„AI: czas na zwrot” – badanie Microsoftu i BGR Quantic zdradza kluczowe wyzwania i bariery na etapie skalowania AI w Polsce

Aż 94,1% polskich decydentów korzysta z generatywnej AI, ale tylko 10,3% firm osiągnęło poziom dojrzałości odpowiadający kompetencjom swoich pracowników – wynika z raportu BGR Quantic dla Microsoftu. Polacy chętnie wdrażają sztuczną inteligencję w codziennej pracy, jednak organizacje rozwijają się w nierównym tempie i zderzają z różnymi barierami: od niewykorzystanego potencjału kadry po niską gotowość strukturalną. Największym wyzwaniem pozostaje brak analityki – zaledwie 11,5% przedsiębiorstw w Polsce formalnie mierzy zwrot z inwestycji (ROI) w technologię AI.

W badaniu wzięło udział 1126 osób odpowiedzialnych za decyzje dotyczące IT i AI w firmach zatrudniających ponad 100 pracowników, a jego wyniki odniesiono do globalnego Microsoft Work Trend Index, pokazującego kierunek zmian w wykorzystaniu AI w biznesie na świecie.

AI weszła do codziennego obiegu pracy

Adaptacja generatywnej sztucznej inteligencji w polskich firmach jest już bardzo szeroka: korzysta z niej 94,1% badanych decydentów, a 51,1% sięga po nią codziennie lub częściej. Oznacza to, że etap edukacji od zera mamy w dużej mierze za sobą. AI nie jest już ciekawostką ani narzędziem zarezerwowanym wyłącznie dla zespołów technologicznych, lecz stała się elementem codziennej pracy. Szeroka adaptacja nie jest jednak równoznaczna z dojrzałością: tylko 10,3% firm łączy wysoką gotowość pracowników z wysoką gotowością organizacji.

Polska ma za sobą pierwszy etap zmiany technologicznej. AI weszła do codziennej pracy szybciej niż jakakolwiek wcześniejsza technologia. Korzysta z niej dziś 94 proc. decydentów, a pod względem upowszechnienia generatywnej AI jesteśmy w światowej czołówce, na poziomie Niemiec. To bardzo dobry punkt wyjścia. Nie jest to jednak jeszcze przewaga – powiedziała Iwona Szylar, dyrektor generalna Microsoft w Polsce. Poza nielicznymi wyjątkami polskie firmy są dziś na etapie wdrażania narzędzi, a nie zmiany modelu operacyjnego. Co odróżnia firmy, które są już dalej? Raport, a także moje rozmowy z liderami polskiego biznesu, wskazują jedno: nie decyduje wielkość, budżet ani dokument strategii. Różnicę robi przywództwo, które jest widoczne i konsekwentne. W najbardziej dojrzałych firmach zarząd aktywnie angażuje się w AI, zamiast pozostawiać to tylko działowi IT. Sam z niej korzysta na oczach zespołów, nadaje kierunek i rozlicza z efektów.

Iwona Szylar, dyrektor generalna Microsoft w Polsce

Pracownicy są gotowi szybciej niż organizacje

Jednym z kluczowych wniosków płynących z badania jest zróżnicowane tempo dojrzewania firm do wykorzystania AI. Raport wyróżnia pięć stref gotowości, określonych na podstawie dwóch wymiarów: gotowości pracowników oraz gotowości organizacji. Największą grupę stanowią firmy znajdujące w drodze do dojrzałości (42,3%). Do strefy najwyższej gotowości, łączącej wysoką gotowość ludzi i organizacji, należy 10,3% firm. Kolejne grupy to organizacje z niewykorzystanym potencjałem pracowników (19,5%), firmy o niskiej gotowości ludzi i organizacji (18,2%) oraz firmy, w których występuje zablokowana sprawczość, czyli gotowi pracownicy są ograniczani przez warunki organizacyjne (9,7%).

Tylko 10,3% firm znalazło się w grupie firm dojrzałych, czyli organizacji, które nie ograniczają się do pojedynczych eksperymentów z AI, ale potrafią łączyć umiejętności ludzi, dostęp do technologii, dane, procesy i sposób zarządzania w jeden spójny model pracy. W ujęciu Microsoft Work Trend Index to właśnie takie firmy zaczynają wyznaczać kolejny etap transformacji: przechodzą od używania AI przez pojedyncze osoby do budowania organizacji, w których sztuczna inteligencja realnie wzmacnia zespoły, decyzje i tempo działania. Globalnie do tej grupy należy 16% firm, co pokazuje, że Polska podąża tym samym kierunkiem, ale wciąż ma przestrzeń, by szybciej przekładać indywidualne doświadczenia pracowników na zmianę obejmującą całą organizację.

Liderzy nadają tempo transformacji z AI

Badanie pokazuje jednocześnie, że o dojrzałości nie przesądza samo posiadanie dokumentu strategicznego ani wielkość organizacji. Największą różnicę widać w postawie liderów: widoczne wsparcie zarządu deklaruje 75% firm o najwyższej gotowości i 24,4% firm o niskiej gotowości ludzi i organizacji. Dojrzałe firmy częściej prowadzą również szerokie lub strategiczne wdrożenia AI (50,9% wobec 34,1%), zwiększają budżet na tę technologię rok do roku (50% wobec 37,1%) oraz formalnie mierzą zwrot z inwestycji za pomocą konkretnych wskaźników (16,4% wobec 5,9%). Tymczasem spisaną strategię AI ma odpowiednio 14,7% i 16,1% firm, więc sam dokument nie różnicuje istotnie obu grup. Również skala organizacji nie determinuje gotowości: do strefy najwyższej gotowości trafia 11,7% firm zatrudniających 100–249 osób oraz 9,2% organizacji z przedziału 1001–5000 pracowników. Najbardziej dojrzałe firmy odróżnia zatem nie formalna deklaracja, lecz konsekwentne przełożenie wsparcia zarządu na skalę wdrożeń, budżet i mierzenie efektów.

Bez pomiaru trudno przejść od pilotażu do skali

Dla wielu organizacji największym wyzwaniem nie jest już dostęp do technologii AI, ale umiejętność pokazania, jakie rezultaty przynosi ona biznesowi. Według badania, tylko 11,5% polskich firm formalnie mierzy zwrot z inwestycji w AI, 57,3% nie mierzy go wcale lub nie ma metodologii, a 38 proc. wskazuje na trudności w tym obszarze. To jedna z głównych barier na drodze organizacji do grona firm dojrzałych, bo bez takiego pomiaru trudno zdecydować, które rozwiązania warto skalować, a które pozostają jedynie ciekawym eksperymentem.

Na ten sam mechanizm zwraca uwagę Microsoft Work Trend Index: produktywność na poziomie pojedynczych pracowników nie zmienia automatycznie całej organizacji, jeśli nie towarzyszą jej nowe procesy, metryki i sposób zarządzania. Kolejnym etapem adaptacji AI w Polsce powinno być nie samo testowanie narzędzi, ale umiejętność pokazania, co realnie zmieniły w wynikach firmy.

To moim zdaniem jeden z większych problemów przy skalowaniu AI. Metryka powinna pojawić się na początku projektu, nie po jego wdrożeniu. W praktyce warto wcześnie odpowiedzieć na kilka prostych pytań: kto jest właścicielem procesu, co konkretnie chcemy poprawić, jak zmierzymy efekt, skąd bierzemy dane, kto akceptuje wynik i co robimy, kiedy model popełni błąd. Właśnie te pytania bardzo szybko pokazują różnicę między use case’em, który dobrze wygląda na prezentacji a rozwiązaniem, które naprawdę ma szansę wejść na produkcję – powiedział Karol Tajduś, chief AI Officer i dyrektor Departamentu Transformacji AI w Banku Pekao S.A.