Wcześniejsze wdrożenie AI nie oznacza szybszego zwrotu z inwestycji, co potwierdza badanie Salesforce „State of Agentic AI in the Enterprise” wśród ponad 2000 liderów agentycznej AI

Liczba wdrożeń agentów AI wzrosła w ciągu ostatniego roku ponad dwukrotnie – wynika z danych platformy Salesforce – a agenci przynoszą realne rezultaty. Sprzedawcy detaliczni korzystający z agentów AI zwiększali sprzedaż online czterokrotnie szybciej niż firmy, które ich nie wykorzystywały.

Dla wielu organizacji, które właśnie wdrażają swoich pierwszych agentów, rodzi to ważne pytanie: co je wyróżnia na tle firm, które już osiągają zwrot z inwestycji? Badanie Salesforce „State of Agentic AI in the Enterprise”, przeprowadzone wśród 2025 osób decyzyjnych odpowiedzialnych za agentyczną AI na całym świecie, wskazuje na przygotowanie, a nie tempo działania. Firmy, które wdrożyły agentów jako pierwsze, niekoniecznie jako pierwsze osiągnęły znaczący zwrot inwestycji. Najlepszymi wskaźnikami sukcesu okazały się czynniki operacyjne, takie jak dostępność czystych, odpowiednio zarządzanych danych w momencie, gdy agent ich potrzebuje oraz jasno określony zakres działania agenta.

Inne kluczowe wyniki: wśród 30% organizacji, które już wykorzystują agentów w środowisku produkcyjnym, wdrożenia osiągają ROI po około ośmiu miesiącach. Wskaźnik wykorzystania agentów przez pracowników wynosi 53%, a średni wzrost satysfakcji klientów – 29%.

– Każdy zarząd zastanawia się, czy działa wystarczająco szybko. Dwa lata po rozpoczęciu transformacji związanej z agentyczną AI dane pokazują, że przewaga nigdy nie wynikała z tego, kto zaczął pierwszy, lecz z tego, kto zaczął w sposób przemyślany. Organizacje osiągające rzeczywiste zwroty z inwestycji jeszcze przed uzyskaniem idealnych warunków precyzyjnie określiły kilka kluczowych elementów: wiarygodne dane przygotowane na potrzeby danego zastosowania, człowiek pozostający częścią procesu oraz przygotowane z wyprzedzeniem mechanizmy zabezpieczające –  mówi Shibani Ahuja, SVP, Data & AI Strategy, Salesforce.

Średnie rezultaty osiągane przez organizacje, które wdrożyły agentów. Idealne dane nie są warunkiem wdrożenia agentów AI

Gotowość danych nie odróżnia organizacji, które wdrożyły agentów AI, od tych, które jeszcze tego nie zrobiły, choć koreluje z lepszymi wynikami po wdrożeniu.

• Organizacje, które wdrożyły agentów, wskazują dwa czynniki jako najważniejsze dla sukcesu najbardziej autonomicznych agentów: czyste i łatwo dostępne dane dostępne w momencie działania agenta oraz ściśle zdefiniowany zakres zastosowania. Żaden z tych elementów nie wymaga pełnej unifikacji danych w całej organizacji.
• W rzeczywistości tylko 31% organizacji, które wdrożyły agentów, w pełni ujednoliciło swoje dane przed ich uruchomieniem. Pozostałe 69% nadal integrowało źródła danych, obchodziło istniejące luki lub działało w oparciu o rozproszone dane.
• Jednakże, organizacje, które ujednoliciły odpowiednie dane przed wdrożeniem agentów AI, osiągnęły znaczący ROI szybciej niż te, które najpierw wdrożyły agentów, a dopiero później zajęły się lukami w infrastrukturze danych – odpowiednio 7,3 miesiąca w porównaniu do 8,8 miesiąca.

– Ludzie często myślą, że przed rozpoczęciem muszą zrobić wszystko naraz – umieścić wszystkie dane w jednym miejscu i doprowadzić je do perfekcji. Tymczasem odkrywamy, że można działać krok po kroku: zadbać o poprawność danych, zautomatyzować je i opisać semantycznie, tak aby agenci rozumieli, czym są dane i jak należy z nich korzystać. To właśnie warstwa semantyczna odblokowuje ich wartość – mówi Joe Inzerillo, Dyrektor Generalny, Enterprise & AI Technology, Salesforce.

 

Agenci przynoszą większą wartość, gdy są wbudowani w workflow, a nie do niego „doklejeni”

To, gdzie funkcjonuje agent, wpływa na to, do jakich zasobów i informacji ma dostęp.

• Przeciętna badana organizacja korzysta z 58 różnych aplikacji biznesowych, jednak w mniej niż połowie z nich (42%) AI jest natywnie zintegrowana.
• Pracownicy regularnie korzystają z AI częściej tam, gdzie jest ona natywnie wbudowana (55%), niż tam, gdzie jest połączona z systemami, ale pozostaje poza ich podstawowym środowiskiem (47%).
• 94% organizacji, które wdrożyły agentów, twierdzi, że wbudowanie AI w kluczowe procesy pracy przynosi większą wartość niż korzystanie z niej jako samodzielnego narzędzia.

Zasady zarządzania agentami AI często są wdrażane późno, a dążenie do szybkiego wdrożenia wiąże się z kompromisem między szybkością a trwałością rozwiązania.

Większość organizacji, które wdrożyły agentów, rozpoczęła działanie z pewnym poziomem nadzoru, a pozostałe mechanizmy zarządzania dodała później.

• Przed wdrożeniem agentów organizacje miały średnio dwa mechanizmy nadzoru, takie jak monitoring w czasie rzeczywistym, procedury przekazywania spraw do człowieka czy dzienniki audytowe. Po wdrożeniu liczba ta wzrastała średnio do trzech.
• Taka kolejność wiąże się z szybkością osiągania wyników: organizacje stosujące lżejszy nadzór osiągały dodatni ROI w ciągu 7,2 miesiąca, podczas gdy w organizacjach stosujących bardziej rozbudowane mechanizmy nadzoru zajmowało to 9,3 miesiąca.
• Organizacje o poziomie nadzoru nad agentami AI poniżej średniej były niemal dwukrotnie bardziej narażone na wykrycie agenta działającego poza określonymi parametrami dopiero po wystąpieniu poważnego błędu – dotyczyło to 32% z nich, w porównaniu z 18% organizacji o ponadprzeciętnym poziomie zarządzania.
• Dla wielu organizacji jest to rzeczywisty kompromis: uruchomienie rozwiązania przy lżejszym poziomie nadzoru prawdopodobnie pozwala szybciej osiągnąć ROI, ale jednocześnie oznacza wolniejsze wykrywanie problemów.
• Ponad jedna trzecia respondentów, których inicjatywy związane z AI spowolniły, zostały wstrzymane lub zakończyły się niepowodzeniem (38%), wskazała, że wprowadziłaby silniejsze mechanizmy nadzoru oraz protokoły eskalacji.

– Wystarczająco dobre, aby się uczyć, taki jest próg. Należy rozsądnie zdefiniować mechanizmy zabezpieczające, ale nie należy ich nadmiernie rozbudowywać do tego stopnia, że zahamują innowacyjność – mówi Joe Inzerillo.

Przykład z rynku: Asymbl

Firma Asymbl, zajmująca się koordynacją procesów związanych z personelem, odnotowała w 2025 roku szybki wzrost, a liczba kandydatów zaczęła przewyższać możliwości zespołu rekrutacyjnego. Informacje o kandydatach były jednocześnie rozproszone w wielu niepołączonych ze sobą systemach.

Firma stworzyła więc Rosę – cyfrowego agenta rekrutacyjnego, który przygotowuje opisy stanowisk, dokonuje wstępnej selekcji kandydatów, planuje rozmowy kwalifikacyjne i wysyła oferty pracy.

Tak wygląda rozwiązanie, które umożliwia jego działanie: Rosa funkcjonuje wewnątrz Slacka, czyli środowiska, w którym zespół rekrutacyjny już pracuje. W tle Data 360 zapewnia scentralizowaną bazę wiedzy, dzięki czemu Rosa korzysta ze spójnych i wiarygodnych danych zamiast informacji rozproszonych w wielu miejscach. MuleSoft integruje GitHub, Hira i Google Drive, dzięki czemu rekruterzy nie muszą przeszukiwać wielu systemów na kolejnych etapach procesu.

Rezultat? Asymbl, przy wsparciu Rosy, zatrudniła 100 osób w ciągu 100 dni, osiągając wskaźnik utrzymania pracowników na poziomie 96%.

Raport Salesforce „State of Agentic AI in the Enterprise”

Dane pochodzą z badania ankietowego z podwójnie ślepą próbą przeprowadzonego wśród 2025 osób decyzyjnych odpowiedzialnych za agentyczną AI w 20 krajach na pięciu kontynentach. Badanie przeprowadzono w dniach 14–28 maja 2026 roku. Wszyscy respondenci mają wpływ na decyzje dotyczące zakupu agentów AI. Respondentów podzielono na trzy grupy: organizacje, które wdrożyły rozwiązania (30%), organizacje prowadzące pilotaże (47%) oraz organizacje oceniające możliwości ich wykorzystania (23%). Większość wyników przedstawionych w badaniu odnosi się do 30% organizacji, które dokonały pełnego wdrożenia („organizacje wdrażające”). Wszystkie wskaźniki dotyczące rezultatów – w tym czas osiągnięcia ROI oraz 29-procentowy wzrost satysfakcji klientów – pochodzą z deklaracji respondentów. O ile nie zaznaczono inaczej, dane odnoszą się do całej badanej grupy. Wartości procentowe zostały zaokrąglone i mogą nie sumować się dokładnie do 100%.

Pełny raport  State of Agentic AI in the Enterprise