo skomplikowane modele matematyczne i statystyczne. Nie ma w nich samoświadomości ani intencji. To narzędzie, które działa w ramach danych, jakie otrzyma. Jeśli te dane są błędne, to również wynik będzie błędny.

Trzecim wyzwaniem jest infrastruktura i bezpieczeństwo danych. Wiele firm nie może sobie pozwolić na przesyłanie wrażliwych informacji do chmury publicznej. Dlatego rozwijają się rozwiązania hybrydowe i on-premise, które pozwalają korzystać z AI wewnątrz organizacji, bez ryzyka wycieku. To szczególnie istotne w sektorze finansowym, ochronie zdrowia czy administracji publicznej, gdzie dane muszą być chronione z najwyższą starannością.

Ludzie często obawiają się, że AI odbierze im pracę. To nie jest do końca prawda. Historia technologii pokazuje, że automatyzacja zmienia charakter pracy, ale niekoniecznie ją eliminuje – Dariusz Kwieciński Head of South Eastern Europe w Fujitsu

Jakie bariery technologiczne są szczególnie widoczne we wdrożeniach opartych na sztycznej inteligencji?

Najbardziej podstawowa to dane. Jakość danych przekłada się bezpośrednio na jakość odpowiedzi i rekomendacji. Obowiązuje tu prosta zasada „garbage in, garbage out”. Jeśli do systemu wprowadzimy niepełne, chaotyczne lub błędne dane, to rezultat także będzie błędny. Firmy często nie doceniają wagi porządnej polityki zarządzania danymi, a to jest fundament.

Drugą barierą jest bezpieczeństwo. Wiele przedsiębiorstw nie może wysyłać swoich informacji do chmury publicznej, bo regulacje prawne lub wewnętrzne zasady bezpieczeństwa tego zabraniają. Dlatego dużą rolę odgrywają rozwiązania hybrydowe i on-premise, które pozwalają trenować i korzystać z modeli w obrębie własnej infrastruktury. To wymaga inwestycji, ale daje pełną kontrolę nad danymi i gwarancję, że nie trafią one w niepowołane ręce.

Trzecim problemem jest zrozumienie ograniczeń AI. Modele nie są nieomylne i potrafią wygenerować halucynacje, czyli informacje całkowicie zmyślone. To szczególnie groźne tam, gdzie decyzje mają krytyczne znaczenie, czyli w ochronie zdrowia, transporcie czy finansach. Potrzebny jest więc nie tylko rozwój technologii, lecz także edukacja użytkowników, którzy muszą umieć oceniać wiarygodność odpowiedzi.

Jakie kierunki rozwoju AI uważa Pan za priorytetowe?

Kluczowe są projekty, które mają bezpośredni wpływ na biznes. CFO czy dyrektor operacyjny nie zaakceptuje wdrożenia tylko dlatego, że „to nowa technologia”. Musi zobaczyć twarde liczby, a więc spadek kosztów, szybszą obsługę klienta, wzrost sprzedaży czy poprawę efektywności procesów. Bez uzasadnienia biznesowego trudno bronić inwestycji, zwłaszcza w dobie presji kosztowej.

Ale są też inne obszary. AI będzie wspierać ludzi w codziennej pracy, a Copilot i podobne rozwiązania już zwiększają efektywność pracowników biurowych. Widać to w edycji dokumentów, przygotowywaniu prezentacji czy analizie danych. To dopiero początek, bo docelowo sztuczna inteligencja zacznie obsługiwać całe procesy. Tak jak kiedyś chmura, najpierw proof of concept, później masowe wdrożenia.

Czy Sztuczna Inteligencja to głównie narzędzie do cięcia kosztów, czy motor innowacji?

Na razie dominują projekty związane z optymalizacją kosztów, ale to naturalny etap dojrzewania. Firmy najpierw chcą sprawdzić, czy inwestycja się zwróci. Gdy zobaczą efekty, łatwiej będzie im finansować projekty bardziej innowacyjne, nastawione na rozwój nowych produktów i usług.

Weźmy przykład farmacji. Tu AI może znacząco skrócić proces badań klinicznych i tym samym szybciej wprowadzać nowe leki na rynek. W sektorze finansowym inteligentne algorytmy pomagają wykrywać nadużycia i lepiej zarządzać ryzykiem. W przemyśle AI analizuje dane z czujników i przewiduje awarie maszyn, co zmniejsza koszty przestojów. To wszystko są przykłady innowacji, które nie tylko redukują koszty, ale też otwierają nowe możliwości.

A jak to wygląda w Polsce?

Na poziomie użytkowników indywidualnych jesteśmy już zaawansowani. Narzędzia generatywne weszły do popularnych pakietów biurowych, więc pracownicy używają ich niemal codziennie. Mamy też własne inicjatywy, modele Bielik, PLLuM czy open source’owe Mistrale, a obok nich globalne rozwiązania od Google czy dostawców z Chin. Coraz częściej firmy testują podejście hybrydowe, czyli łączenie różnych modeli i narzędzi w zależności od potrzeb.

Jeśli jednak spojrzymy na wdrożenia w procesach biznesowych, to dopiero raczkujemy. Większość projektów ma charakter proof of concept, podobnie jak było z chmurą dekadę temu. Firmy sprawdzają, jakie efekty da AI w jednym procesie, a dopiero potem myślą o szerszym wdrożeniu. Tempo jest więc wolniejsze, ale kierunek rozwoju nie pozostawia wątpliwości.

Dobrym przykładem jest działalność Miry Murati, byłej CTO OpenAI. Założyła własną firmę Thinking Machines Lab, która w bardzo krótkim czasie pozyskała około dwóch miliardów dolarów finansowania i osiągnęła wycenę na poziomie 10–12 miliardów. To pokazuje, jak szybko rozwija się rynek frontier AI i jak ogromne zaufanie inwestorzy mają do osób z doświadczeniem w tej branży. Takie przykłady są sygnałem także dla polskich firm. Warto inwestować w talenty i projekty, które mogą mieć globalny potencjał.

Jaką rolę pełni Sztuczna Inteligencja w strategii Fujitsu?

Mamy dwa równoległe podejścia. Z jednej strony korzystamy z globalnych narzędzi, które pozwalają integrować różne modele i dają użytkownikowi wybór formy interakcji. Z drugiej, rozwijamy własne rozwiązanie on-premise, w pełni działające offline. To szczególnie ważne w sektorach regulowanych, jak bankowość czy administracja publiczna, gdzie bezpieczeństwo danych jest absolutnym priorytetem.

Modele nie są nieomylne i potrafią halucynować. To szczególnie groźne tam, gdzie decyzje mają krytyczne znaczenie, czyli w ochronie zdrowia, transporcie czy finansach – Dariusz Kwieciński Head of South Eastern Europe w Fujitsu

Czy wdrożenie tych rozwiązań było trudne?

Tak, ale to naturalny etap. Na początku pracownicy deklarują, że korzystają z AI, jednak nie zawsze przekłada się to na mierzalne efekty. Dlatego stawiamy na systematyczność i edukację. Równolegle wdrażamy AI w procesach sprzedaży i obsługi klienta, gdzie część kroków zaczyna wykonywać system zamiast człowieka. Celem jest realne odciążenie pracowników i zwiększenie efektywności.

Jak wygląda kwestia bezpieczeństwa danych?

To jeden z kluczowych tematów. Wiele firm uczy się na błędach innych, a chyba wszyscy pamiętamy przypadek, kiedy poufne informacje trafiły do publicznego czatbota. Dlatego stawiamy na prywatne środowiska, działające wyłącznie w ramach organizacji. To pozwala korzystać z AI bez ryzyka, że dane zostaną wykorzystane poza kontrolą.

W jakich obszarach sektor publiczny mógłby szybko skorzystać z AI?

Przede wszystkim w obsłudze obywateli. Generatywna AI może przygotowywać szkice odpowiedzi, zestawiać dane i pilnować terminów. Dzięki temu sprawy, które dziś zajmują tygodnie, można załatwiać w kilka dni. Ważne jest jednak, aby takie systemy działały w środowisku prywatnym i były zgodne z przepisami, w tym z RODO czy europejskim AI Act. Tylko wtedy obywatele będą mieć zaufanie do nowych rozwiązań.

Co uważa Pan za najbardziej niedoceniany aspekt AI?

To, że sztuczna inteligencja wymaga stałego nadzoru. To nie jest system, który wdraża się raz i zostawia samemu sobie. Modele trzeba aktualizować, monitorować i weryfikować. Ważne jest też, aby pamiętać, że AI uczy się na danych historycznych. Jeśli w tych danych są utrwalone pewne schematy, to system będzie je wzmacniał. Zamiast innowacji możemy więc otrzymać powielanie dotychczasowych wzorców.

Jak przyspieszyć adopcję Sztucznej Inteligencji w firmach?

Kluczem jest mapa procesów i twarde wskaźniki. Trzeba wybrać kilka krytycznych obszarów, określić baseline i na tej podstawie mierzyć efekty. Ważne jest też zaangażowanie działu finansowego, bo bez CFO, który współodpowiada za projekt, trudno o akceptację na poziomie zarządu.

Czy wzmożone zainteresowanie AI się utrzyma?

Moim zdaniem tak. To technologia, której nie da się zatrzymać. O tempie wdrożeń zdecyduje odwaga decydentów i umiejętność pokazania zwrotu z inwestycji. Jeśli ROI będzie widoczne, projekty będą się mnożyć. Jeśli nie, entuzjazm może chwilowo osłabnąć. Ale potencjał jest ogromny. AI ma szansę zmieniać biznes i społeczeństwo w podobnym stopniu, w jakim zrobiła to chmura dekadę temu.

Aby bezpłatnie pobrać cały raport AI RADAR – Trendbook (ponad 400 stron, bezcennej wiedzy o AI) kliknij w poniższy baner: