AI w polskich firmach: Entuzjazm jest, brakuje strategii i kompetencji

Katgoria: WIADOMOŚCI / Utworzono: 01 kwiecień 2025

POLECAMY
AI

AI w polskich firmach: Entuzjazm jest, brakuje strategii i kompetencji

Sztuczna inteligencja (AI) nie jest już futurystyczną wizją rodem z powieści science fiction. To technologiczna rewolucja, która na naszych oczach przekształca globalną gospodarkę, otwierając przed przedsiębiorstwami bezprecedensowe możliwości optymalizacji, innowacji i budowania trwałej przewagi konkurencyjnej. Polski biznes wydaje się dostrzegać ten historyczny moment – deklarowane zainteresowanie AI i nowymi technologiami jest wysokie, a w rozmowach menedżerów coraz częściej pojawia się wątek transformacji cyfrowej. Jednak optymizm i chęci to jedno, a rzeczywistość biznesowa drugie.

REKLAMA

Najnowsze badanie Algolytics "Ocena dojrzałości polskich firm w obszarze analizy danych i AI" (marzec 2025) rzuca na te aspiracje znacznie bardziej pragmatyczne światło. Analiza, przeprowadzona na reprezentatywnej próbie 756 przedstawicieli polskich firm, pokazuje wyraźnie: między deklarowanym entuzjazmem a faktycznym, strategicznym wykorzystaniem AI w Polsce zieje głęboka przepaść. Dlaczego mimo powszechnej świadomości potencjału AI, polskie firmy wciąż pozostają w tyle za europejskimi liderami? Co realnie hamuje adopcję tej przełomowej technologii?

Entuzjazm zderza się z rzeczywistością: Twarde dane o adopcji AI

Autorzy raportu Algolytics słusznie zauważają we wstępie: „Na pewno cieszy entuzjazm i pozytywne tendencje, które obserwujemy – pokazują one, że polskie firmy, a przede wszystkim ich pracownicy, chcą zmian i widzą ich potrzebę”. Ten duch optymizmu jest niewątpliwie ważnym punktem wyjścia. Niestety, kiedy przyjrzymy się twardym danym, obraz staje się znacznie mniej różowy.

Raport przytacza dane Eurostatu dotyczące roku 2024, które są brutalnie szczere: zaledwie 5,9% polskich firm deklarowało korzystanie z co najmniej jednej technologii opartej na sztucznej inteligencji. To wynik zatrważająco niski, plasujący Polskę na przedostatnim miejscu w Unii Europejskiej, gdzie średnia adopcja AI wynosiła wówczas 13,48%. Wyprzedziliśmy jedynie Rumunię (3,1%). Choć w stosunku do roku poprzedniego (3,67%) odnotowaliśmy znaczący wzrost (ponad 60%), dystans do europejskiej czołówki (jak Dania czy Szwecja, gdzie wskaźniki przekraczają 25%) pozostaje ogromny. Jak trzeźwo konkludują autorzy raportu: „gdyby te wszystkie wzrosty w pełni oddawałyby rzeczywistość, Polska i polskie firmy byłby w czołówce europejskich rankingów”.

Jednak samo wdrożenie pojedynczego narzędzia AI to jeszcze nie strategiczna dojrzałość. Badanie Algolytics idzie dalej, pytając o podejście firm do tej technologii. Wyniki są jednoznaczne: tylko 20,3% ankietowanych organizacji podchodzi do wykorzystania AI w sposób strategiczny, obejmujący całą firmę. Znacznie częściej (47,3%) implementacje mają charakter lokalny – ograniczają się do wybranych departamentów lub konkretnych procesów. Co równie niepokojące, aż jedna trzecia (32,4%) firm przyznaje, że w ogóle nie inwestuje w sztuczną inteligencję i nie posiada żadnych znaczących kompetencji w tym obszarze. To pokazuje, że dla wielu polskich przedsiębiorstw AI pozostaje wciąż bardziej hasłem marketingowym niż realnym elementem strategii biznesowej.

Pięć kluczowych barier hamujących polską rewolucję AI

Co stoi na przeszkodzie, by polskie firmy, mimo deklarowanego entuzjazmu, skuteczniej wdrażały i wykorzystywały potencjał sztucznej inteligencji? Raport Algolytics, analizując zarówno obszar danych (który jest niezbędnym paliwem dla AI), jak i samą technologię, identyfikuje pięć głównych, często wzajemnie powiązanych barier:

Wszechobecny deficyt kompetencji: To najczęściej wskazywany hamulec rozwoju, zarówno w kontekście analizy danych, jak i wdrażania AI. Problem jest wielowymiarowy. Z jednej strony brakuje wyspecjalizowanych kadr technicznych – data scientistów, inżynierów AI, ekspertów od uczenia maszynowego. Z drugiej, i być może nawet ważniejszej, strony obserwujemy niskie kompetencje cyfrowe i analityczne wśród „zwykłych” pracowników biznesowych oraz kadry zarządzającej. Raport przypomina alarmujące dane Eurostatu: w 2023 roku tylko 44,3% Polaków posiadało podstawowe lub wyższe umiejętności cyfrowe (przy celu UE na 2030 rok wynoszącym 80%). Ten ogólnospołeczny problem bezpośrednio rzutuje na firmy. Aż trzy czwarte pracowników (75%) nie potrafi jednoznacznie ocenić kompetencji swojej organizacji w obszarze danych i analityki. Brakuje fundamentalnego zrozumienia, jak interpretować dane, jak zadawać właściwe pytania i jak wykorzystać potencjał AI w codziennych zadaniach. Co więcej, badanie ujawnia znaczącą lukę w percepcji między różnymi szczeblami organizacji. Menedżerowie i kadra wyższego szczebla często znacznie optymistyczniej oceniają poziom wykorzystania danych i kompetencji, niż ma to miejsce w odczuciu pracowników operacyjnych. Ta dysproporcja może prowadzić do nierealistycznych oczekiwań i frustracji. W kontekście samych projektów AI, brak kompetencji w zespołach biznesowych (wskazany jako bariera przez 18,9% respondentów) i technicznych (16,5%) jest jednym z najpoważniejszych ograniczeń.
Brak jasnej strategii i realnego wsparcia: Firmy mogą deklarować zainteresowanie AI, ale bez klarownej, dobrze zakomunikowanej strategii, która łączy technologię z konkretnymi celami biznesowymi, pozostaje ono jedynie pustą deklaracją. Jak pokazało badanie, tylko co piąta firma podchodzi do AI strategicznie. Zamiast tego dominują wdrożenia oddolne, eksperymentalne, często ograniczone do jednego działu (np. IT lub marketingu), bez szerszego spojrzenia, integracji i planu skalowania. Brakuje również często solidnych fundamentów w postaci Data Governance – spójnych zasad zarządzania danymi, ich jakością, dostępnością i bezpieczeństwem. Bez uporządkowanego „podwórka danych”, zaawansowane wdrożenia AI przypominają „budowanie domu na piasku” – są ryzykowne i nietrwałe. Niezbędne jest również realne wsparcie ze strony zarządu, które wykracza poza deklaracje. Chodzi o nadanie projektom AI odpowiedniego priorytetu, zapewnienie niezbędnych zasobów (finansowych i ludzkich) oraz konsekwentne egzekwowanie realizacji strategii.
Ograniczone zasoby: Budżet i Technologia: Pieniądze i technologia to kolejne istotne wąskie gardła. Niedopasowany lub niewystarczający budżet to kluczowe ograniczenie wymieniane przez respondentów zarówno przy projektach analitycznych (22%), jak i przy projektach AI (21,4%). Brakuje środków na inwestycje w licencje na oprogramowanie, nowoczesną infrastrukturę (serwery, chmura), ale także, co równie ważne, na szkolenia i rozwój kompetencji pracowników. Problemem są również niewystarczające zasoby techniczne (wskazane jako bariera przy AI przez 21,2%) – przestarzały sprzęt, brak odpowiednich platform danych, niewystarczająca moc obliczeniowa do trenowania zaawansowanych modeli AI.
Fundament: Problemy z Danymi: To truizm, ale wciąż aktualny: sztuczna inteligencja, zwłaszcza systemy uczące się (machine learning), jest tak dobra, jak dane, na których została wytrenowana. Niska jakość danych, ich fragmentaryzacja, niespójność, brak dostępności i trudności w integracji z różnych systemów to fundamentalne problemy, które hamują nie tylko rozwój zaawansowanej analityki, ale przede wszystkim uniemożliwiają efektywne i wiarygodne wdrożenia AI. Zanim firmy zaczną na szeroką skalę implementować algorytmy AI, muszą zainwestować czas i środki w uporządkowanie swoich zasobów danych.
Czynniki ludzkie: Obawy i Kultura Organizacyjna: Technologia to nie wszystko. Raport Algolytics wyraźnie pokazuje, jak istotną rolę odgrywają czynniki ludzkie. Aż 32,5% respondentów obawia się, że szersze zastosowanie AI może doprowadzić do przejęcia ich obowiązków i w konsekwencji do zwolnień. Niemal tyle samo (31,3%) wskazuje na własny brak wiedzy i kompetencji jako barierę w korzystaniu z AI na co dzień. Co więcej, 28,6% obawia się, że większe wykorzystanie danych i AI może ujawnić ich brak efektywności lub błędy. Te lęki, często podsycane brakiem transparentnej komunikacji ze strony kierownictwa oraz naturalnym oporem przed zmianą, tworzą kulturę organizacyjną nieprzyjazną dla innowacji i eksperymentowania.

Pierwsze kroki w świecie AI: Gdzie zaczynają polskie firmy?

Pomimo wymienionych barier, obraz nie jest wyłącznie negatywny. 71,6% firm, które zadeklarowały korzystanie z AI, wskazało na konkretne technologie. Najczęściej wdrażane lub testowane są:

Generowanie języka naturalnego (GenAI, LLM np. ChatGPT): 30,8% respondentów. Popularność tych narzędzi, łatwość dostępu i szerokie możliwości zastosowania (od tworzenia treści po wsparcie obsługi klienta) sprawiają, że jest to często pierwszy kontakt firm z AI.
Analiza i wnioskowanie z tekstu (text mining, NLP): 29,0%. Technologie te pozwalają na automatyczną analizę dużych ilości danych tekstowych, np. opinii klientów, recenzji produktów czy dokumentów.
Automatyzacja procesów (np. Robotic Process Automation – RPA): 23,9%. Choć RPA nie zawsze jest klasyfikowane jako "czyste" AI, często wykorzystuje jego elementy i służy do automatyzacji powtarzalnych zadań.
Uczenie maszynowe do analizy danych: 20,5%. To serce wielu zaawansowanych zastosowań AI, od systemów rekomendacyjnych po predykcje ryzyka.

Jeśli chodzi o działy, które najaktywniej eksplorują możliwości AI, na czoło wysuwają się: IT (56,7% projektów w fazie testów lub wdrożonych), Analiza Danych i Business Intelligence (53,5%), Obsługa Klienta (51,9%) oraz Rozwój Produktów i Usług (50,3%). Są to zazwyczaj obszary, gdzie potencjalne korzyści z wdrożenia AI są najbardziej namacalne (np. optymalizacja kosztów, poprawa jakości obsługi, szybsze wprowadzanie innowacji) lub gdzie istnieje już pewna baza kompetencyjna związana z danymi i technologią.

Droga do dojrzałości AI: Od entuzjazmu do strategicznej przewagi

Badanie Algolytics stawia Polskę na rozdrożu ery AI. Mamy świadomość potencjału i deklarowany entuzjazm, ale brakuje nam strategicznego myślenia, głębokich kompetencji i solidnych fundamentów danych, aby skutecznie konkurować z europejską i światową czołówką. Jakie kroki są niezbędne, aby polskie firmy mogły przejść od początkowego entuzjazmu do budowania realnej, trwałej wartości opartej na AI?

Strategia na Pierwszym Miejscu: Koniec z chaotycznymi eksperymentami. Potrzebne jest opracowanie jasnej, długoterminowej strategii AI, która będzie integralną częścią strategii biznesowej firmy. Musi ona definiować cele, priorytety, obszary zastosowań i mierniki sukcesu, a także być skutecznie zakomunikowana na wszystkich szczeblach organizacji.
Człowiek w Centrum – Inwestycja w Kompetencje: Bez ludzi żadna technologia nie zadziała. Podniesienie kompetencji cyfrowych, analitycznych i specyficznych dla AI jest absolutnie kluczowe. Oznacza to strategiczne inwestycje w szkolenia, programy reskillingowe i upskillingowe, ale także budowanie kultury organizacyjnej opartej na danych, promującej ciekawość, dzielenie się wiedzą i bezpieczne eksperymentowanie. Niezbędne jest również aktywne adresowanie obaw pracowników poprzez transparentną komunikację i pokazanie, jak AI może wspierać, a nie zastępować ich pracę.
Solidne Fundamenty Danych: Powtórzmy: nie ma skutecznego AI bez dobrych danych. Poprawa jakości danych, wdrożenie spójnych zasad Data Governance oraz inwestycje w nowoczesną, skalowalną infrastrukturę danych (np. platformy chmurowe, data lake) muszą stać się absolutnym priorytetem.
Mądre Finansowanie i Zaangażowanie Liderów: Realizacja ambitnej strategii AI wymaga odpowiedniego, często znaczącego, budżetu oraz realnego, widocznego zaangażowania i wsparcia ze strony kadry zarządzającej. Warto przyjąć podejście iteracyjne: zaczynać od mniejszych projektów pilotażowych w obszarach o wysokim potencjale ROI, które udowodnią wartość technologii, zbudują zaufanie i pozwolą zdobyć doświadczenie przed przejściem do wdrożeń na szeroką skalę.
Nawigacja w Gąszczu Regulacji: Nadchodzący AI Act, w połączeniu z istniejącymi regulacjami jak RODO/GDPR, tworzy nowe wyzwania prawne. Firmy muszą proaktywnie przygotować się na nowe wymogi, świadomie podchodzić do kwestii etyki, transparentności, odpowiedzialności i bezpieczeństwa wdrażanych systemów AI.

AI - Konieczność, nie opcja

Raport Algolytics "Ocena dojrzałości polskich firm w obszarze analizy danych i AI" dostarcza bezcennego, choć momentami otrzeźwiającego, obrazu polskiej rzeczywistości AI. Sam entuzjazm, choć potrzebny, nie przełoży się na sukces. Potrzebujemy fundamentalnej zmiany – przejścia od powierzchownego zainteresowania do głębokiego, strategicznego zaangażowania. Wymaga to odwagi w podejmowaniu decyzji, gotowości do inwestowania w ludzi i technologię oraz budowania kultury organizacyjnej otwartej na dane i innowacje.

Jak trafnie podsumowują autorzy raportu: "Dane i AI to dziś nie opcja, a konieczność". Każdy dzień zwłoki to nie tylko utrwalanie dystansu do liderów, ale przede wszystkim generowanie realnych kosztów – utraconych szans na optymalizację, niezadowolonych klientów i słabnącej pozycji konkurencyjnej. Polska ma potencjał, by stać się znaczącym graczem w erze AI, ale wymaga to natychmiastowego, świadomego i skoordynowanego wysiłku ze strony biznesu, sektora edukacji i administracji publicznej. Czas na działanie jest teraz.

Najnowsze wiadomości

Europejski przemysł cyfryzuje się zbyt wolno – ERP, chmura i AI stają się koniecznością

Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.

Czytaj całość

Nowa era komunikacji biznesowej, KSeF stał się faktem

Od 1 lutego 2026 roku, w Polsce z sukcesem rozpoczęła się nowa era elektronicznej komunikacji w biznesie. Od tego dnia przedsiębiorcy zaczynają posługiwać się wspólnym standardem we wzajemnej wymianie dokumentów – fakturą ustrukturyzowaną, znaną jako FA(3) lub po prostu faktura KSeF.

Czytaj całość

Smart Factory w skali globalnej: jak MOWI porządkuje produkcję dzięki danym w czasie rzeczywistym

Cyfryzacja produkcji w skali globalnej wymaga dziś spójnych danych, jednolitych standardów i decyzji podejmowanych w czasie rzeczywistym. W środowisku rozproszonych zakładów produkcyjnych tradycyjne raportowanie i lokalne narzędzia IT przestają wystarczać. Przykład MOWI pokazuje, jak wdrożenie rozwiązań Smart Factory i systemu MES może uporządkować zarządzanie produkcją w wielu lokalizacjach jednocześnie, zwiększając przejrzystość procesów, efektywność operacyjną oraz stabilność jakości.

Czytaj całość

Hakerzy nie kradną już tylko haseł. Oni kradną Twój czas i przyszłość. Jak chronić ERP przed paraliżem?

Hakerzy coraz rzadziej koncentrują się wyłącznie na kradzieży haseł. Ich prawdziwym celem jest dziś sparaliżowanie kluczowych systemów biznesowych, przejęcie kontroli nad danymi i wymuszenie kosztownych decyzji pod presją czasu. System ERP, jako centralny punkt zarządzania finansami, produkcją i logistyką, stał się dla cyberprzestępców najbardziej atrakcyjnym celem. Ten artykuł pokazuje, dlaczego tradycyjne zabezpieczenia przestają wystarczać i jak realnie chronić ERP przed atakami, które mogą zatrzymać firmę z dnia na dzień.

Czytaj całość

PSI automatyzuje logistykę Rossmanna: Wdrożenie WMS i MFC w Czechach

Nowoczesne centrum logistyczne Rossmann w Czechach to przykład, jak strategiczne inwestycje w automatykę i systemy IT wspierają skalowanie biznesu w handlu detalicznym. Projekt realizowany przez PSI Polska obejmuje wdrożenie zaawansowanego systemu WMS oraz sterowania przepływem materiałów, tworząc w pełni zintegrowane środowisko dla obsługi rosnących wolumenów sprzedaży i dynamicznego rozwoju e-commerce. To wdrożenie pokazuje, jak technologia staje się fundamentem efektywnej, przyszłościowej logistyki.

Czytaj całość

RAPORT ERP

Katalog rozwiązań IT

Katalog firm

Najnowsze artykuły

Magazyn bez błędów? Sprawdź, jak system WMS zmienia codzienność logistyki

Współczesna logistyka wymaga nie tylko szybkości działania, lecz także maksymalnej precyzji – to właśnie te czynniki coraz częściej decydują o przewadze konkurencyjnej firm. Nawet drobne pomyłki w ewidencji stanów magazynowych, błędy przy przyjmowaniu dostaw czy nieprawidłowe rozmieszczenie towarów, mogą skutkować poważnymi stratami finansowymi i opóźnieniami w realizacji zamówień. W jaki sposób nowoczesne rozwiązania do zarządzania pomagają unikać takich sytuacji? Czym właściwie różni się tradycyjny system magazynowy od zaawansowanych rozwiązań klasy WMS (ang. Warehouse Management System)? I w jaki sposób inteligentne zarządzanie procesami magazynowymi realnie usprawnia codzienną pracę setek firm?

Czytaj całość

Jak maksymalizować zyski z MTO i MTS dzięki BPSC ERP?

Zysk przedsiębiorstwa produkcyjnego zależy nie tylko od wydajności maszyn, ale przede wszystkim od precyzyjnego planowania, realnych danych i umiejętnego zarządzania procesami. Dlatego firmy, które chcą skutecznie działać zarówno w modelu Make to Stock (MTS), jak i Make to Order (MTO), coraz częściej sięgają po rozwiązania klasy ERP, takie jak BPSC ERP.

Czytaj całość

Warsztaty analityczne i sesja discovery. Jak wygląda pierwszy etap współpracy z partnerem wdrożeniowym ERP

Wdrożenie systemu ERP to jedna z najważniejszych strategicznych decyzji, jakie może podjąć firma. To inwestycja, która ma zrewolucjonizować procesy, zwiększyć efektywność i dać przewagę konkurencyjną. Jednak droga do sukcesu jest pełna potencjalnych pułapek. Wielu menedżerów obawia się nieprzewidzianych kosztów, oporu zespołu czy niedopasowania systemu do realnych potrzeb. Jak zminimalizować to ryzyko? Kluczem jest solidne przygotowanie. Zanim padnie słowo „wdrażamy”, konieczne jest przeprowadzenie trzech fundamentalnych etapów: warsztatów analitycznych, sesji discovery oraz analizy przedwdrożeniowej ERP. To nie są zbędne formalności, ale fundament, na którym zbudujesz sukces całego projektu.

Czytaj całość

Strategia migracji danych do nowego systemu ERP. Metody, ryzyka i najlepsze praktyki

Wdrożenie nowego systemu ERP to dla wielu firm nie tylko krok w stronę unowocześnienia procesów biznesowych, ale także ogromne przedsięwzięcie logistyczne i technologiczne. Aby nowy system ERP zaczął efektywnie wspierać działalność organizacji, kluczowe jest odpowiednie przygotowanie danych, które muszą zostać bezpiecznie i precyzyjnie przeniesione ze starego systemu. Migracja danych ERP to skomplikowany proces, wymagający zarówno zaawansowanej wiedzy technologicznej, jak i dokładnego planowania na poziomie strategicznym. W tym artykule przybliżymy najlepsze metody, wskażemy najczęstsze ryzyka oraz podpowiemy, jak przeprowadzić migrację krok po kroku.

Czytaj całość

Strategiczna przewaga czy kosztowny mit? Kto wygrywa dzięki chmurze?

Chmura miała być odpowiedzią na wyzwania sektora finansowego: przestarzałą infrastrukturę, rozproszone dane, rosnące oczekiwania klientów i klientek. Dziś korzysta z niej już 91% instytucji, a mimo to tylko nieliczne mówią o realnych efektach. Zaledwie 12% firm maksymalizuje potencjał chmury – tworzy skalowalne platformy, wdraża GenAI, monetyzuje dane. Reszta? Często grzęźnie w kosztach, integracjach i braku kompetencji. Różnica nie tkwi w technologii, ale w strategii – i to ona może zadecydować o miejscu w sektorze, który właśnie wchodzi w kolejną fazę transformacji.

Czytaj całość