Polskie firmy oceniają wdrożenie AI. Dewastujące wyniki sondażu
Polskie firmy inwestują w AI, ale efekty często nie spełniają obietnic. Problemem są dane, bezpieczeństwo i brak jasnych celów biznesowych.
Polski biznes nie skreśla AI, ale coraz trzeźwiej patrzy na twarde efekty. Według badania EY niemal połowa firm (49 proc.) jest rozczarowana wdrożeniami sztucznej inteligencji. 17 proc. ocenia je tak słabo, że z dzisiejszą wiedzą nie powtórzyłoby tej decyzji. Entuzjazm nie gaśnie, ale rośnie świadomość, że między obietnicą a rzeczywistością zieje spora luka.
Aż 77 proc. przedsiębiorstw deklaruje, że w ciągu 18 miesięcy chce zwiększyć wydatki na narzędzia oparte na sztucznej inteligencji. Z kolei 1/3 z tej grupy mówi nawet o znaczącym wzroście budżetów. To tak naprawdę pokazuje paradoks, w którym znalazł się polski biznes. Firmy widzą potencjał AI, ale coraz częściej przekonują się, że wdrożenie nie jest prostą drogą do automatycznego wzrostu przychodów, niższych kosztów i lepszej jakości usług. W wielu przypadkach pierwsza fala projektów przyniosła raczej kubeł zimnej wody niż rewolucję.
Z badania wynika także, że 53 proc. firm wskazuje, iż AI pomogła obniżyć koszty. 52 proc. mówi o poprawie jakości usług, a 49 proc. o wzroście przychodów. Jednocześnie prawie połowa badanych przyznaje, że efekty okazały się słabsze od oczekiwań. To oznacza, że wdrożenie algorytmów działa, ale nie zawsze tam, gdzie obiecywano największy przełom, i nie zawsze w skali, jakiej oczekiwały zarządy.
AI nie jest strategią. Jest narzędziem, które trzeba umieć osadzić
Największy błąd wielu firm można streścić w jednym zdaniu: zaczęły od technologii, a nie od problemu. AI wdrażano, bo wszyscy wdrażają. Bo zarząd chciał pokazać, że firma jest nowoczesna. Bo konkurencja na każdej konferencji rzucała hasłami o automatyzacji. Bo narzędzia generatywne nagle stały się dostępne na wyciągnięcie ręki. Tyle że to trochę jak z kupowaniem młotka, zanim się sprawdzi, czy w ogóle ma się gwóźdź do wbicia.
Tymczasem w żadnej firmie sama obecność modelu AI niczego nie rozwiązuje. Jeżeli przedsiębiorstwo nie wie, jaki konkretny proces chce poprawić, jakie dane są potrzebne, kto odpowiada za wynik i jak mierzyć efekt, wdrożenie szybko zmienia się w kosztowny eksperyment. Sztuczna inteligencja może przyspieszyć obsługę klienta, analizę dokumentów, planowanie produkcji, wykrywanie anomalii, marketing czy raportowanie, ale tylko wtedy, gdy jest wpięta w rzeczywistą pracę organizacji.
Właśnie tu kryje się źródło rozdźwięku między entuzjazmem na starcie a rozczarowaniem na mecie. Firmy chętnie kupują narzędzia, odpalają pilotaże, testują pojedyncze przypadki użycia, ale nie ruszają fundamentów. Nie przebudowują procesów, nie zmieniają sposobu pracy. Efekt jest punktowy: tu chatbot skróci czas odpowiedzi, tam algorytm przyspieszy analizę, gdzie indziej automat posortuje dokumenty. To usprawnienia, a nie transformacja.
Większość firm wciąż jest na początku drogi
Z badania wynika, że 67 proc. polskich przedsiębiorstw znajduje się na 3. poziomie dojrzałości AI lub niższym w 5-stopniowej skali. To oznacza, że większość firm jest między etapem pierwszych eksperymentów a wykorzystaniem algorytmów w kilku obszarach działalności.
Zaledwie 10 proc. firm deklaruje, że dzięki AI przekształca swój model biznesowy i tworzy nowe produkty lub usługi. Jest to najważniejszy wskaźnik w całym badaniu, ponieważ ujawnia, że w polskich przedsiębiorstwach sztuczna inteligencja pełni przede wszystkim funkcję uzupełniającą wobec istniejących procesów, a nie rolę katalizatora zmiany modelu działania całej organizacji.
To nie musi być zarzut. Dla wielu firm rozsądne wdrożenie powinno zaczynać się właśnie od ograniczonych, dobrze policzonych projektów. Problem zaczyna się wtedy, gdy organizacja wydaje pieniądze jak na transformację, ale zarządza projektem jak testem narzędzia. Wtedy rozczarowanie jest właściwie wpisane w scenariusz.
Paliwem AI są przede wszystkim odpowiednie dane, a wiele firm ma puste baki
Jednym z największych ograniczeń pozostaje jakość danych. Niespełna 40 proc. firm deklaruje, że ma bazę informacyjną pozwalającą wyjść poza standardowe, gotowe narzędzia AI i budować rozwiązania oparte na własnych zasobach.
Pamiętajmy, że przewaga konkurencyjna nie powstaje z tego, że firma używa tego samego narzędzia co wszyscy. Powstaje wtedy, gdy potrafi zasilić model własnymi danymi: historią sprzedaży, serwisu, produkcji, reklamacji, zapasów, zachowań klientów, procesów operacyjnych albo ryzyk. Bez tego AI pozostaje generycznym asystentem, a nie systemem wspierającym specyficzną wiedzę firmy.
Co ciekawe, problem dotyczy nawet sektorów, które uchodzą za bardziej zdigitalizowane. W finansach 42 proc. firm nie potrafiło jednoznacznie ocenić gotowości swoich zasobów informacyjnych. W energetyce 30 proc. badanych wskazało poważne bariery jakościowe danych, a 38 proc. nie potrafiło określić ich stanu. To znaczy, że część przedsiębiorstw inwestuje w AI szybciej, niż porządkuje fundament, bez którego AI ma ograniczoną wartość.
Wdrożenia hamuje przede wszystkim bezpieczeństwo. To akurat dobrze
Kolejną dużą barierą jest bezpieczeństwo. 39 proc. firm wskazało je jako najważniejszy problem przy wdrażaniu sztucznej inteligencji. Największy poziom niepokoju widać w energetyce, gdzie odsetek wynosi 46 proc. W przemyśle to 40 proc., w finansach i handlu po 39 proc., a w usługach 37 proc.
Obawy te nie wynikają z nadmiernej ostrożności, lecz z obiektywnej analizy ryzyka. Wdrożenie AI w środowisku firmowym często wiąże się z przetwarzaniem danych o szczególnym znaczeniu: informacji o klientach, dokumentacji wewnętrznej, danych finansowych, produkcyjnych lub objętych tajemnicą handlową. Wprowadzenie takich danych do niekontrolowanego systemu może skutkować wyciekiem, naruszeniem zgodności regulacyjnej, utratą przewagi konkurencyjnej lub błędnymi decyzjami podejmowanymi na podstawie niezweryfikowanych rezultatów generowanych przez model.
Do tego dochodzi problem odpowiedzialności. Model może odpowiedzieć szybko, ale nie zawsze poprawnie. Może zmyślić uzasadnienie, błędnie sklasyfikować dokument, pominąć wyjątek albo zasugerować działanie niezgodne z procedurą. W biznesie ładnie brzmiąca odpowiedź nie wystarcza. Liczy się audytowalność, kontrola, zgodność i możliwość wykazania, dlaczego podjęto konkretną decyzję.
Różne branże różnie rozumieją AI
Badanie pokazuje też, że dojrzałość AI nie rozkłada się równo. W finansach 72 proc. firm znajdowało się na 2. i 3. poziomie dojrzałości, czyli między pierwszymi wdrożeniami a wykorzystaniem AI w większej liczbie obszarów. Ten sektor ma dużo danych, silne procesy cyfrowe i presję na automatyzację, ale jednocześnie musi działać w reżimie wysokiego bezpieczeństwa i regulacji.
W energetyce 21 proc. firm używa AI w sposób bardziej zaawansowany, a 42 proc. realizuje pierwsze wdrożenia. Tu potencjał jest duży, bo prognozowanie zapotrzebowania, obsługa sieci, wykrywanie awarii, optymalizacja produkcji, analiza danych z liczników i infrastruktury. Jednocześnie sektor jest krytyczny dla państwa, więc bariery bezpieczeństwa są naturalnie wyższe.
W przemyśle 29 proc. firm znajduje się na 3. poziomie dojrzałości. AI może tam wspierać kontrolę jakości, utrzymanie ruchu, planowanie produkcji, zarządzanie energią i łańcuchami dostaw. W handlu 23 proc. firm deklaruje wykorzystanie AI w kluczowych procesach biznesowych, ale wiele wdrożeń pozostaje punktowych: rekomendacje, marketing, obsługa klienta, analiza koszyka lub automatyzacja treści.
Przeczytaj także:
Praktyka wdrożeniowa wyraźnie wskazuje więc, że AI nie jest jednorodną technologią implementowaną w identyczny sposób niezależnie od sektora. W bankowości służy przede wszystkim analizie ryzyka i wykrywaniu nadużyć, w przemyśle – optymalizacji procesów i predykcyjnemu utrzymaniu ruchu, w handlu – personalizacji oferty i zarządzaniu łańcuchem dostaw, w energetyce zaś – prognozowaniu obciążeń i stabilizacji sieci. Każda branża definiuje własny zestaw zastosowań i własne wymagania wobec AI.
