Ingram Connect 2026: Od dyskietek po roje agentów AI

Zmiana paradygmatu technologicznego wymusza głęboką re-architekturę środowisk IT w sektorze enterprise. Tradycyjne modele AI ustępują miejsca autonomicznym systemom wieloagentowym, co generuje wyzwania z zakresu optymalizacji kosztów (tokenomii), ryzyka Shadow AI i suwerenności danych. O tym nowym krajobrazie sprzętowym B2B dyskutowali eksperci na konferencji Ingram Connect 2026, która miała miejsce 5 listopada na warszawskim Stadionie Legii.
Czy tego chcemy czy nie, sektor B2B oraz organizacje enterprise wkroczyły w fazę zaawansowanej re-architektury procesów cyfrowych. Przykładowo: dotychczasowy model interakcji z AI, oparty na zapytaniach, jest wypierany przez systemy wieloagentowe. To autonomiczne roje, które bez ingerencji człowieka komunikują się ze sobą, generują kod, analizują potężne zbiory danych i realizują operacje biznesowe. Podejście to diametralnie zmienia ekonomikę utrzymania i zarządzania współczesną infrastrukturą IT.
Ta rosnąca złożoność systemów stawia przed zarządami konkretne wyzwania operacyjne. Kluczowe staje się zapanowanie nad kosztami tokenomii oraz optymalne rozłożenie obciążeń między chmurą a lokalnymi urządzeniami AI PC. Równie istotne jest ograniczanie zjawiska Shadow AI i unikanie tzw. pułapki bezrefleksyjnego nadzoru nad botami. Konsekwencje tych zmian dla rynku dystrybucji oraz samej roli integratorów IT stanowiły oś dyskusji podczas konferencji zorganizowanego przez Ingram Micro.

Balansowanie kosztów tokenów i suwerenności danych
Przełom technologiczny związany z generatywną sztuczną inteligencją przyniósł wyzwania finansowe i architektoniczne, których większość organizacji nie przewidziała na etapie wstępnych pilotaży. Pierwotna fascynacja chmurą publiczną ustępuje miejsca chłodnej kalkulacji kosztów oraz dbałości o suwerenność cyfrową.
Ekonomia tokenów i „rachunki grozy”
Gwałtowny wzrost wykorzystania interfejsów programistycznych (API) dostawców chmurowych ujawnił niebezpieczeństwa związane z niestabilnością budżetową. Jak zauważył Sergei Dmitriev (Head of Distribution, Commercial Device Solution Sales, CEMA Region w firmie Microsoft), choć jednostkowy koszt tokena spadł w ostatnich latach kilkadziesiąt, a nawet kilkusetkrotnie, całkowita konsumpcja mocy obliczeniowej rośnie w tempie wykładniczym. W efekcie ponad połowa projektów wdrażania AI w przedsiębiorstwach nie osiąga zakładanych celów finansowych ze względu na nieprzewidziane wydatki operacyjne.

Sergei Dmitriev (Head of Distribution, Commercial Device Solution Sales, CEMA Region w firmie Microsoft)
Problem ten staje się szczególnie palący w zespołach inżynieryjnych. Podczas debaty poświęconej infrastrukturze sprzętowej Michał Stochmal (Channel Sales Manager CEE w AMD) przytoczył przypadek programisty pracującego w centrum badawczo-rozwojowym, który w ciągu zaledwie jednego dnia generowania kodu potrafił wygenerować rachunek sięgający 10 000 dolarów z tytułu zużycia tokenów w chmurze publicznej. Dla przedsiębiorstw z sektora małych i średnich firm oraz rynku średniego (SMB/Mid-Market) tego typu niekontrolowane przepływy finansowe stanowią ryzyko operacyjne nie do zaakceptowania, wymuszając powrót do dokładnego planowania budżetowego.

Michał Stochmal (Channel Sales Manager CEE w AMD)
Reorientacja sprzętowa – Rola AI PC i układów NPU
Odpowiedzią na rosnące koszty chmury jest zmiana paradygmatu w projektowaniu i wykorzystaniu urządzeń końcowych. Komputer osobisty przestaje być jedynie biernym terminalem do wyświetlania aplikacji biurowych, a staje się lokalnym mikro-centrum danych dedykowanym zadaniom AI. Dmitriev podkreślił, że podstawą tej zmiany jest powszechne wdrażanie dedykowanych jednostek przetwarzania neuronowego (NPU). Urządzenia klasy Copilot+ PC pozwalają na bezkosztowe i bezpieczne uruchamianie małych modeli językowych (SLM) bezpośrednio na maszynie pracownika.
Z perspektywy ekonomii przedsiębiorstwa przeniesienie podstawowych zadań – takich jak podsumowywanie lokalnych dokumentów, przeszukiwanie poczty e-mail, transkrypcja mowy czy automatyczne tłumaczenie – na poziom lokalnego procesora NPU pozwala na pełną amortyzację kosztu zakupu komputera w okresie krótszym niż jeden rok. Mimo tych korzyści, tempo wdrażania komputerów klasy Copilot+ PC w Polsce pozostaje wyraźnie niższe niż w Europie Zachodniej i Północnej. Podczas gdy w krajach nordyckich i Beneluksu komputery wyposażone w układy NPU (szeroko rozumiane AI PC) stanowią już blisko jedną trzecią nowej sprzedaży, polski rynek – znacznie bardziej wrażliwy cenowo – wciąż dominują tradycyjne konfiguracje. Biorąc pod uwagę wieloletni cykl wymiany sprzętu w polskich firmach i gospodarstwach domowych, zdecydowana większość aktywnych obecnie komputerów w kraju jest całkowicie pozbawiona sprzętowego wsparcia dla lokalnego przetwarzania algorytmów AI.

Case study Revolut i lokalne modele otwartowagowe
Problem suwerenności danych oraz optymalizacji kosztowej skłania wiodące podmioty rynkowe do drastycznych zwrotów strategicznych. Piotr Konieczny, założyciel serwisu Niebezpiecznik.pl, przytoczył przypadek fińsko-brytyjskiego giganta fintechowego Revolut. Firma ta podjęła decyzję o całkowitym anulowaniu płatnych subskrypcji u komercyjnych dostawców chmurowych modeli amerykańskich (takich jak OpenAI czy Anthropic) na rzecz lokalnego hostowania chińskich modeli otwartowagowych.

Piotr Konieczny, Niebezpiecznik.pl
Jak się okazuje, decyzja ta przyniosła dziesięciokrotną redukcję kosztów operacyjnych przy zachowaniu identycznej jakości wykonania zadań programistycznych i analitycznych. Jak zauważył Marcin Madey (Country Manager Poland w SUSE), modele otwartowagowe hostowane na własnych serwerach GPU lub stacjach roboczych gwarantują pełną kontrolę nad przepływem informacji i eliminują ryzyko wycieku tajemnic przedsiębiorstwa do podmiotów zewnętrznych.

Marcin Madey (Country Manager Poland w SUSE)
Chmura jako laboratorium i przestrzeń dla modeli skrajnych
Przejście na model hybrydowy nie oznacza jednak całkowitego porzucenia infrastruktury chmurowej. Eksperci zgodnie wskazują, że chmura publiczna pozostaje niezastąpiona w dwóch kluczowych obszarach: podczas wstępnych pilotaży oraz przy przetwarzaniu zaawansowanych modeli skrajnych (frontier models) na wielkich zbiorach danych.
Przedsiębiorstwa wypracowują wielopoziomowy podział obciążeń obliczeniowych, dopasowany do skali operacji i wrażliwości przetwarzanych informacji, które przedstawia poniższa tabela:
| Model Chmurowy (Public Cloud / Frontier Models) | Model Hybrydowy (Cloud + On-Premise / AI PC) | Model Lokalny (On-Premise / AI PC) | |
| Profil zastosowań | Wieloagentowe syntezy, skomplikowane badania analityczne, eksperymenty na wielkich zbiorach danych. | Elastyczne delegowanie zadań: złożona analityka w chmurze, powtarzalne procesy lokalnie. | Przetwarzanie poufnych dokumentów firmowych, zadania powtarzalne wspierane bezpośrednio przez NPU. |
| Struktura kosztów | Opłaty subskrypcyjne i API (OPEX); ryzyko niekontrolowanego wzrostu przy systemach agentowych. | Optymalizacja OPEX poprzez przeniesienie części bazowych obciążeń na własną infrastrukturę sprzętową (CAPEX). | Jednorazowa inwestycja sprzętowa (CAPEX); brak opłat za tokeny w procesie bieżącej pracy operacyjnej. |
| Suwerenność danych | Dane przesyłane do zewnętrznych dostawców; wyższe ryzyko regulacyjne i compliance. | Kategoryzacja danych: krytyczne zasoby przetwarzane lokalnie, zanonimizowane kierowane do chmury publicznej. | Dane nie opuszczają urządzenia lub lokalnego serwera; pełna kontrola, możliwa środowiskowa izolacja air-gapped. |
| Wydajność operacyjna | W pełni zależna od stabilności łącza, przepustowości i opóźnień serwerowych. | Zbalansowana; mniejsze opóźnienia dla procesów delegowanych do warstwy brzegowej (edge/lokalnej). | Praca w czasie rzeczywistym bez opóźnień sieciowych; możliwa praca w trybie całkowicie offline. |
Przełom produktywności a ryzyko pętli obliczeniowych
Współczesne IT przechodzi od etapu czatowania z pojedynczym modelem językowym do budowania złożonych systemów agentowych i multi-agentowych (rojów agentów). Agent AI różni się od standardowego bota tym, że posiada zdefiniowany cel, reguły biznesowe, dostęp do zewnętrznych narzędzi (API, bazy danych, terminal) oraz pamięć pozwalającą na autonomiczne podejmowanie decyzji w pętli wykonawczej.
Architektura multi-agentowa i przełom w wydajności
Petros Psyllos, przedsiębiorca i twórca rozwiązań AI, zaprezentował ewolucję pracy programistycznej i procesowej, w której zarządzanie ludźmi ustępuje miejsca kierowaniu cyfrową armią agentów. Przytoczone przez niego badania rynkowe IDC wskazują, że o ile w 2025 roku na świecie wykorzystywano około 25 milionów cyfrowych agentów, o tyle w ciągu najbliższych kilku lat liczba ta przekroczy 1 miliard operacyjnych agentów AI.

Petros Psyllos
W praktyce inżynieryjnej pozwala to na drastyczne zmniejszenie zespołów ludzkich przy jednoczesnym zwielokrotnieniu ich skali działania. Projekt oprogramowania, który jeszcze dwa lata temu wymagał zaangażowania zespołu 15–20 programistów, obecnie realizowany jest przez 2–3 inżynierów pełniących rolę architektów i nadzorców dla wyspecjalizowanych agentów pracujących w środowiskach terminalowych (takich jak Claude Code, Codex czy zaawansowane rozwiązania typu Hermes).
Wyniki biznesowe InPostu – skalowanie tokenów a wzrost EBITDA
Najbardziej wyrazistym dowodem na opłacalność inwestycji w zaawansowaną agenturę cyfrową są wyniki przedstawione przez Rafała Brzoskę, prezesa InPostu, w materiale wideo zaprezentowanym podczas prelekcji Petrosa Psyllosa. Organizacja ta przeprowadziła pełne wdrożenie narzędzia Claude Code w środowisku terminalowym dla ponad 2200 pracowników.
W ciągu kwartału na 2200 licencji, które mamy wykupione, przepalamy 800 000 dolarów w tokenach Claude Code’owych. To jest dużo, więcej niż założyliśmy w budżecie. Dlaczego? Dlatego, że jakość pracy, poziom edukacji i poziom wydajności naszych ludzi rośnie nieprawdopodobnie. (…) Tylko w tym roku szacujemy, że to da nam 70 milionów euro czystej EBITDA ekstra. Więc jak popatrzymy na koszty typu 800 000 dolarów kwartalnie versus uzyskane korzyści, to one są nieprawdopodobne. – zacytował Brzoskę Psyllos.

Przykłady wdrożeń w spółce InPost obejmują nie tylko pracę działów IT, ale również optymalizację tras przez brygadzistów czy automatyzację procedur antyfraudowych w dziale finansowym. Pokazuje to, że wysokie budżety tokenowe, jeśli są ukierunkowane na kluczowe wskaźniki efektywności, generują stopę zwrotu niedostępną dla tradycyjnych metod optymalizacji procesowej.
Multiplikacja tokenów i ryzyko zapętlenia agentów
Mimo spektakularnych sukcesów, architektury multi-agentowe niosą ze sobą poważne wyzwania techniczne i finansowe. Łukasz Rosa (Channel & Partner Ecosystem Manager w HPE) zwrócił uwagę na to, że wykonanie zadania przez autonomiczną strukturę multi-agentową zużywa od 13 do 15 razy więcej tokenów niż pojedyncze zapytanie skierowane do modelu LLM. wynika to z faktu, że agenci pracują w ciągłej pętli decyzyjnej, weryfikując wyniki swoich działań i komunikując się między sobą. Może to w efekcie spowodować zapętlenie, które będąc niewychwyconym, jest w stanie przepalić nam mnóstwo tokenów.

Łukasz Rosa (Channel & Partner Ecosystem Manager w HPE)
Psyllos podzielił się doświadczeniem z eksploatacji własnego zestawu agentów, w którym agent o nazwie „Genowefa”, usytuowany w dolnych strukturach hierarchii zarządczej, odmówił wykonania powierzonego zadania. Agent nie zgłosił błędu do przełożonego, lecz utknął w pętli wykonawczej, bezużytecznie przepalając budżet tokenowy bez generowania jakichkolwiek wyników. Sytuacje tego typu wymuszają stosowanie ścisłej kontroli budżetowej oraz wdrażanie bezpieczników programistycznych.
Wektor ataków agentowych w cyberbezpieczeństwie
Piotr Konieczny zwrócił uwagę, że autonomiczne roje agentów stały się też potężnym narzędziem w rękach cyberprzestępców. Prelegent zaprezentował przypadek skomplikowanego, wieloetapowego ataku hakerskiego przepłaconego kwotą 300 000 złotych w tokenach, w którym za koordynację łańcucha podatności i automatyczne wyciąganie wniosków odpowiadał rój agentów oparty na modelu SOL od OpenAI. Obrona przed tak skoordynowanym atakiem wymagała zdjęcia zabezpieczeń z modeli i pochłonęła ponad 1,5 miliona złotych. Pokazuje to, że wojna w cyberprzestrzeni naprawdę przenosi się na poziom starć autonomicznych algorytmów.
Najsłabsze ogniwo w architekturze Zero Trust
Wdrożenie sztucznej inteligencji w przedsiębiorstwie bez odpowiednio wypracowanych ram zarządczych (governance) wprowadza krytyczne podatności w systemach ochrony informacji. Największym zagrożeniem dla bezpieczeństwa organizacji nie są wyrafinowane złośliwe oprogramowania, lecz ludzka natura i powszechne zjawisko „Shadow AI”.

Człowiek i lenistwo jako źródło wycieków danych
Konieczny przedstawił niepokojące dane z raportu bezpieczeństwa ESET, z których wynika, że aż 10% pracowników otwarcie przyznaje się do regularnego wprowadzania poufnych danych firmowych do publicznych, nieautoryzowanych narzędzi AI. Głównym motywem takiego działania jest chęć przyspieszenia wykonywania codziennych obowiązków oraz wygoda.
10% pracowników przyznaje się otwarcie, że wrzuca wszystkie dane firmowe do rozwiązań AI-owych, które są nieautoryzowane i chociaż wiedzą, że tego nie powinni robić, to robią, bo im to ułatwia pracę. Lenistwo wygrywa.
Próby wprowadzania kategorycznych zakazów używania AI w firmach kończą się niepowodzeniem. Z danych wynika, że choć 42% pracowników zaakceptowałoby taki zakaz, to większość podjęłaby aktywne próby jego obejścia – od pisania petycji do zarządu, po prywatne przesyłanie plików na smartfony w celu przetworzenia ich przez zewnętrzne boty. Zakazy tworzą jedynie podziemną strefę naruszeń bezpieczeństwa.
AI jako akcelerator organizacyjnego chaosu
Eksperci ds. bezpieczeństwa kategorycznie przestrzegają przed traktowaniem sztucznej inteligencji jako remedium na słabości organizacyjne. Grzegorz Dobrowolski (CTO Director Solution Engineering w Cisco) sformułował kluczową tezę dotyczącą wdrażania nowych technologii w nieuporządkowanym środowisku procesowym.
AI jest akceleratorem tego, co mamy. Jeżeli mamy bałagan w politykach, jeżeli mamy bałagan w bezpieczeństwie, w uwierzytelnieniu, generalnie, jeżeli nie mamy tego dobrze poukładanego, to AI tylko to wzmocni. Czyli im większy bałagan mamy, tym większym bałaganem się skończy.

Grzegorz Dobrowolski (CTO Director Solution Engineering w Cisco)
Problem ten uwidacznia się przy masowych wdrożeniach narzędzi AI. Michał Jarski (Director Nordics & Eastern Europe w Forcepoint) przytoczył przykład, w którym wdrożenie takiego rozwiązania w jednej z firm doprowadziło do natychmiastowego wycieku wrażliwych danych dokumentów kadrowych (HR). AI zindeksowało pliki, do których dostęp nie został poprawnie sklasyfikowany i zablokowany na poziomie uprawnień systemu plików SharePoint. W efekcie pracownicy nieuprawnieni, zadając proste pytania botowi, uzyskiwali wgląd w listy płac oraz planowane redukcje zatrudnienia.
Finansowe koszty incydentów i skrócony czas ataku
Zjawisko niekontrolowanego Shadow AI niesie za sobą bezpośrednie koszty finansowe. Marcin Madey z SUSE przywołał globalny raport IBM dotyczący kosztów wycieku danych. Z badań wynika, że nieautoryzowane użycie AI odpowiada już za 20% wszystkich incydentów bezpieczeństwa w firmach, podnosząc średni koszt pojedynczego wycieku o 670 000 dolarów. Jednocześnie wykorzystanie narzędzi AI przez grupy przestępcze skróciło średni czas skutecznego przełamania zabezpieczeń organizacji z ponad 90 minut do zaledwie 29 minut.
Z drugiej strony, właściwe wdrożenie lokalnych narzędzi wspomagających obronę przynosi realne oszczędności. Według tych samych badań IBM, przedsiębiorstwa dysponujące zautomatyzowanymi systemami bezpieczeństwa hostowanymi lokalnie obniżyły średni koszt incydentu z 5,5 miliona dolarów do 3,5 miliona dolarów, co w pełni uzasadnia nakłady na budowę własnej infrastruktury ochronnej.

Model Cyberodporności (4W)
W rozmów toczonych na scenie podczas Ingram Connect 2026 wyłoniła się bardzo ważna zasada – budowa skutecznego systemu ochrony infrastruktury IT i procesów agentowych wymaga zintegrowanego podejścia operacyjnego, którego fundamenty to:
- Widzialność (Visibility): Zapewnienie pełnego wglądu w obciążenia systemowe, przepływy danych oraz nieautoryzowane aplikacje używane przez pracowników (eliminacja Shadow AI).
- Wykrywalność (Detection): Identyfikacja anomalii w czasie rzeczywistym, próby prompt injection oraz wykrywanie nieuprawnionych prób ekstrakcji bazy wiedzy.
- Wymuszalność (Enforcement): Wdrażanie mikrosegmentacji sieciowej, rozwiązań DLP dostosowanych do specyfiki LLM oraz ścisła reglamentacja dostępu do kluczy API.
- Weryfikowalność (Verification): Ciągły audyt uprawnień, stanu modeli i zachowań agentów AI w trybie nienaruszającym ciągłości biznesu.
Michał Jarski sformułował prostą regułę zarządczą dotyczącą autonomii agentów: decyzje odwracalne (np. wstępna klasyfikacja zgłoszenia) mogą być delegowane do algorytmów AI, natomiast wszelkie decyzje nieodwracalne (np. zmiana uprawnień, zewnętrzna wysyłka danych, zatwierdzenie przelewu) muszą bezwzględnie wymagać autoryzacji ze strony człowieka w myśl podejścia Human-in-the-Loop.

Po prawej Michał Jarski (Director Nordics & Eastern Europe w Forcepoint)
Rola człowieka, zmiana kompetencji i ryzyko utraty myślenia krytycznego
Postępująca automatyzacja procesów IT stawia pytania o nową rolę człowieka w ekosystemie technologicznym oraz ewolucję rynku pracy. Zmienia się zarówno charakterystyka pracy inżynierów, jak i model biznesowy partnerów handlowych dostarczających rozwiązania IT.
Paradygmat mistrzostwa i odporność psychiczna człowieka
Otwierający konferencję Robert Korzeniowski, czterokrotny mistrz olimpijski, w swoim Power Speechu przedstawił poruszającą analogię między sportem wyczynowym a światem nowoczesnych technologii. Przekonywał, że bez względu na stopień zaawansowania algorytmów i analityki sportowej, u podstaw i na końcu każdego sukcesu stoi człowiek, jego emocje oraz odporność psychiczna.
Na początku i na końcu jest człowiek i to ja zadaję zadania maszynie, ja zadaję zadania technologii, wykorzystuję te technologie, i ja jestem centrum.
Korzeniowski posłużył się metaforą relacji Jody i Luka Skywalkera ze Star Wars. Młody inżynier lub menedżer uczy się władać technologicznym „super-mieczem”, lecz to doświadczony lider (Joda) wyznacza misję i sens wykorzystania tych narzędzi. Technologia i dane (takie jak analiza tętna sięgającego 200 uderzeń na minutę czy czujniki w butach lekkoatletycznych) są jedynie narzędziami pozwalającymi na przekraczanie granic niemożliwego, lecz to człowiek podejmuje ostateczną decyzję taktyczną pod presją.

Robert Korzeniowski
„Efekt Charlie Chaplina” i ryzyko bierności intelektualnej
Zwolennicy automatyzacji akcentują wzrost wydajności, lecz eksperci zwracają uwagę na ciemną stronę bezrefleksyjnego korzystania z bazy wiedzy botów. Grzegorz Dobrowolski wyraził głęboką obawę, że stały dostęp do gotowych odpowiedzi pozbawia ludzi umiejętności krytycznego myślenia oraz wyciągania samodzielnych wniosków.
Marcin Madey poparł tę analizę niepokojącymi danymi demograficznymi i społecznymi. Powołując się na globalne badania mierzące wskaźniki inteligencji, wskazał, że po raz pierwszy od czasów II wojny światowej średni poziom IQ w populacji przestał rosnąć około 2015 roku i wszedł w fazę spadkową, co mogło zbiec się z masową adaptacją smartfonów i wyszukiwarek internetowych.
Średnia inteligencja na świecie rosła aż do 2014 czy 2015 roku, odkąd zaczęła spadać. Jest to równia pochyła. A AI niestety mam wrażenie, że to pogłębi (…) ludzie przestali myśleć samodzielnie, przestali szukać samodzielnie odpowiedzi.

Madey porównał współczesnego pracownika biurowego do postaci odgrywanej przez Charliego Chaplina w filmie pt. „Dzisiejsze czasy”. Przykręcając bezmyślnie śrubki na taśmie produkcyjnej, pracownik zatwierdza w ciemno kolejne propozycje podawane przez bota. Ponieważ trafność modeli sięga 99%, człowiek traci czujność i automatycznie akceptuje również ten 1% błędnych, niebezpiecznych lub zmanipulowanych danych, wyłączając własny osąd zarządczy. Nie jest to zresztą zjawisko szczególnie nowe czy marginalne – dostało już nawet swoją konkretną nazwę, która brzmi Automation Bias.
Znikające stanowiska juniorskie – kryzys sukcesji kadr
Kolejnym strukturalnym problemem rynku pracy jest masowa likwidacja stanowisk dla początkujących pracowników (juniorów). Skoro agenci AI wykonują prace programistyczne, analityczne i edytorskie szybciej i taniej niż młodzi adepci zawodu, firmy rezygnują z ich zatrudniania.
Michał Jarski zadał w związku z tym kluczowe pytanie o przyszłość branży: jeśli dzisiaj wyeliminujemy ze struktury organizacji stanowiska juniorskie i zamkniemy proces uczenia się nowych ludzi na prostych zadaniach, to skąd za pięć lat pozyskamy doświadczonych seniorów i architektów systemowych, zdolnych do nadzorowania i weryfikacji pracy samych agentów AI? Przerwanie sztafety pokoleniowej tworzy lukę kompetencyjną, która może sparaliżować rozwój IT w długiej perspektywie.

Ewolucja roli integratorów IT
Co ważne, zmiany technologiczne wymuszają głęboką reorientację całego kanału partnerskiego i dystrybucyjnego IT. Paweł Miszkiewicz (Dyrektor Sprzedaży Kanału Partnerskiego w HP Inc Polska), Dariusz Okrasa (Senior Channel Sales Manager Poland w Dell Technologies) oraz Łukasz Rosa (Channel & Partner Ecosystem Manager w HPE) zgodnie zadeklarowali koniec ery prostej sprzedaży „blachy” i licencji.

Dariusz Okrasa (Senior Channel Sales Manager Poland w Dell Technologies)
Dotychczasowe rozmowy handlowe ograniczały się do dyskusji z działami zakupów o liczbie gigabajtów, przekątnej ekranu i cenie jednostkowej. W erze AI partner handlowy musi stać się doradcą biznesowym. Wymaga to „resetu kompetencji” i wyjścia poza działy IT – do dyrektorów logistyki, produkcji, marketingu oraz kadr. Dopiero zrozumienie rzeczywistego przepływu dokumentów i wąskich gardeł w danej organizacji pozwala na zaprojektowanie właściwego miksu sprzętowego (AI PC, serwery lokalne, tokeny w chmurze) i dostarczenie wartości biznesowej.

Po prawej Paweł Miszkiewicz (Dyrektor Sprzedaży Kanału Partnerskiego w HP Inc Polska)
Mierzalne ROI, ergonomia i sens wdrożeń
Podczas Ingram Connect 2026 mówiło się też sporo o praktycznej weryfikacji sensu inwestycji w technologie biurowe i operacyjne. Każdy zakup sprzętu – od zaawansowanego serwera GPU, przez komputery osobiste, po urządzenia peryferyjne i terminale magazynowe – musi być oceniany przez pryzmat całkowitego kosztu posiadania (TCO) oraz mierzalnych wskaźników ROI.
Całkowity koszt posiadania i koszty ukryte
Artur Kurasiński, przedsiębiorca i publicysta technologiczny, w swojej prelekcji poddał druzgocącej krytyce nawyk kupowania sprzętu najtańszego lub pod wpływem chwilowej fascynacji rynkowej. Przedsiębiorstwa rzadko analizują koszty ukryte wynikające z drobnych tarć procesowych, nieintuicyjnego interfejsu czy braku kompatybilności systemowej.
Odzyskanie dziesięciu minut dziennie na osobę (…) przy 40 osobach to jest 220 dni w roku, to jest 1467 godzin (…). Koszt urządzenia ujawnia się dopiero po jego zakupie. Kiedy z niego korzystamy, kiedy widzimy jak z niego korzystają pracownicy.
Kurasiński zaprezentował prostą kalkulację biznesową: zastąpienie tradycyjnego, powtarzalnego procesu ręcznego logowania do kilkunastu systemów bankowych i skarbowych klawiaturą z czytnikiem biometrycznym pozwoliło na skrócenie czasu pracy o 45 minut miesięcznie. W skali średniej firmy roczne straty wynikające z sekundy niepotrzebnego klikania rosną do dziesiątek tysięcy złotych, co sprawia, że pozorna oszczędność na etapie zakupu tańszego urządzenia staje się czystą stratą operacyjną.

Artur Kurasiński
Testy i akceptacja pracowników
W sektorze operacyjnym, logistyce i handlu retail nie ma miejsca na intuicyjne decyzje zakupowe. Jacek Żurowski (Regional Sales Director CEE w Zebra Technologies) podkreślił, że szefowie operacji to jedni z najbardziej twardo stąpających po ziemi menedżerów, weryfikujący każdą inwestycję arkuszem Excel i wskaźnikami KPI. Opisał przypadek, w którym zaawansowane wdrożenie nowych terminali mobilnych w sieci handlowej zakończyłoby się porażką, gdyby nie faza pilotażowa. Wykazano w niej, że różnica kilkudziesięciu gramów w wadze urządzenia wywoływała zmęczenie fizyczne u pracownic kompletujących zamówienia. Dopiero zmiana specyfikacji na lżejszy model i optymalizacja sieci Wi-Fi w magazynie pozwoliły na osiągnięcie zakładanych wskaźników wydajnościowych.

Jacek Żurowski (Regional Sales Director CEE w Zebra Technologies)
Ergonomia biurka i dobrze pojęty well-being
Istotnym aspektem produktywności biurowej jest ergonomia stanowiska pracy, stanowiąca fundament zdrowia pracowników i redukcji absencji chorobowych. Jacek Kalczyński (B2B Country Lead Poland w Logitech) przedstawił szokujące dane dotyczące pracy przy biurku: przeciętny pracownik biurowy pokonuje kursorem myszy po ekranie średnio 24 kilometry rocznie. Stosowanie tradycyjnych myszy wymusza nienaturalne skręcenie przedramienia, prowadząc do zespołu cieśni nadgarstka i problemów z kręgosłupem. Wdrożenie urządzeń o profilu wertykalnym przywraca naturalne ułożenie dłoni, redukując napięcie mięśniowe.

Jacek Kalczyński (B2B Country Lead Poland w Logitech)
Równie krytyczną rolę w pracy hybrydowej odgrywa jakość audio. Tomasz Miller (Director CEE, Ukraine & CIS w Jabra) wskazał, że w komunikacji zdalnej jakość dźwięku jest ważniejsza od obrazu wideo. Problemy z rwanym dźwiękiem, pogłosem w przeszklonych salach konferencyjnych czy brakiem redukcji hałasu otoczenia powodują szybkie zmęczenie poznawcze. Mózg człowieka zmuszony do łatania ubytków w przekazie audio zużywa znacznie więcej energii, co drastycznie obniża efektywność spotkania biznesowego i pogarsza samopoczucie pracowników pod koniec dnia pracy.

Tomasz Miller (Director CEE, Ukraine & CIS w Jabra)
Podsumowanie
Wniosków płynących z konferencji Ingram Connect 2026 jest wiele, ale wszystkie wyznaczają wyraźny kierunek zmian dla całego sektora B2B. Standardem w środowiskach enterprise staje się architektura hybrydowa, wymuszona koniecznością odzyskania kontroli nad kosztami oraz suwerennością danych. Organizacje zaczynają precyzyjnie dzielić obciążenia obliczeniowe: krytyczne informacje i rutynowe zapytania trafiają lokalnie na układy NPU w komputerach AI PC oraz serwery firmowe (on-premise), podczas gdy chmura publiczna pozostaje zarezerwowana dla najtrudniejszych zadań analitycznych i treningowych. Równolegle dojrzewa podejście do cyberbezpieczeństwa – zamiast naiwnego, powierzchownego nadzoru nad sztuczną inteligencją, firmy muszą wdrożyć formalną, inżynierską segregację uprawnień. Oznacza to jasne oddzielenie zadań odwracalnych od decyzji nieodwracalnych, wymagających bezwzględnej akceptacji człowieka oraz skuteczne wyeliminowanie zjawiska Shadow AI.
Ta technologiczna przebudowa wymusza również głęboki reset kompetencji w kanale partnerskim. Tradycyjny model oparty na prostej sprzedaży sprzętu i licencji wyłącznie do działów IT definitywnie się wyczerpał. Dzisiejszy sukces resellerów i integratorów zależy od wyjścia poza piony informatyczne i rozpoczęcia dialogu bezpośrednio z dyrektorami logistyki, produkcji czy kadr. Dopiero zdiagnozowanie faktycznych wąskich gardeł w przepływie pracy pozwala partnerowi zaprojektować odpowiedni miks technologiczny – łączący komputery AI PC, serwery lokalne i budżety tokenowe w chmurze – który dostarczy klientowi mierzalne ROI.
Skalę tej transformacji najlepiej oddaje perspektywa liderów rynku dystrybucyjnego, którzy obserwowali ewolucję branży od jej początków. Zamykając wydarzenie, Jacek Jędraszka, Dyrektor Zarządzający Ingram Micro, zwrócił uwagę na tempo, w jakim sektor IT przeszedł od podstawowej infrastruktury do zaawansowanych systemów kognitywnych:
Na początku biznesu dystrybucyjnego w branży IT mówiło się, że jak ktoś przyniósł w plecaku dyskietki, to był gość. Potem pojawiły się laptopy, Wi-Fi, pendrive’y. A my dzisiaj z tej sceny mówimy o rojach agentów, tokenomii, ekonomii zliczania tokenów za prompty czy konsylium agentów. Gdyby wtedy ktoś wyszedł i zaczął o tym opowiadać, brzmiałoby to jak czysta fantastyka naukowa. Nie wiem, jak wasze mózgi to science fiction przetrawiają, ale powtórzę: witam u progu nowej rzeczywistości – podsumował Jacek Jędraszka, wyrażając nadzieję, że zgromadzeni partnerzy szybko przekują te inspiracje w konkretne wdrożenia biznesowe.

Galeria z Ingram Connect 2026:







































































