AI-Augmented Organization ebook

Copyright © 2025 – Adam Trojańczyk

Wszelkie prawa zastrzeżone

All rights reserved

Łódź 2025

Żadna część tej publikacji nie może być kopiowana, przechowywana w systemach wyszukiwania informacji ani przekazywana w jakiejkolwiek formie, czy to elektronicznej, drukowanej, poprzez fotokopiowanie, nagrywanie treści, czy w inny sposób, bez uprzedniej pisemnej zgody autora.

Naruszenie praw autorskich jest niezgodne z obowiązującym prawem i może prowadzić do odpowiedzialności cywilnej i karnej, w tym do obowiązku naprawienia szkody i zapłaty odszkodowania.

Wydanie I

ISBN: 978-83-966626-8-2

Redakcja i korekta: Marta Trywiańska | wymowne.pl

Konwersja do e-booka: Katarzyna Mróz-Jaskuła | wielogloska.pl

Ostatni dostęp do materiałów zewnętrznych i źródeł: 04.09.2025 roku

Kontakt z autorem:

www.trojanczyk.pl

Autor dołożył wszelkich starań, by zawarte w tej książce informacje były kompletne i rzetelne. Nie bierze jednak odpowiedzialności za ich wykorzystanie przez osoby postronne ani za związane z ich wykorzystaniem ewentualne naruszenie praw patentowych lub autorskich. Autor i eksperci związani z powstaniem tej publikacji nie ponoszą również żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji zawartych w książce. Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich właścicieli.

Mojej żonie i dzieciom

Wstęp

Interesowałem się sztuczną inteligencją, jeszcze zanim popularne stały się pierwsze modele takie jak ChatGPT czy Claude. Mimo fascynacji AI, zawsze podchodziłem do niej jednak ze zdrową dawką sceptycyzmu, unikając bezkrytycznego przyjmowania tez wygłaszanych na wielkich konferencyjnych scenach przez prezesów największych firm świata. Uważałem, że optymizm względem tego obszaru jest przesadny i że korzystanie ze sztucznej inteligencji wymaga przede wszystkim krytycznego myślenia. Ślepe podążanie za AI może bowiem doprowadzić do wielu problemów. Od zawsze byłem zdania, że tylko mądrość i odpowiedzialność mogą nas ochronić przed błędami wynikającymi z bezrefleksyjnego podejścia do technologii. Co więcej, technologia powinna zawsze służyć człowiekowi i odpowiadać na jego potrzeby stanowiące centrum uwagi jej twórców. Niestety, wszechobecny pęd ku nowościom często powodował, że o tym zapominaliśmy.

Los, który spotkał firmę Builder.ai, dobrze ilustruje moje obawy. Firma będąca niegdyś ulubieńcem świata venture capital, z prawie pół miliardem dolarów finansowania i statusem jednorożca, w maju 2025 roku ogłosiła upadłość. Okazało się bowiem, że jej rzekomo przełomowe rozwiązanie (oparte na sztucznej inteligencji) budujące aplikacje, było w rzeczywistości zespołem 700 programistów z Indii. Co zaskakujące, nikt z inwestorów, w tym Microsoft i katarski państwowy fundusz majątkowy, którzy zainwestowali prawie 450 milionów dolarów, nie zadał sobie podstawowego pytania: skąd pochodzi ta magiczna AI?

Paradoksalnie w tym przypadku problem nie polegał na zawierzeniu technologii, która zawiodła, ale na tym, że ludzie dali się oszukać co do samego istnienia tej technologii. To klasyczny przypadek AI-washingu, czyli sprzedawania tradycyjnych rozwiązań pod szyldem sztucznej inteligencji.

Builder.ai nie jest odosobnionym przypadkiem. Według raportu z sierpnia 2025 nawet 40% startupów twierdzących, że są „napędzane przez AI” w rzeczywistości używa podstawowej automatyzacji lub zwykłych algorytmów1. Niedługo przed ujawnieniem tych danych, bo w marcu 2024, SEC2 nałożyło kary w wysokości 400 tysięcy dolarów na dwie firmy inwestycyjne – Delphia (USA) Inc. i Global Predictions Inc. – za twierdzenie, że używają sztucznej inteligencji do wyboru akcji, podczas gdy jedynie przekazywały zlecenia do standardowego robodoradcy.

Skoro ludzie z największymi zasobami wiedzy i finansów potrafią tak bezkrytycznie zaufać oferowanym rozwiązaniom, nic dziwnego, że i my jako liderzy biznesowi czasem czujemy się zagubieni. Odczuwamy silną presję, by wdrażać AI w naszych firmach, ale zastana przez nas rzeczywistość szybko weryfikuje oczekiwania. Gdy emocje wywołane przez huczne konferencje i przekonujące materiały marketingowe opadają, następuje moment prawdy. Liderzy zaczynają rozumieć, że AI to nie tylko narzędzia, aplikacje i algorytmy, lecz przede wszystkim złożone wyzwania związane z przygotowaniem zespołów, usprawnieniem procesów, zapewnieniem jakości danych oraz tworzeniem odpowiedniej kultury organizacyjnej.

Z doświadczenia wiem, że właśnie ten moment rozczarowania ma ogromne znaczenie, bo gdy lider dostrzega prawdę, że sama technologia nie wystarcza, zaczyna się właściwa praca.

Organizacje często wdrażają AI tylko dlatego, że jest popularna, nie rozumiejąc, jak narzędzia te przekładają się na ich priorytety biznesowe. Sztuczna inteligencja powinna być traktowana jako coś, co sprawia, że firma ewoluuje, a nie prowadzi do rewolucji.

Zanim więc wyruszysz w tę podróż, potrzebujesz solidnego planu i strategii, a rozpoczęcie jej będzie wymagać biletu, jakim są ludzie, procesy, dane, kultura i liderzy, którzy umożliwią Ci start.

W przeciwnym razie grozi Ci pułapka przypadkowych wdrożeń, które nie przyniosą korzyści i jedynie zwiększą frustrację w całej organizacji.

Musisz też wiedzieć, że podróż w kierunku implementacji AI ma także mroczniejszą stronę. Gdy w 1984 roku James Cameron tworzył Terminatora, większość z nas traktowała przedstawioną w filmie wizję jako czystą fikcję. 40 lat później ten sam Cameron mówi coś, co powinno wyrwać nas z iluzji bezpieczeństwa:

„AGI nie powstanie z rządowego programu badawczego. Wyjdzie od jednego z gigantów technologicznych, którzy obecnie finansują te badania wielomiliardowymi kwotami. Wtedy będziesz żył w świecie, na który się nie zgodziłeś, którego nie wybrałeś”3.

Aby zobaczyć skalę tej koncentracji władzy, wystarczy spojrzeć na dane. Wskazują one, że już w 2024 roku Microsoft, Google i Amazon kontrolowali 66% globalnego rynku chmury obliczeniowej4, czyli infrastruktury niezbędnej do działania sztucznej inteligencji. OpenAI, które wycenia się już niemal na 500 miliardów dolarów według stanu na sierpień 20255, otrzymało od samego Microsoftu 13 miliardów dolarów inwestycji6. To więcej niż roczny budżet wielu europejskich państw na badania i rozwój.

Wielkie korporacje technologiczne koncentrują w swoich rękach nie tylko dane i technologie, ale coraz częściej także decyzje o tym, jak będzie wyglądał świat napędzany przez AI. I choć ich rozwiązania są imponujące, niekoniecznie odpowiadają na potrzeby każdej organizacji i niekoniecznie są zgodne z jej wartościami.

Dobra wiadomość jest taka, że sztuczna inteligencja to nie tylko korporacyjne rozwiązania tworzone za zamkniętymi drzwiami. To także setki narzędzi, które możesz świadomie zastosować w swojej firmie. Ważne jest to, jak to zrobisz i jaki przygotujesz do tego grunt.

Pisząc tę książkę, podjąłem się misji, by pokazać Ci, w jaki sposób przejść drogę do wdrożenia AI, która będzie przestrzenią rozwoju nie tylko samej technologii, ale i ludzi. Nie chciałbym, żebyś skończył z biletem, którego nikt nie chce skasować.

Analizy historii takich korporacji jak IBM7 zwracają uwagę, że transformacje cyfrowe często kończą się fiaskiem właśnie dlatego, że organizacje nie uwzględniają ludzkiego czynnika. Zdarza się, że firmy chcą usunąć człowieka z tego procesu, licząc na pełną automatyzację. Tymczasem nawet najlepsze wdrożenie techniczne nie zapewni sukcesu, jeśli pracownicy nie będą chcieli ani umieli z niego korzystać.

W podobnym tonie wypowiadają się autorzy raportu PwC „Future of Work and Skills Survey”8, w którym wyraźnie wskazano, że głównymi czynnikami hamującymi skuteczne wdrożenia innowacji są m.in. słabe zdolności przywódcze zarządców i niska kultura organizacyjna. Innymi słowy, technologia jest ważna, ale to liderzy i postawy zespołów decydują, czy firma faktycznie skorzysta z dobrodziejstw sztucznej inteligencji. Brzmi to może banalnie, lecz praktyka pokazuje, że sporo organizacji nadal koncentruje się na wskaźnikach finansowych, zapominając o roli pracowników i menadżerów w rozwoju organizacji.

Kiedy rozmawiam z innymi menadżerami o wdrożeniach sztucznej inteligencji w ich firmach, często słyszę retoryczne pytanie: „Właściwie, co dała nam ta cała AI?”. Wiele razy okazywało się, że brakowało im odpowiedniego wsparcia w zakresie ludzkim i przywództwa, żeby sztuczna inteligencja faktycznie mogła dostarczać wartości. Zamiast tego zespoły czuły się zagubione, bo nikt nie zadał sobie trudu, by wytłumaczyć im, jak technologie mają współgrać z wartościami i potrzebami ludzi w firmie.

Znam też firmy, które podchodzą do AI sceptycznie, bo boją się o bezpieczeństwo danych. W efekcie wprowadzają blokady i nie pozwalają pracownikom poznawać potencjału narzędzi. Z kolei inne traktują ją jako produkt do sprzedania na zewnątrz, bo jest modna i dobrze się prezentuje. Są też organizacje, które stawiają pracowników na pierwszym miejscu i rozumieją, że sztuczna inteligencja najlepiej sprawdza się tam, gdzie może uwolnić ludzką kreatywność i umożliwić zespołom osiąganie ambitnych celów.

Chcę pomóc Ci zarządzić nadchodzącą zmianą i znaleźć realny potencjał sztucznej inteligencji w miejscach, w których rzeczywiście przyniesie konkretną wartość biznesową.

Czym właściwie jednak jest ta cała AI? Czy to jedynie modne hasło z konferencji i kolorowych raportów, czy raczej narzędzie, które realnie wpływa na działania firm czy pojedynczych procesów? W ostatnich latach sztuczna inteligencja weszła na salony. Coraz to więcej organizacji, od instytucji publicznych, przez producentów po instytucje finansowe, zastanawia się, co AI może dla nich zrobić. Jeśli Ty też zadajesz sobie to pytanie, pozwól, że przeprowadzę Cię przez podstawowe pojęcia związane z tematem wdrożenia AI:

• Sztuczna inteligencja (AI) to programy i algorytmy zdolne do wykonywania zadań kojarzonych z ludzką inteligencją, na przykład uczenie się, rozpoznawanie wzorców, generowanie rekomendacji. Kiedy słyszysz o systemach przewidujących popyt, rozpoznających obraz lub odpowiadających na pytania, najczęściej masz do czynienia z AI.

• Uczenie maszynowe (ML) to istota AI. Maszyny wyciągają wnioski z danych, zamiast polegać na sztywnych regułach zapisanych przez programistę. Dzięki temu algorytmy mogą się ulepszać z czasem, zdobywając doświadczenie i redukować ryzyko ludzkich błędów.

• Generatywna AI (GenAI) pozwala tworzyć nowe treści, jak na przykład obrazy, teksty czy muzykę. Dobrze znanym w Polsce rozwiązaniem tego typu jest ChatGPT, a inne jej przykłady to m.in. Bielik.AI, DeepSeek czy Claude. Potrafi ona pisać artykuły, streszczać dokumenty, a nawet pomagać w programowaniu.

• Chatboty to wirtualni asystenci konwersacyjni, przeważnie wykorzystujący AI do interpretacji treści pytań zadawanych przez człowieka i proponowania odpowiedzi czy rozwiązań.

• Analiza danych wspomagana AI dotyczy przetwarzania ogromnych zbiorów informacji w celu odkrywania wzorców i podejmowania lepszych decyzji.

• Inne rodzaje sztucznej inteligencji, które odpowiadają potrzebom bardziej wyspecjalizowanych dziedzin, to na przykład wizja komputerowa (computer vision), która umożliwia rozpoznawanie i analizę obrazu. Używana jest na przykład do automatycznej kontroli jakości produktów (kamery z AI wykrywające wady na taśmie produkcyjnej) czy analizy zachowań klientów w sklepie stacjonarnym. Z kolei przetwarzanie języka naturalnego (NLP) to technologia stojąca za rozumieniem przez system tekstu i mowy. Dzięki niej sztuczna inteligencja potrafi analizować opinie klientów w mediach społecznościowych, tłumaczyć języki czy streszczać dokumenty. W biznesie popularna jest również robotyzacja procesów (RPA), często wspierana AI. To narzędzia, które automatyzują powtarzalne czynności w systemach (jak przenoszenie danych między aplikacjami), uwalniając pracowników od żmudnej pracy. Wszystkie te technologie składają się na ekosystem AI, który dynamicznie się rozwija.

Wielu menadżerów czuje się przytłoczonych tymi wszystkimi pojęciami, ale pamiętaj, że ważna jest wartość, którą AI wprowadza do firmy, a nie same nazwy poszczególnych technologii. Sztuczna inteligencja może przynieść firmie realne korzyści, takie jak obniżenie kosztów, szybsze reagowanie na potrzeby klientów, lepsze prognozy, jednak aby to osiągnąć, trzeba ją zrozumieć i odpowiednio wpasować w procesy organizacji.

W rzeczywistości wdrożenie AI jest utrudnione ze względu na określone przeszkody, o których wspominałem już wcześniej:

• niewłaściwie przemyślane procesy;

• brak wysokiej jakości danych;

• niedobory kompetencji w zespole;

• niewystarczające wsparcie liderów;

• obawy pracowników;

• brak gotowości na nieustające zmiany.

Badania pokazują, że to właśnie czynniki ludzkie i organizacyjne odpowiadają za większość porażek transformacji AI. Nie zaskoczy Cię więc, że w tej książce znajdziesz rozbudowaną część dotyczącą kultury organizacyjnej, budowania zaufania, krytycznego myślenia, ról liderów i znaczenia danych oraz dojrzałych procesów. Tylko wtedy, gdy dostrzeżesz wzajemne zależności między tymi obszarami a sztuczną inteligencją, ta przygoda ma szansę przynieść nie mniejszy entuzjazm niż w momencie, gdy pierwszy raz zobaczysz możliwości AI na marketingowych przykładach.

Skoro już wiesz, w jakim kierunku zmierzamy, zachęcam Cię do podchodzenia z otwartym umysłem do każdego rozdziału tej książki. Będzie w niej wiele danych, ale też praktycznych przykładów i opowieści liderów, którzy mieli odwagę powiedzieć „tak” technologii, a jednocześnie potrafili wziąć odpowiedzialność za losy całego zespołu. Jestem przekonany, że AI może wnieść do Twojej organizacji nowe modele biznesowe albo nowe formy rozwoju. Jednak wymaga to od Ciebie czegoś więcej niż jednorazowej inwestycji. Musisz skupić się na systematycznym działaniu, budowaniu zaufania w oczach zespołu i klarownym wyjaśnianiu jego członkom, dokąd chcesz jako firma dojechać.

„No dobra, Adam, teoria teorią, ale nurtuje mnie pytanie, jak ta cała sztuczna inteligencja działa w praktyce? Możesz już trochę odpowiedzieć o tym na wstępie?”.

Mogę, pewnie. Zanim rozłożymy wszystko na czynniki pierwsze, spójrzmy na kilka rzeczywistych zastosowań sztucznej inteligencji w różnych branżach.

Produkcja i utrzymanie ruchu

W nowoczesnych fabrykach maszyny same sygnalizują zbliżające się awarie. Dzięki sztucznej inteligencji i uczeniu maszynowemu przemysł coraz częściej korzysta z predykcyjnego utrzymania ruchu. Wykorzystuje do tego zaawansowane systemy analizujące dane z czujników umieszczonych na maszynach, które odczytują takie parametry jak temperatura, wibracje czy poziom hałasu. Pozwalają one przewidzieć problemy techniczne, zanim faktycznie wystąpią. Dzięki temu serwisanci mogą wymienić części, nie czekając, aż dojdzie do usterki, co znacznie ogranicza przestoje. Efekty tych wdrożeń są imponujące. Liczba nieoczekiwanych awarii spada nawet o 70%, a koszty utrzymania maszyn są niższe o około 25%9.

Handel detaliczny i marketing

Czy zdarzyło Ci się kupić produkt pod wpływem sekcji „Może Ci się spodobać” w sklepie internetowym? Jeśli tak, to doświadczyłeś działania systemu rekomendacyjnego opartego na AI. W branży handlowej sztuczna inteligencja analizuje zachowania klientów online. Bada, co oglądają, co dodają do koszyka, jakie produkty kupują razem. Na tej podstawie algorytmy personalizują ofertę, a każdy klient widzi nieco inne rekomendacje, dopasowane do jego preferencji. Rezultaty korzystania z tego systemu mogą przerosnąć oczekiwania. Amazon ujawnił, że aż 35% jego przychodów generuje właśnie mechanizm rekomendacji produktów10. Innymi słowy, co trzeci dolar (lub złotówka) zarobiony przez sklep pochodzi ze sprzedaży rzeczy podpowiedzianych klientom przez sztuczną inteligencję. To obrazuje, jak potężnym narzędziem jest personalizacja oferty. Produkt pokazany właściwej osobie we właściwym czasie po prostu sprzedaje się lepiej. Poza rekomendacjami AI w handlu pomaga też w prognozowaniu popytu (żeby na półkach nie brakło towaru, ale też, by nie zalegały nadwyżki) oraz w dynamicznej wycenie (dostosowywaniu cen do popytu, trendów, a nawet pogody). W marketingu zaś coraz częściej korzysta się z generatywnej AI do tworzenia treści reklamowych czy postów w mediach społecznościowych.

Finanse i bankowość

Sektor finansowy od lat inwestuje w sztuczną inteligencję. Jednym z najważniejszych jej zastosowań jest wykrywanie nadużyć i oszustw. Operacje kartą kredytową czy transakcje bankowe to dla przestępców okazja, by dokonać próby wyłudzenia. Tradycyjne metody ochrony danych (oparte na ręcznie pisanych regułach) są niewystarczające, bo oszuści co rusz zmieniają taktyki. Dlatego banki używają modeli uczenia maszynowego, które praktycznie w czasie rzeczywistym analizują miliony transakcji i wychwytują podejrzane wzorce (na przykład nietypowe miejsce lub kwotę transakcji). Jeśli coś odbiega od normy, sztuczna inteligencja może automatycznie zablokować transakcję lub wysłać alert do klienta. Obecnie około 71% instytucji finansowych wykorzystuje AI i ML do wykrywania fraudów, a odsetek ten rośnie z roku na rok11.

Zdrowie i medycyna

Zdarza się, że w ochronie zdrowia sztuczna inteligencja pomaga w diagnozach i ratuje życie. Jednym z przełomowych zastosowań jest diagnostyka wspomagana AI. Narzędzia potrafią analizować zdjęcia rentgenowskie, tomografie, wyniki badań i wykrywać na nich oznaki chorób. Sztuczna inteligencja może na przykład przejrzeć tysiące skanów w poszukiwaniu bardzo wczesnych objawów nowotworu, których ludzkie oko mogłoby nie wychwycić. Co więcej, AI nie męczy się i nie przeoczy niczego z powodu rutyny. W efekcie dokładność diagnoz bywa wyższa niż w przypadku tych dokonywanych przez lekarzy. Badania pokazują, że w analizie niektórych nowotworów algorytm potrafi osiągnąć ~85% skuteczności wykrycia, podczas gdy lekarze ~67%12.

Oczywiście nie wyobrażam sobie świata, w którym AI zastępuje lekarzy, ale może być dla nich ogromnym wsparciem. Poza diagnostyką obrazową AI pomaga w odkrywaniu nowych leków (przeszukując bazy związków chemicznych i proponując te o potencjalnym działaniu leczniczym) czy personalizacji terapii (dopasowaniu leczenia do cech konkretnego pacjenta). Już teraz istnieją asystenci medyczni AI, którzy na podstawie objawów podpowiadają lekarzom możliwe diagnozy lub priorytetyzują kolejkę pacjentów.

Jednocześnie niedawne badanie13 przeprowadzone w czterech polskich ośrodkach medycznych, o którym zrobiło się głośno na świecie, pokazało, że musimy patrzeć na tę technologię jeszcze szerzej. Naukowcy przez sześć miesięcy obserwowali pracę lekarzy wykonujących kolonoskopie (badanie ratujące życie przez wczesne wykrywanie raka jelita grubego). Okazało się, że po trzech miesiącach rutynowego korzystania z systemów wspomaganych sztuczną inteligencją, coś niepokojącego stało się z umiejętnościami samych lekarzy. Gdy musieli przeprowadzić badanie bez pomocy AI, ich skuteczność w wykrywaniu zmian przednowotworowych spadła z 28,4% do 22,4%.

Obsługa klienta i HR

Sztuczna inteligencja zmienia także obszar komunikacji z klientem oraz zarządzania ludźmi. W obsłudze klienta coraz częściej pierwszą linią kontaktu z organizacją są wspomniane chatboty lub voiceboty odbierające telefony. Dobrze wdrożony wirtualny asystent potrafi samodzielnie rozwiązać mnóstwo typowych spraw, od sprawdzenia statusu zamówienia, przez przyjęcie reklamacji po odpowiedzi na trudne pytania. Dzięki temu klienci otrzymują natychmiastową pomoc o każdej porze, a osoby będące konsultantami wkraczają do akcji dopiero przy nietypowych problemach.

Z kolei w dziale HR AI pomaga w rekrutacji i rozwoju pracowników. Systemy ATS z AI filtrują CV kandydatów, potrafią ocenić dopasowanie do stanowiska na podstawie profilu kompetencyjnego, a nawet prowadzić wstępne wywiady w formie czatu. W szkoleniach stosuje się adaptive learning, platformy uczące się, które dostosowują program szkolenia do tempa i stylu nauki pracownika. AI może też przewidywać, którzy pracownicy mają najsilniejsze predyspozycje, by odejść z firmy (poprzez analizę różnych sygnałów, jak spadek wydajności czy brak awansu), co daje menadżerom szansę na reakcję, zanim firma straci talent.

Te ostatnie rozwiązania mogą okazać się pomocne, jednakże od razu zaznaczę, że nie jestem ich fanem. Używanie AI w takich obszarach jak obsługa klienta i HR może prowadzić zarówno do błędnych interpretacji, nadużyć, jak i złych osądów. W dodatku usuwanie człowieka z procesów, które powinny być przez niego zarządzane i skupione na nim, sprawia, że czuję wewnętrzną niezgodę na taki stan rzeczy. Ale o tym opowiem później. Tymczasem, ruszajmy dalej!

1https://controverity.com/2025/08/18/ai-washing-40-of-ai-startups-are-faking-it-in-2025/

2Securities and Exchange Commission – amerykańska Komisja Papierów Wartościowych i Giełd, odpowiednik polskiej KNF. Pilnuje, żeby firmy nie oszukiwały inwestorów.

3https://www.youtube.com/watch?v=e6Uq_5JemrI&t=7s

4https://www.computerweekly.com/feature/Big-techs-cloud-oligopoly-risks-AI-market-concentration

5https://www.wired.com/story/openai-valuation-500-billion-skepticism/

6https://www.bloomberg.com/opinion/articles/2024-10-21/who-owns-openai

7https://www.ibm.com/think/insights/the-real-secret-to-a-successful-digital-transformation-human-empathy

8https://www.pwc.com/gx/en/issues/workforce/future-of-work-and-skills.html

9https://www.deloitte.com/content/dam/assets-zone2/de/de/docs/about/2024/Deloitte_Predictive-Maintenance_PositionPaper.pdf

10https://library.ucsd.edu/dc/object/bb8503744c/_2_1.pdf#:~:text=%5BPDF%5D%20Amazon%20Recommender%20System%20,source%3A%20McKinsey

11https://www.pymnts.com/fraud-prevention/2024/71-percent-of-financial-institutions-turn-to-ai-to-fight-faster-payments-fraud/#:~:text=71,that%20might%20elude%20human%20analysts

12https://economictimes.indiatimes.com/news/international/us/ai-tool-detects-prostate-cancer-more-accurately-than-doctors-ucla-study/articleshow/111937458.cms?from=mdr

13https://www.politico.eu/article/ai-colonoscopies-risks-doctors-skills-study-warns-medicine/

Aktualny poziom gotowości organizacji na wdrożenia sztucznej inteligencji

Sztuczna inteligencja to nie tylko technologia zmieniająca współczesne oblicze naszych biznesów. To narzędzie, którego historia sięga lat 50. XX wieku, kiedy to pierwsi badacze zaczęli formułować teoretyczne podstawy maszyn uczących się. Jednym z nich był Alan Turing, brytyjski matematyk, który zaproponował tzw. test Turinga opisany po raz pierwszy w artykule „Computing Machinery and Intelligence”14 w 1950 roku. Praca miała na celu znaleźć odpowiedź na pytanie, czy maszyny mogą myśleć15. W praktyce eksperyment ten polega na rozmowie pomiędzy ludźmi a maszyną (zwykle komputerem) w warunkach, w których rozmówcy nie mogą się widzieć. Jeśli człowiek (sędzia) nie jest w stanie stwierdzić, która z osób jest maszyną, to mówi się, że maszyna przeszła test Turinga16.

W 1956 roku John McCarthy17, wówczas adiunkt matematyki w Dartmouth College, postanowił wraz z kolegami, wśród których byli Marvin Minsky, Nathaniel Rochester i Claude Shannon, zorganizować grupę roboczą, aby wyjaśnić idee dotyczące maszyn myślących. To właśnie podczas tworzenia tej inicjatywy po raz pierwszy oficjalnie użyto terminu sztuczna inteligencja.

W 1974 roku krytyka sztucznej inteligencji ze strony brytyjskiego matematyka Michaela Jamesa Lighthilla18 sprawiła, że rządy USA i Wielkiej Brytanii zaprzestały finansowania nieukierunkowanych badań nad sztuczną inteligencją. Zmiana przyszła na początku lat 80. po sukcesie systemów eksperckich19 w Japonii. Były to narzędzia zaprojektowane do rozwiązywania złożonych problemów, które wykorzystywały „system rozumowania”20 oparty na zbiorach wiedzy reprezentowanych głównie jako reguły if-then.

W tym samym czasie firmy zaczęły eksperymentować z wykorzystywaniem AI w swoich procesach decyzyjnych. Przykładem może być program XCON21, używany przez Digital Equipment Corporation (DEC), który pomagał w konfiguracji zamówień klientów. AI powoli wchodziła w obszary logistyki i produkcji i otwierała co jakiś czas drzwi do przyszłych zastosowań.

W pierwszych latach XXI wieku uczenie maszynowe zaczęto stosować na szeroką skalę zarówno w środowisku akademickim, jak i w przemyśle. Szybki rozwój tej dziedziny stał się możliwy dzięki trzem głównym czynnikom:

• coraz większej mocy obliczeniowej maszyn;

• gromadzeniu ogromnych zbiorów danych;

• zastosowaniu zaawansowanych metod matematycznych.

Niedługo później technologia głębokiego uczenia zrewolucjonizowała dziedzinę sztucznej inteligencji, przewyższając dotychczasowe podejścia pod względem skuteczności.

W 2017 roku pojawienie się architektury transformatorowej otworzyło zaś nowy rozdział, prowadząc do powstania imponujących generatywnych aplikacji i wielu innych ważnych zastosowań.

Rok 2020 przyniósł gwałtowny wzrost inwestycji w sztuczną inteligencję napędzany przez rozwój architektury transformatorowej oraz publiczne premiery dużych modeli językowych, takich jak ChatGPT, a później Gemini, Claude, Llama, Yi czy Mistral. Te modele, wyróżniające się zdolnościami zbliżonymi do ludzkiej wiedzy i uwagi, szybko znalazły zastosowanie w różnych branżach, co doprowadziło do wykładniczego wzrostu nakładów na AI.

Błyskawiczny skok rozwojowy sztucznej inteligencji sprawił, że wiele firm nie zdążyło się na nią przygotować. Jeszcze w 2019 roku zdecydowana większość z nas postrzegała AI jedynie jako technologię niszową, obecną głównie w badaniach i laboratoriach, ewentualnie w medycynie czy branży gamingowej, a w mniejszym stopniu w działach HR lub kilku aplikacjach komercyjnych (na przykład systemach rekomendacji w e-commerce). Dziś jednak modele językowe są już wykorzystywane nawet na poziomie szkoły podstawowej, a w liceach i na uczelniach nauczyciele zastanawiają się, czy i w jakim zakresie dopuszczać narzędzia takie jak ChatGPT do pomocy przy odrabianiu zadań. Z raportów wynika, że od momentu szerszego udostępnienia rozwiązań AI (jak generatory obrazów, platformy kodowania z asystą czy narzędzia do tłumaczeń) co najmniej kilkanaście milionów osób wypróbowało je w ciągu zaledwie kilku miesięcy. Tak dynamiczna adaptacja nowej technologii jest bezprecedensowa.

Popularność dużych modeli językowych i rozgłos wokół nich przyczyniły się do szybkiego wzrostu zainteresowania sztuczną inteligencją, która w błyskawicznym tempie przeniknęła do świata biznesu. Z AI „The 2025 AI Index Report” 22 wynika, że firmy najczęściej sięgały po generatywną AI w obszarach:

• wsparcia działań marketingowych (tzw. marketing strategy content support) – 27%;

• zarządzania wiedzą (knowledge management) – 19%;

• personalizacji – 19%;

• projektowania (design development) – 14%;

• tworzenia kodu (code creation) – 13%.

W dalszej kolejności pojawiają się m.in. automatyzacja interakcji sprzedażowych (13%), integracja generatywnej AI w pracy konsultantów (11%), przyspieszone testowanie rozwiązań (10%) czy wykorzystanie AI w analizie publikacji naukowych (9%).

W obszarze generatywnej AI dominują zastosowania związane z:

• tworzeniem pierwszych wersji tekstów;

• spersonalizowanym marketingiem;

• podsumowaniem dokumentów.

W marketingu i sprzedaży AI służy głównie do przygotowywania spersonalizowanych treści oraz analizy preferencji klientów. Z kolei działy badawczo-rozwojowe skupiają się na projektowaniu nowych produktów (często na etapie koncepcyjnym), a działy obsługi klienta coraz częściej wprowadzają chatboty i wirtualnych asystentów, odciążając pracowników w prostszych zadaniach.

Zgodnie z AI Index 2025, największe oszczędności kosztów dzięki wprowadzeniu systemów AI firmy osiągają w takich obszarach jak:

• dział świadczenia usług – 49%;

• zarządzanie łańcuchem dostaw – 43%;

• inżynieria oprogramowania – 41%.

Natomiast wzrost przychodów najczęściej odnotowuje się w:

• marketingu i sprzedaży – 71%;

• zarządzaniu łańcuchem dostaw – 63%;

• dziale świadczenia usług – 57%.

Niestety, z raportu nie dowiemy się, w jaki dokładnie sposób badane firmy rozumieją „wdrażanie AI” ani co się pod tym kryje. Można jednak przypuszczać, że tak znaczące obniżenie kosztów nie byłoby możliwe bez głębokich, odpowiednio zaplanowanych i ukierunkowanych implementacji.

Skala inwestycji w AI jest bezprecedensowa. Tylko w 2023 roku firmy przeznaczyły na rozwój AI około 154 miliardów dolarów23.

Jednak ta ścieżka rozwoju nie jest jednakowa dla wszystkich. Podczas gdy duże korporacje (jak JPMorgan24 czy Walmart25) inwestują miliony w rozwój rozwiązań AI, małe i średnie przedsiębiorstwa często stoją przed wyzwaniem, jak efektywnie wykorzystać AI przy ograniczonych zasobach.

Badanie Głównego Urzędu Statystycznego „Społeczeństwo informacyjne w Polsce 2024 roku”26 pokazuje, że jedynie 4% małych (skok z 2,2% w 2023 roku) i 10,4% średnich (skok z 6,5%) przedsiębiorstw korzysta z AI.

Bardzo podobna sytuacja jest w USA.

Jak twierdzi Goldman Sachs, przyjęcie sztucznej inteligencji przez firmy w USA w grudniu 2024 roku osiągnęło poziom 6,1%, w porównaniu do 5,9% w trzecim kwartale tego samego roku27.

Według Goldmana duże firmy zatrudniające ponad 250 pracowników mają najwyższy wskaźnik adopcji wynoszący 10%.

Z najnowszych badań „Salesforce SMBs AI trends 2025”28, przeprowadzonych na grupie 3350 liderów małych i średnich przedsiębiorstw, wyłania się dodatkowy, fascynujący obraz transformacji rynku. Aż 91% firm wykorzystujących AI raportuje wzrost przychodów.

Mimo informacji o korzyściach płynących z danych i raportów odnośnie do wdrożeń, nie wszyscy są jednak chętni, by inwestować w te rozwiązania.

Raport „AI Chamber 2024: Rola AI w MŚP”29pokazuje, że niemal 40% małych i średnich firm, które jeszcze nie wprowadziły AI, nie planuje tego w najbliższym czasie.

Te firmy często argumentują, iż nie potrzebują sztucznej inteligencji albo mają inne, pilniejsze priorytety. Dodatkowo, wiele firm jest świadomych niedoskonałości AI. Sztuczna inteligencja potrafi halucynować i gdy zadajemy jej pytanie, podawać odpowiedzi leżące daleko od prawdy. Firmy nauczone doświadczeniem, że wczesne adoptowanie jakiejkolwiek technologii może powodować przestoje w działalności, niechętnie podchodzą do takich rozwiązań.

Dobrze przemyślane wdrożenie AI wiąże się też z wyraźnymi kosztami, zarówno finansowymi, jak i organizacyjnymi, zwłaszcza jeśli w zespole brakuje kompetencji lub do projektu trzeba zatrudnić zewnętrznych specjalistów. Ponadto nierzadko pracownicy wymagają dodatkowego szkolenia, by zrozumieć podstawy technologii i nauczyć się maksymalnie wykorzystywać jej potencjał. Wprowadzenie rozwiązań AI to także konieczność gromadzenia i przetwarzania sporych ilości informacji, co z kolei rodzi pytanie o zgodność z przepisami dotyczącymi ochrony danych osobowych.

Aż 48% badanych MŚP stwierdza, że w ich firmie panuje przywiązanie do tradycyjnych metod pracy i opór przed innowacjami.

To w sumie zrozumiałe, że przy ograniczonych zasobach czasowych i finansowych łatwiej jest zaufać sprawdzonym rozwiązaniom niż eksperymentować z czymś, co może się nie udać. Czy to jednak oznacza, że technologia jest dla MŚP zbyt innowacyjna, niestabilna i niebezpieczna? Nie sądzę. Istota problemu leży w świadomym i odpowiedzialnym podejściu do wdrożenia, co wymaga odnalezienia obszarów, które faktycznie mogą przynieść przedsiębiorstwom korzyści.

Niektóre firmy testują rozwiązania AI we współpracy z zewnętrznymi podmiotami lub konsultantami (z tego rozwiązania korzysta co najmniej 26% badanych), inne decydują się na in-housowe wdrożenia (38%), wierząc, że dzięki temu lepiej zrozumieją technologię i w pełni wykorzystają jej potencjał. Osobiście uważam, że to dobry pomysł i cieszę się, że firmy świadomie szukają własnych dróg i rozwiązań dopasowanych do ich potrzeb i możliwości.

Wdrożenia AI w biegu

Myślę, że mogę śmiało zaryzykować stwierdzenie, że obecnie jesteśmy świadkami globalnego eksperymentu, w którym tysiące firm próbuje „oswoić” AI i włączyć ją w swoje codzienne procesy.

Rok 2024 był okresem prób, podczas których firmy testowały dostępne rozwiązania, często bez długoterminowej strategii. Tylko w tym okresie na świecie pojawiło się aż 6130 znaczących modeli uczenia maszynowego, przy czym:

• niemal 90% z nich powstało w sektorze przemysłowym (industry);

• znikomą część projektów stanowią inicjatywy stricte akademickie;

• rośnie liczba modeli tworzonych w ramach współpracy kilku podmiotów (na przykład industry–academia), choć nadal w większości zajmują się tym duże firmy technologiczne.

W 2024 roku organizacje przeszły do fazy eksperymentów i zaczęły systematycznie badać możliwości AI w różnych obszarach swojej działalności, także z wykorzystaniem własnych małych modeli. Rok 2025 nazywany jest rokiem pierwszych prawdziwych adopcji i szerszego wdrażania sprawdzonych rozwiązań.

Niestety, ciągły wyścig o coraz lepsze i bardziej efektywne modele ma także ciemną stronę. Grono firm (m.in. Google31,32,33,34, Meta35,36, Microsoft37,38, Zoom39, LinkedIn40, Slack41), zaczęło w pewnym momencie naginać zasady etyki i przekraczać granice prywatności swoich użytkowników oraz wykorzystywać dane od nich pochodzące do uczenia własnych modeli językowych. To zniechęciło część użytkowników do korzystania z AI.

Wzrost zapotrzebowania na energię i integracje AI

Rosnące zainteresowanie AI zaowocowało m.in. podpisaniem umowy energetycznej między firmami Microsoft i Constellation Energy42, w wyniku której zobowiązano się do reaktywacji części elektrowni jądrowej Three Mile Island w Pensylwanii. Miejsca najpoważniejszej awarii nuklearnej w historii USA, która wydarzyła się w 1979 roku. Wytworzona energia, 835 megawatów, ma zostać przeznaczona na rozwój systemów opartych na AI. W przeliczeniu, energii wystarczyłoby do zasilenia nawet 700 tysięcy domów.

Równocześnie producenci oprogramowania masowo integrują swoje produkty z rozwiązaniami największych firm na rynku takimi jak OpenAI czy Gemini. Działy bezpieczeństwa w wielu organizacjach biją jednak na alarm, gdyż nie ma pewności, co dzieje się z danymi przekazywanymi do tych modeli i w jaki sposób są one przechowywane.

Bezpieczeństwo wdrożeń

Doświadczenia w organizacjach pokazują, że implementacja sztucznej inteligencji zawsze oznacza zarówno szanse, jak i zagrożenia. Z jednej strony obserwujemy fascynujące możliwości rozwoju, które oferuje, z drugiej coraz głośniej słychać wezwania do tego, by bardziej zatroszczyć się o bezpieczeństwo i niezawodność systemów AI. W końcu czy mamy stuprocentową pewność, że wdrożona technologia będzie bezpieczna?

„Ups, pracownicy Samsunga przypadkowo ujawnili tajemnice przedsiębiorstwa za pośrednictwem ChatGPT”, brzmiał jeden z setek podobnych nagłówków prasowych, gdy świat dowiedział się o wycieku43.

W najnowszych badaniach dotyczących AI podkreśla się rosnące znaczenie kwestii bezpieczeństwa algorytmów, danych i całej infrastruktury cyfrowej.

W ciągu ostatnich lat liczba zgłoszeń konferencyjnych poświęconych bezpieczeństwu i niezawodności AI wzrosła o 70,4%44. Co więcej, aż 47% badanych organizacji przyznaje, że incydenty z zakresu cyberbezpieczeństwa stanowią dla nich realne zagrożenie.

Uri Gal, profesor badający systemy informacji biznesowej na University of Sydney Business School, powiedział w jednym z wywiadów udzielonych IT Brew, że ryzyko, iż dane przesłane do generatywnych narzędzi sztucznej inteligencji, takich jak ChatGPT, znajdą się w przyszłych wynikach osób postronnych, jest bardzo niepokojące45.

Słowa te potwierdziły badania przeprowadzone przez Google, ETH Zurich i Cornell, które dotyczyły zapamiętywania danych w LLM i wykazały, że modele bez środków ochronnych, takich jak filtry, które zapobiegają przed wyprowadzaniem dosłownych odpowiedzi, często odtwarzają tekst bezpośrednio z danych, które służyły do ich trenowania46. Jeśli więc Twoja firma korzysta z zewnętrznych narzędzi wykorzystujących firmowe dane do dalszego szkolenia modeli, istnieje wysokie ryzyko ich wycieku.

Podobne obawy wzbudzają statystyki z bazy incydentów AIID47, która śledzi przypadki nadużyć spowodowane nadmiernym zaufaniem wobec sztucznej inteligencji. Do najbardziej powszechnych należy oddanie kontroli AI nad autonomicznym samochodem, co powoduje śmiertelny wypadek lub bezrefleksyjne korzystanie z systemów rozpoznawania twarzy prowadzące do niesłusznych aresztowań.

Według najnowszych danych w 2024 roku odnotowano 233 szkodliwe dla człowieka incydenty powiązane z działaniem systemów sztucznej inteligencji, co stanowi o 56,4% więcej niż w roku poprzednim48. Badacze zauważają narastające wyzwania związane z bezpieczeństwem i zarządzaniem ryzykiem w obszarze AI, szczególnie w przypadku zastosowania jej w obszarach o wysokim stopniu wrażliwości.

Podobnie jak bezpieczeństwo, inną istotną kwestią jest niezawodność wdrażanych systemów.

Wedle badań aż 45% organizacji postrzega niezawodność systemów jako jedno z największych wyzwań we wdrażaniu sztucznej inteligencji. Warto jednak dodać, że tylko 13% respondentów przyznało, iż w pełni zastosowało wszystkie proponowane środki mające ograniczać ryzyko błędnych wyników czy tzw. halucynacji modeli49.

Rosnąca ilość barier legislacyjnych

Z raportu „The 2024 AI Index Report”50 wynika, że 86% respondentów popiera wprowadzenie globalnych regulacji dotyczących generatywnej sztucznej inteligencji. Część badaczy i liderów wskazuje na potrzebę międzynarodowej współpracy, by zapobiec tzw. wyścigowi zbrojeń w obszarze AI. Nie dziwi więc fakt, że temat AI dość szybko przykuł uwagę polityków, co z kolei sprawiło, że liczba przepisów dotyczących sztucznej inteligencji w Stanach Zjednoczonych i Unii Europejskiej zaczęła gwałtownie wzrastać51:

• W Stanach Zjednoczonych w 2024 roku na szczeblu federalnym wprowadzono 59 przepisów dotyczących AI (wobec 25 rok wcześniej). Zajęły się nimi 42 różne agencje – dwukrotnie więcej niż w roku 2023.

• Liczba stanowych ustaw w USA dotyczących sztucznej inteligencji wzrosła z 49 w 2023 roku do 131 w 2024 roku (przy czym w 2016 roku obowiązywała tylko jedna).

• W Unii Europejskiej trwały prace nad AI Act, który formalnie uzgodniono w 2024 roku i który ma wejść w życie w kolejnych latach.

• Na świecie rosła liczba wzmianek o AI w ustawodawstwach: według „The 2025 AI Index Report” w 2024 roku parlamentarzyści w 75 krajach omawiali zagadnienia związane z AI – to wzrost o 21,3% względem roku 2023.

• Częstotliwość globalnych dyskusji ustawodawczych o AI wzrosła ponad dziewięciokrotnie od 2016 roku.

Wprowadzenie nowych regulacji wiąże się z dodatkowymi obowiązkami nie tylko dla producentów rozwiązań AI, lecz także dla firm planujących jej wdrożenie. Co ciekawe, w raporcie zaakcentowano rosnące poparcie dla regulacji AI wśród lokalnych decydentów w USA (na przykładzie władz miast, hrabstw i stanów). W 2023 roku 73,7% z nich deklarowało, że: „AI powinna zostać uregulowana”52, co oznacza istotny wzrost w porównaniu z 55,7% w roku 2022.

Wystudzenie emocji

Początkowy entuzjazm wokół AI z czasem zaczął nieco słabnąć. Firmy i klienci coraz ostrożniej podchodzą do możliwości tej technologii.

Wielokrotnie, czy to w trakcie rozmów z menadżerami, podczas mentorowania młodych przedsiębiorców, czy nawet w mailach, które dostaję od czytelników swojego bloga, spotkałem się z deklaracjami ze strony liderów, że chcą oni wdrożyć sztuczną inteligencję w wybranym, a najlepiej w każdym obszarze swojej firmy. Wielu z nich z początku zachwycało się obiecanymi możliwościami narzędzi, ich organizacje, zespoły i zarządy podkreślały pełną gotowość na rewolucję, a potem, po wdrożeniu AI, zderzyli się z brutalną rzeczywistością.

Zazwyczaj, gdy ktoś chce wdrożyć sztuczną inteligencję dlatego, że przeczytał o tym, że to modne, reaguję zaniepokojeniem. Szczególnie gdy słyszę, że zarząd lub menadżer liczą na natychmiastową automatyzację jakichś działań, chcą w kilka tygodni wprowadzić uczenie maszynowe do procesów produkcyjnych lub marzą o chatbotach, które rozwiążą wszelkie wewnętrzne problemy firmy i nie trzeba będzie już rozmawiać z klientami czy prowadzić rozmów rozwojowych z pracownikami.

W kontrze zadaje im pytania:

• Czy na pewno Twoja firma jest na to gotowa i przeszliście cały proces zrozumienia swoich danych, procesów, ich digitalizacji, optymalizacji czy automatyzacji?

• Czy zdajesz sobie sprawę, że wedle badań Accenture jedynie 12% firm osiągnęło dojrzałość w zakresie sztucznej inteligencji i jest gotowych na jej adopcję?53

Wspomniane przeze mnie badanie pokazuje jeszcze jeden bardzo ważny aspekt. Organizacje, które z sukcesem zaadaptowały AI, zrobiły to nie dzięki narzędziom, lecz, uwaga, takim „nudnym” czynnikom jak:

• spójna strategia;

• rozwinięta kultura organizacyjna, która wspiera innowacje;

• kompleksowe przygotowanie danych i procesów.

Warto pamiętać, że technologia sama w sobie nie działa tak, że od dnia zero wszystko będzie bardziej optymalne, zautomatyzowane, a firma wypracuje sobie przewagę konkurencyjną. W rzeczywistości brak solidnych fundamentów działań będzie prowadzić do kosztownych błędów i rozczarowań. W każdej organizacji potrzebna jest poważna rozmowa o tym, gdzie AI może realnie pomóc, ale także, z jakimi ograniczeniami, które blokują jej wprowadzenie, należy się liczyć. A to drugie bywa potężne.

W raporcie BCG, w którym przeanalizowano 895 transformacji cyfrowych, podkreślono, że aż 70% z nich zakończyło się niepowodzeniem lub nie przyniosło oczekiwanych rezultatów54.

Badacze także i w tej ekspertyzie nie pozostawiają złudzeń. Jeśli firmie brakuje podstawowych fundamentów działań jak strategia dotycząca danych, kompetentne przywództwo czy spójna wizja rozwoju, sama AI nie zdoła „wyciągnąć” jej na wyższy poziom.

Inne najnowsze statystyki też nie są optymistyczne.

Około 75% inicjatyw AI nie kończy się sukcesem55