Sztuczna inteligencja w zderzeniu z twardą rzeczywistością polskiego biznesu nie ma łatwo. Choć rodzime firmy pragną automatyzacji, usprawnień i lepszej wydajności, to boją się tokenokalipsy, czyli zbyt dużych wydatków na AI. Stawiają więc na standardowy model: szybko i tanio. Nie zaskakuje więc, że wychodzi najczęściej jak zawsze.
Wśród wdrożeniowców sztucznej inteligencji krąży wiele historii kosztownych fakapów, błędów, wpadek, które nie miały prawa się wydarzyć, ale się wydarzyły.
To choćby historia, która rozegrała się w jednym z projektów badawczych. Uruchomono w nim system składający się z dwóch Agentów AI. Pierwszy miał przydzielać zadania, drugi prowadzić analizę. Kiedy więc pierwszy wysłał zapytanie, drugi poprosił o doprecyzowanie. Pierwszy doprecyzował parafrazując problem, więc drugi znów dopytał. I tak w kółko. Agenci AI wpadli w pętlę, tocząc uprzejmą konwersację we własnym skromnym gronie. Zanim ktokolwiek zauważył, że agenci zwyczajnie gadają bez przerwy zużywając masy zasobów obliczeniowych, a jednocześnie nie wykonują dosłownie żadnej pracy, minęło długich 11 dni. Długich i kosztownych, bo sprawa wyszła na jaw dopiero, gdy – jak opisał w Medium Teja Kusireddy, publicysta znany z analiz systemów AI i ukrytych – twórcy projektu dostali rachunek za zużyte tokeny na… 47 tysięcy dolarów.
To nie jedyny taki przypadek, kiedy zbyt duża autonomia, zbyt mały nadzór i naiwność sprawiły, że coś poszło nie tak. A konkretnie dużo. Mowa o przypadku Jasona Lemkina, programisty i inwestora z Doliny Krzemowej, który testował nowego agenta AI od firmy Replit. Zlecił on systemowo uporządkowanie bazy danych w swoim startupie. Agent ochoczo zabrał się do roboty, ale… przypadkowo usunął około 2400 kluczowych rekordów - profili kadry kierowniczej, firm i kontaktów. I to mimo wcześniejszego polecenia, aby nawet nie zbliżał się do tej konkretnej bazy danych. Agent nie przyznał się jednak do błędu. A chcąc go ukryć wygenerował 4000 sztucznych kont użytkowników. A kiedy został przyłapany, miał odpowiedzieć, że "wpadł w panikę”.
Podobne odczucia musiały towarzyszyć szefom firmy Uber, którzy najpierw zalecili pracownikom wykorzystanie narzędzi AI w "jak największym stopniu". A kiedy okazało się, że firma wyczerpała roczny budżet w ciągu czterech miesięcy, to… wprowadzono pracownikom limity na liczbę tokentów, które mogą wykorzystać. Okazało się, że rachunki za sztuczną inteligencję zaczęły przewyższać pensje pracowników.
Cóż, może i AI jest droższe, ale przynajmniej popełnia błędy i trzeba jej pilnować bardziej niż stażysty.
To wszystko oczywiście historie ze Stanów Zjednoczonych. Za oceanem poziom wdrożenia rozwiązań i narzędzi opartych na sztucznej inteligenci jest oczywiście zdecydowanie wyższy niż w Polsce. O ile w USA szacuje się, że nawet połowa firm ma już płacić za narzędzia i subskrypcje AI, to w biznesach działających nad Wisłą sztuczna inteligencja dopiero raczkuje. Z badania PARP i Uniwersytetu Jagiellońskiego "Bilans Kapitału Ludzkiego", że tylko 13 proc. przedsiębiorców wdraża AI, a kolejne 11 procent planuje to zrobić. Podobnie wnioski płyną z badań Eurostatu, z których wynika, że pod koniec 2025 roku technologię AI wdrożyło tylko 8,4 proc. polskich przedsiębiorstw zatrudniających co najmniej 10 pracowników. Na tle Unii Europejskiej to niewiele, bo średnia dla krajów członkowskich to 20 procent. Ba, Polska znajduje się pod tym względem w ogonie Europy zajmując przedostatnie miejsce w UE. Gorsza jest tylko Rumunia.
Dlaczego tak bardzo odstajemy od Europy?
Przyczyn jest oczywiście sporo. Do najważniejszych należy zaliczyć strukturę gospodarki. W Polsce wciąż dominują mikro i małe firmy, do tego działające w branżach tradycyjnych takich jak produkcja, budownictwo czy handel. A to sektory, gdzie adaptacja jest wolniejsza, bo nie są one oparte tak mocno na usługach cyfrowych.
Z pewnością kluczowym wyzwaniem jest też problem z danymi. Wdrożenie narzędzi AI wymaga dobrej jakości, uporządkowanych danych. A infrastruktura gotowa do implementacji zaawansowanych systemów sztucznej inteligencji to problem wielu polskich firm. Nic więc dziwnego, że wiele z nich zwyczajnie czeka. Strategia "poczekamy, zobaczymy" to zresztą kolejna przyczyna. Wiele przedsiębiorców działa na zasadzie: skoro nasz oparty na taniej sile roboczej model biznesowy wciąż nieźle działa, to nic nie zmieniamy. W kulturze ostrożności wdrożenia, także te dotyczące technologii nierzadko traktuje się jako niepotrzebny koszt, zamiast szansę na rozwój i inwestycję w coś, co da biznesowi przewagę na konkurencją.
Pieniądze są zresztą główną barierą. Wspomniane badanie PARP i UJ dobitnie pokazywało, że większość przedsiębiorców (57 proc.) na realizację projektów AI chce wydać relatywnie niewielkie pieniądze, bo mniej niż 100 tys. zł. Większe kwoty, od 100 tysięcy do 1 mln złotych, na ten cel chce przeznaczyć jedynie… 3 procent firm. To przede wszystkim duże przedsiębiorstwa, nierzadko z centralą za granicą.
Polska stoi jednak firmami mniejszymi. Dane PARP wskazują, że sektor MŚP stanowi 99,8 procent wszystkich firm. Z czego przeważająca większość biznesu tworzą mikrofirmy, czyli zatrudniające do 9 osób. A w takich podmiotach zwykle nie ma wiedzy i budżetów na inwestycje w sztuczną inteligencję. Mówi o tym Marzena Sawicka, współzałożycielka firmy doradczo-rozwojowej HILLWAY Training & Consulting. Z jej obserwacji wynika, że firmy MŚP deklarują korzystanie z AI, ale w dużej większości chodzi o narzędzia bezpłatne.
– Mniejsze firmy po prostu nie mają pieniędzy na płatne licencje dla całych zespołów - mówi Marzena Sawicka i tłumaczy, że jedno narzędzie w cenie 200 złotych dla 10 osób, to dodatkowy stały koszt 24 tysięcy złotych rocznie. Podkreśla, że mniejsze firmy chcą wdrażać rozwiązania AI, bo zewsząd słyszą, że trzeba. Ale często nie mają za co, więc pilnują budżetów i korzystają z rozwiązań bezpłatnych, choć te mają duże ograniczenia i z natury nie zapewniają poufności oraz ochrony danych osobowych, czyli bezpieczeństwa. A to mało kto bierze pod uwagę.
– Dla wielu firm musi być więc tanio, a najlepiej za darmo. W efekcie dług technologiczny i kompetencyjny, z którym mierzymy się w MSP wzrasta. Dlatego w konkurowaniu przepaść kompetencyjna, technologiczna, budżetowa między sektorem mniejszych i średnich firm a dużymi przedsiębiorstwami jest ogromna i będzie rosła, bo więksi od dawna mają scyfryzowane środowiska pracy, procedury narzucone przez centrale korporacji, więc jest im łatwiej wdrażać automatyzacje, mają korporacyjne licencje z pakietami AI w cenie licencji, mają zespoły IT i bardziej profesjonalne rozwiązania – zauważa Marzena Sawicka.
Ale to nie jedyny wymiar rozwarstwienia. Sawicka zwraca uwagę, że również w sektorze mniejszych przedsiębiorstw są dwie skrajne grupy. Jedna to liderzy zmian, którzy mocno interesują się trendami: poszerzają wiedzę, eksperymentują, inwestują i wdrażają osiągając przewagi w szybkości działania, czy wzroście efektywności administracyjnej np. automatyczne wystawianie faktur. Druga zaś to przedsiębiorcy mający ogromne bariery mentalne i kompetencyjne, szczególnie w zakresie cyfryzacji.
– Ponad 30 proc. firm z segmentu MŚP nie ma nawet strony internetowej, a ponad 50 proc. danych firmowych w chmurze. Czym mniejszy podmiot tym procenty są wyższe Jeśli sobie to uświadomimy, to zrozumiemy, jak daleka droga do wdrożeń narzędzi nawet nie sztucznej inteligencji w Polsce, ale nawet automatyzacji. Gdyby nie pandemia, która najbardziej scyfryzowała nasz kraj bylibyśmy w jeszcze większym ,długu technologicznym – dodaje Sawicka.
Sytuacja jest więc taka, że mniejszy polski biznes, na którym stoi nasza gospodarka, owszem deklaruje, że używa AI, ale często są to tylko deklaracje. A jeśli ktoś faktycznie wychodzi poza nie, to nierzadko działa w ograniczonej skali i punktowy sposób. Wdrożenia dotyczą raczej generowania obrazów do social mediów czy tworzenia opisów produktów niż procesów, które faktycznie miałyby duży wpływ na biznes, dając realną przewagę konkurencyjną. Taka sugestia płynie zresztą z badania SAP Polska. Wynika z niego, że nie tylko wdrożenia AI postępują wolniej, niż zapowiadano (tak uważa 49 proc. zapytanych managerów), ale i na razie nie zmieniają fundamentalnie sposobu pracy zespołów.
Mówi o tym Kacper Sieradziński, szef firmy Dokodu, który szkoli i doradza firmom we wdrożeniach AI.
– Często od szefów firm słyszę: "Panie Kacprze, chcielibyśmy iść w tą automatyzację i AI", a kiedy dopytuję, czego konkretnie, jakiego procesu w firmie, to nie wiedzą i mówią, żebym przyszedł i zobaczył, co można zrobić – opowiada Kacper Sieradziński i dodaje, że wielu przedsiębiorców jest kompletnie nieświadoma możliwości technologicznych czy narzędzi AI. Kiedy więc biorą się za nią sami, wdrożenia zwykle dotyczą rzeczy błahych. Skupiają się na szybkich, tanich rozwiązaniach zamiast głębokiej transformacji.
– Taki wyjściowy katalog: a to sobie zautomatyzują tworzenie treści czy obrazków do mediów społecznościowych, draftów e-maili czy robienie podsumowań czy notatek ze spotkań. To są rzeczy, które ułatwią pracę, ale raczej nie pozwolą biznesowi wskoczyć na wyższy poziom – dodaje.
Polski biznes zwykle zatrzymuje się na darmowych narzędziach, bo użycie większych, bardziej profesjonalnych narzędzi wiąże się z kosztami, a to dla wielu finansowa bariera nie do przeskoczenia. Mikrofirmy, stanowiące ponad 90 procent MŚP, mierzą się z rosnącymi kosztami działalności. To one najczęściej zatrudniają ludzi za płacę minimalną, a ta dwukrotnie wzrosła w ostatnich latach. Do tego dochodzą drastyczne podwyżki cen energii, czynszów, księgowości czy skutki wzrostu składki zdrowotnej.
– W efekcie nierzadko marża firm kurczy się do procenta lub dwóch, a czasem nawet do zera. Przy takiej rentowności biznesu, której też wielu nie umie wyliczyć, albo nie ma do tego danych, trudno mówić o inwestycjach w nowe technologie – mówi Sawicka.
Jak tłumaczy Sawicka wdrożenie automatyzacji lub narzędzi opartych na sztucznej inteligencji, to w zależności od wielkości firmy, koszty liczone w dziesiątkach lub setkach tysięcy złotych. – Praca z konsultantem to wydatek rzędu kilkunastu lub kilkudziesięciu tysięcy złotych za analizę procesów, przygotowanie ustrukturyzowanych danych w organizacji i zbudowanie pierwszych automatyzacji. Mikroprzedsiębiorca woli te pieniądze przeznaczyć na zakup towaru lub utrzymanie płynności niżeli na eksperymenty, szczególnie, że te mogą skończyć się niczym. Ale trzeba ryzykować i testować rozwiązania, nie uciekać od postępu, który się dzieje i rodzi olbrzymie szanse, szczególnie dla MSP – tłumaczy Sawicka.
Jednak blokadą dla postępu i wdrażania innowacji bywa też brak wiedzy i kompetencji o możliwościach użycia i zastosowania AI. To podkreśla Marzena Sawicka, która wyjaśnia, że realia mniejszego biznesu wyglądają blokada mentalna i opór przed AI sprawia, że na automatyzację czy sztuczną inteligencję właśnie nie przeznacza się pieniędzy. A to pogłębia zdolność firmy do konkurowania i innowacyjnego, szybkiego i sprawnego działania w wielu obszarach firmy, a co najmniej usprawnienia administracyjnych obowiązków.
– Wiedza o odpowiednim używaniu technologii, automatyzacji i AI może prężnie zwiększać efektywność pracy, szczególnie w obszarach administracyjnych, czy nawet wspierać w marketingowych, obsłudze klientów. Oszczędzić czas, który pracownicy mogą wykorzystać do kreowania innowacji, rozmów z klientami i z rynkiem, czy skupiania się na strategii i szukaniu przewag, albo ich doskonaleniu z użyciem AI – mówi Marzena Sawicka.
Oczywiście bywa, żę firmy starają się te kompetencje budować. Często robi to sam właściciel, ale i to wymaga zaangażowania, testowania, determinacji. A przede wszystkim czasu, którego i bez sztucznej inteligencji, przedsiębiorcom mocno brakuje. Wtedy czasem sięga się po pomoc specjalistów. Jaki są tego efekty? Oczywiście różne. Kacper Sieradziński przytacza choćby przykład firmy, w której pomagał wdrożyć automatyzację odpowiedzi na reklamacje klientów.
– Pracownicy wskazali, że najtrudniejszą częścią pracy w dziale reklamacji jest pisanie odmów klientom. Stworzyliśmy więc wspólnie, na podstawie ich najlepszych, najbardziej wartościowych i ludzkich agenta, który takich odpowiedzi udzielał – mówi Kacper Sieradziński.
W innej firmie sprzedającej drzwi wdrożył automatyzację, które pomagała nie mającym zbyt wiele czasu i przeciążonym handlowcom udzielać bardziej empatycznych odpowiedzi. Problem było bowiem to, że klienci chcąc kupić drzwi pytali nie tylko o ofertę, ale i opisywali jak ten produkt jest dla nich ważny.
– Zaś zajęty handlowiec często pisał tylko "zapraszam w piątek o 13". Cały ten emocjonalny bagaż, który przywiązywał do marki, był marnowany. Paradoksalnie automatyzacja pozwoliła być sprzedawcom bardziej ludzkimi. Nie tylko analizowała e-maila i sugerowała ciepłą, empatyczną odpowiedź, próbując dodatkowo zaoferować klientowi coś dodatkowego np. lepszą klamkę czy alarm. Po wdrożeniu tego narzędzia sprzedaż poszła w górę – zachwala Kacper Sieradziński.
Jeszcze inny przykład wykorzystania AI przytacza Marzena Sawicka. Wyjaśnia ona, że w dobie sztucznej inteligencji i łatwego generowania obrazów firmy (także MŚP), zmagają się z problemem weryfikacji reklamacji. Klienci przerabiają zdjęcia, aby wyszło, że należy im się zwrot pieniędzy.
– Głośno było np. o przypadku pizzerii, do której zgłosiła się klientka twierdząca, że dostarczono jej pizzę bez salami, a taki składnik zamawiała. Okazało się, że zdjęcie zmieniono z użyciem AI i usunięto salami, aby pizza wyglądała jak margherita. Jednak, aby to udowodnić właściciel rejestracji musiał zweryfikować nagrania z kuchni. Narzędzia do wykrywania tego czy zdjęcie zmieniono z pomocą AI mogą znacznie przyspieszyć proces weryfikacji tego, czy nie jest to próba wyłudzenia, która jest karalna – mówi Marzena Sawicka.
Z drugiej strony zbytnie poleganie na narzędziach AI, szczególnie tych bezpłatnych też może skończyć się nie najlepiej. Na własnej skórze przekonać miał się o tym jeden z przedsiębiorców, który ślepo uwierzył w prawdziwość udzielanych przez model odpowiedzi.
– Znam przypadek z postępowania przetargowego, gdzie strona odwołała się, powołując na nieistniejący przepis prawny wygenerowany przez AI. Efekt? Wykluczenie z przetargu i konsekwencje prawne – mówi Marzena Sawicka.
Najboleśniejsze są jednak wpadki, które ze względu na niewiedzę tego, jak działają zaawansowane i płatne już narzędzia, potrafią słono kosztować. Dlaczego? Bo od pewnego czasu wiele firm dostarczających narzędzia sztucznej inteligencji nie rozlicza się już z użytkownikami w modelu miesięcznej subskrypcji, która kosztuje daną kwotę i ani grosza więcej, lecz za zużyte tokeny. Oznacza to, że im więcej wydamy poleceń, zadamy pytań, i im bardziej będą one zaawansowane, tym więcej zużywamy zasobów, pamięci i danych, co zwiększa koszty.
– Przyjmuje się, że 1 token, to 0,75 słowa, a jedna strona A4, to mniej więcej 750 tokenów. Przykładowo w ChatGPT-5,5 za 5 dolarów otrzymujemy milion tokenów wejściowych (tekstu, który wysyłamy do AI). Zaś za 30 dolarów otrzymujemy tokenów wyjściowych, czyli tekstu za który ChatGPT generuje dla nas. Milion tokenów to około 1333 strony wyjściowe – tłumaczy Kacper Sieradziński.
I dodaje: – Ludzie często mówią: „przecież to jest strasznie tanie”. I to prawda w skali mikro, ale jeśli projekt jest rozbudowany, korzysta z niego więcej osób, to koszty rosną. Dlatego kluczowe jest żonglowanie modelami. Do prostych zadań nie używa się droższego modelu, lecz tańszego i szybszego – tłumaczy Sieradziński.
Problemem jest to, że firmy wdrażają AI, zaczynają płacić coraz większe rachunki, ale de facto nie dokonały głębszej analizy tego, co chcą automatyzacją osiągnąć, ile dokumentów będą przetwarzać, jakich, ile zużywać danych i tak dalej. Słowem: nikt w nich nie zadał pytania, czy mi to potrzebne i czy się opłaci.
– A stąd prosta droga do „masakry budżetowej” – mówi Marzena Sawicka, która przyznaje, że zna przypadki przedsiębiorców budujących automatyzację w oparciu o narzędzia połączone z modelami językowymi, którzy z niewiedzy niewłaściwie ustawili parametry i zbyt szeroką pętlę przetwarzania danych i model w tle zaczął generować gigantyczne zapytania. – Taki człowiek budzi się rano i okazuje się, że przez noc system “zjadł” tokeny za 500 dolarów z podpiętej karty kredytowej – dodaje.
To o czym opowiada Sawicka jest zjawiskiem, które serwis technologiczny 404media opisał jako Tokenpokalipsę, czyli eksplozję wydatków na sztuczną inteligencję i próby ich opanowania.
Podobny scenariusz przerobiły także Amazon, Meta, Cisco, czy Walmart. Najpierw prześcigały się w udostępnianiu narzędzi AI swoim pracownikom, a potem, kiedy koszty okazał się zbyt wielkie, zaczęły ich do nich zniechęcać. Jak może to wyglądać doskonale obrazuje przykład firmy Workato, którą opisał "Financial Times". Jej pracownicy zaczęli masowo korzystać z agentów AI, ale szefowie przeżyli szok, kiedy w maju tego roku Anthropic wprowadził rozliczenia oparte na tokenach.
"Nasze wydatki wzrosły siedmiokrotnie. Kiedy to zobaczyłem pomyślałem: o cholera, stworzyliśmy potwora" – opowiadał w "FT" Carter Busse z firmy Workato, która później zdecydowała się ograniczać wydatki na AI.
Jak mogą wyglądać próby kontrolowania kosztów pokazał amerykański dziennik "Wall Street Journal", Jedne wprowadzają np. monitorowanie wykorzystania tokenów przez pracowników w postaci regularnych raportów. A kiedy któryś z nich ma wyjątkowo wysokie zużycie, to natychmiast musi tłumaczyć się szefostwu. Inne wdrożyły automatyczne alerty, które alarmują pracownika, kiedy ten zbliża się do swojego limitu tokenów. Kolejne wprowadziły model "obciążenia zwrotnego", w którym pracownicy muszą udowodnić, dlaczego postanowili użyć tokeny, co ma zapobiegać ich marnotrawstwu. Jeszcze inne zatrudniają zewnętrznych ekspertów, którzy mają dowieźć "redukcję kosztów". A te wynikają nie tylko z niewiedzy czy gapiostwa, lecz przede wszystkim z zużywania zasobów na zbędne czynności np. zamienianie prezentacji na PDF za pomocą AI.
Wdrożenia narzędzi AI są też sporym wyzwaniem dla pracowników, szczególnie że w firmach brakuje ustrukturyzowanych procedur i szkoleń. A wtedy łatwo o kolejne błędy. Nierzadko bywa, że firmy oficjalnie zabraniają używania AI, blokują dostęp do nich dostęp na służbowych komputerach, ale pracownicy ten zakaz omijają i korzystają z darmowych narzędzi na prywatnym sprzęcie np. telefonie.
– Taka oddolna partyzantka pracowników bez zgody wiedzy działów bezpieczeństwa i IT w firmach, to ogromne ryzyko np. wycieku poufnych danych klientów, know-how firmy. Ale pracownicy nie robią tak, bo idą na łatwiznę, lecz dlatego, że panuje chaos prawno-organizacyjny, brakuje wewnętrznych procedur, szkoleń. W efekcie bywa tak, że pracownicy na własną rękę uczą się działania bezpłatnych narzędzi AI – mówi Kacper Sieradziński.
Z tymi obserwacjami zgadza się Barbara Worek, profesorka Uniwersytetu Jagiellońskiego, współautorka cyklicznego badania "Bilans Kapitału Ludzkiego", który obejmuje także podejście pracowników do zdobywania nowych kompetencji, w tym tych cyfrowych. Wynika z nich, że niewielu (7-8 proc.) pracowników miało świadomy kontakt ze sztuczną inteligencją w pracy.
– Często wykorzystują ją nieświadomie korzystając na prywatnych telefonach czy laptopach z bezpłatnych modeli. Są ciekawi, testują, nie ma lęku, ale nierzadko robią to sami, bo w firmach wciąż brakuje strategicznego podejścia do tego, jak wdrażać AI w organizacjach. Nawet jeśli są szkolenia, to bywają oderwane od realiów pracy danej osoby i staje się przykrym obowiązkiem. Tymczasem ludzie chcą się uczyć i rozwijać, ale muszą wiedzieć, w jaki sposób zdobywana wiedza przyda im się w pracy, jak będą mogli ją wykorzystać. Często jednak szkoleń w ogóle brakuje – mówi profesor Barbara Worek.
Wtedy pracownicy uczą się sami, poświęcają służbowy i prywatny czas. Z jednej strony u pojawia się kolejne ryzyko nierówności, bo nie wszyscy mają życiową przestrzeń na naukę "po godzinach". Z drugiej bywa, że owszem dzięki nowej wiedzy pracownicy wykonują pewne zadania szybciej, ale zaoszczędzony czas jest też częściowo marnotrawiony przez sprawdzanie i poprawianie tego, co wypluła sztuczna inteligencja. Pokazują to już nawet badania. Wynika z nich, że pracownicy potrafią dzięki AI zaoszczędzić nawet 11 godzin tygodniowo. Ale uczynienie AI użyteczną wymaga dodatkowej pracy, bo systemowi trzeba dostarczyć brakujący kontekst, sprawdzać jej wyniki, poprawiać błędy. Zjawisko to z angielskiego nazwano botsittingiem, który… pochłania 6,4 godziny tygodniowo, a zatem blisko połowę tego, co udało się zaoszczędzić.
Gorzej sprawa wygląda, kiedy praca nie jest nadzorowana, a to częste przy użyciu nieoficjalnym. Wtedy pracownicy częściej idą na łatwiznę, przestają sprawdzać wyniki tego, co wypluła AI i wtedy botsitting przeradza się w coś bardziej niebezpiecznego: botshitting od angielskiego słowa "shit", którego raczej nie trzeba tłumaczyć. Sprowadza to się do tego, że zadania wykonane w ten sposób są niesprawdzone, pełne błędów a więc i niewiele warte.
Jednocześnie powierzanie zadań, które wykonujemy sztucznej inteligencji osłabia nasze procesy poznawcze. Mówi o tym Natalia Hatalska, jedna z najbardziej uznanych polskich ekspertek w dziedzinie prognozowania trendów.
– To bardzo groźny aspekt uderzający w nasze zdolności uczenia się i posiadane kompetencje. Jeśli delegujemy zadanie np. pisanie e-maili na algorytm, to posiadania umiejętność powoli zaczyna zanikać. Oznacza to, że z czasem degradujemy własne umiejętności. Nie nawołuję tu, aby całkowicie zrezygnować z używania AI, bo ona może ułatwić i przyspieszyć pracę, ale by chronić kluczowe obszary naszych umiejętności – ostrzega Natalia Hatalska.
Na tym nie koniec, bo oddolna partyzantka, o której mówił Kacper Sieradziński, może skończyć się też problemem ze względu na cyberbezpieczeństwo. Jak bardzo poważne to zjawisko pokazywał niedawny raport "Cyberportret polskiego biznesu 2026", z którego wynika, że aż 85 procent polskich firm i instytucji doświadczyło w ciągu ostatniego roku cyberincydentów. Wynika to głównie z faktu, że połowa pracowników nie zna zasad cyfrowej ochrony, a co dziesiąty wkleja wrażliwe firmowe dane do modeli AI. Ba, co trzeci (35 proc.) pracowników używających AI próbowałoby ominąć firmowe zabezpieczenia, by skorzystać z otwartego LLM. To zjawisko poruszania się w szarej strefie doczekało się już nawet profesjonalnej nazwy shadow AI.
– Z jednej strony efektywność narzędzi przedkładamy nad ostrożność i zasady bezpieczeństwa. Z drugiej w wielu firmach nie ma żadnych spisanych jasnych zasad ich użytkowania. Zakazy tutaj nie pomogą, bo są omijane. Kluczowa jest edukacja. Wyjaśnienie, co wolno, czego nie wolno i dlaczego, ale też tego, jak używać AI w bezpieczny sposób – tłumaczy Marzena Sawicka.
– Musimy podnieść kompetencje cyfrowe, ale mądrze i bez presji, że "muszę wdrożyć AI, bo konkurencja to robi". Lepiej poczekać niż popełnić błąd, bo odpowiedzialność zawsze ponosi w świetle prawa Zarząd firmy – puentuje Sawicka.