Choć liczba projektów AI w przedsiębiorstwach rośnie, wdrożenia wciąż grzęzną w fazie pilotażowej. Coraz więcej liderów IT deklaruje chęć wykorzystania sztucznej inteligencji do poprawy doświadczeń klientów i zwiększenia konkurencyjności, ale rzeczywistość pokazuje, że AI pozostaje w wielu firmach obietnicą, a nie przewagą.
Z raportu Rackspace Technology wynika, że przeciętna firma prowadzi dziś aż 21 projektów AI w środowisku produkcyjnym. Liczba ta ma wzrosnąć jeszcze w tym roku. Dwie trzecie badanych decydentów IT przewiduje zwrot z inwestycji w ciągu najbliższych dwóch lat, a kolejne 26% – w perspektywie trzech do pięciu lat. To sugeruje, że optymizm wokół AI nadal dominuje. Jednocześnie dane pokazują, że samo uruchomienie projektów nie oznacza ich powodzenia – skalowalność i realna użyteczność to nadal pięta achillesowa wdrożeń.
Więcej projektów, więcej frustracji
Wzrost liczby projektów AI niekoniecznie idzie w parze z ich jakością. Przedsiębiorstwa często eksperymentują z różnymi formami AI – od automatyzacji procesów po generatywne modele językowe – ale wiele z tych inicjatyw kończy się na etapie pilotażowym. Rackspace alarmuje, że niemal 70% liderów IT wciąż zmaga się z barierami wdrożeniowymi i problemami ze skalowaniem rozwiązań AI.
Wśród największych przeszkód pojawiają się: brak gotowych do wdrożenia przypadków użycia, rozbieżności między działami biznesowymi a IT, a także niepewność regulacyjna, zwłaszcza w zakresie prywatności danych. To wszystko powoduje, że wiele firm „nurkuje” w AI bez jasnego planu wypłynięcia na powierzchnię z produkcyjnym rozwiązaniem.
Od pilota do produkcji – długa droga
Z raportu wynika, że jedynie mniejszość firm jest dziś w stanie z sukcesem wprowadzać generatywne AI do szerokiej produkcji. Około 40% przedsiębiorstw nadal testuje rozwiązania oparte na agentach AI, takich jak chatboty czy wirtualni asystenci. Blisko 30% badanych firm czeka z decyzjami, obserwując rynek i rozwój regulacji.
To oznacza, że mimo marketingowego szumu wokół narzędzi takich jak ChatGPT czy Copilot, w praktyce wiele firm podchodzi do generatywnej AI z rezerwą. Presja ze strony dostawców technologii – którzy promują AI jako rozwiązanie na wszystko – coraz częściej zderza się z rzeczywistością kosztów, kompetencji i trudnych do przewidzenia ryzyk.
AI jako wskaźnik sukcesu – ale jak go zmierzyć?
Liderzy IT coraz częściej definiują sukces wdrożeń AI przez pryzmat poprawy doświadczeń klientów, zwrotu z inwestycji oraz uzyskania przewagi konkurencyjnej. Problem w tym, że te wskaźniki są trudne do zmierzenia w krótkim czasie i często rozmywają się w szumie organizacyjnym.
Brakuje natomiast twardych metryk, takich jak skrócenie czasu obsługi klienta, redukcja kosztów operacyjnych czy zwiększenie przychodów dzięki konkretnym rozwiązaniom AI. W efekcie łatwo o sytuację, w której firmy deklarują sukces – choć niekoniecznie potrafią go udokumentować.
Strategia, nie moda
Dane z rynku potwierdzają, że sukces w AI nie jest dziełem przypadku. Firmy, które osiągają największe korzyści z technologii, to zazwyczaj te, które już wcześniej inwestowały w dane, automatyzację i integrację systemów. Ich strategie AI są częścią szerszej transformacji cyfrowej, a nie jednorazową inicjatywą wspartą entuzjazmem zarządu.
Dla reszty rynku oznacza to jedno: czas eksperymentów dobiega końca. Coraz więcej organizacji staje przed koniecznością uporządkowania portfela projektów, zdefiniowania priorytetów i zderzenia planów z rzeczywistością zasobów – finansowych, technologicznych i kadrowych.
Sztuczna inteligencja z pewnością pozostanie jednym z głównych obszarów inwestycji w IT. Ale nadchodzi faza, w której mniej znaczy więcej – lepiej mieć dwa działające projekty AI niż 20 pilotażowych eksperymentów bez realnego wpływu na biznes.
W tym kontekście sukcesy nie będą zależeć od liczby linii kodu napisanych przez agenta AI, lecz od tego, czy rozwiązania te wpisują się w konkretny model biznesowy, potrafią się skalować i przynoszą realne korzyści. Na razie – według raportu Rackspace – tylko nieliczne firmy są w stanie to osiągnąć.
