Sztuczna inteligencja jest dziś jednym z najgłośniejszych tematów w polskim biznesie. Jest na konferencjach, w strategiach, prezentacjach, postach na LinkedInie i rozmowach o produktywności. Problem w tym, że między językiem rynku a praktyką firm wciąż istnieje wyraźna luka. Polska nie ma dziś kłopotu z zainteresowaniem AI. Ma kłopot z przełożeniem tego zainteresowania na procesy, odpowiedzialność i wynik.
Według danych Eurostatu w 2025 roku z technologii AI korzystało 20 proc. przedsiębiorstw w Unii Europejskiej. W Polsce było to 8,4 proc. GUS, przy krajowej metodologii, pokazuje podobny obraz: 8,7 proc. firm deklarujących wykorzystanie AI. To wzrost wobec poprzedniego roku, ale nie zmienia najważniejszego wniosku. Polska nadal znajduje się bliżej końca europejskiej stawki niż jej środka.
Ten wynik łatwo byłoby odczytać jako prostą opowieść o technologicznym zapóźnieniu. Byłoby to jednak zbyt wygodne i nie do końca prawdziwe. Polska ma silny sektor IT, dużą pulę kompetencji inżynierskich, rozwinięte centra usług, dynamiczny e-commerce, bankowość cyfrową i firmy, które potrafią budować złożone systemy technologiczne. Paradoks polega na tym, że kraj zdolny do tworzenia technologii niekoniecznie równie szybko wdraża ją szeroko w gospodarce.
To luka organizacyjna.
Największa różnica nie przebiega między firmami, które słyszały o AI, i tymi, które nie słyszały. Przebiega między tymi, które eksperymentują, i tymi, które potrafią zamienić eksperyment w powtarzalny model działania. Wiele organizacji ma już za sobą pierwsze testy: teksty generowane przez AI, automatyzację prostych analiz, chatboty, wsparcie sprzedaży, obsługi klienta, marketingu albo HR. Tyle że pilotaż nie jest jeszcze wdrożeniem. A wdrożenie nie jest jeszcze transformacją.
Strategia zaczyna się dopiero wtedy, gdy AI zostaje przypisane do konkretnego procesu, właściciela i miernika. Czy skraca czas obsługi klienta? Czy zmniejsza liczbę błędów? Czy poprawia konwersję? Czy ogranicza koszt operacji? Czy pozwala szybciej podejmować decyzje? Jeśli odpowiedzią jest tylko „pracownicy korzystają z narzędzia”, firma nie ma jeszcze strategii AI. Ma nową warstwę produktywności, często poza pełną kontrolą organizacji.
To prowadzi do jednego z najciekawszych zjawisk ostatnich miesięcy: AI rozchodzi się w firmach oddolnie szybciej niż formalnie. Microsoft i LinkedIn w badaniu Work Trend Index pokazywali, że duża część pracowników korzystających z AI przynosi do pracy własne narzędzia. To nie jest marginalny problem technologiczny, lecz sygnał kulturowy. Pracownicy już znaleźli użyteczność. Organizacje dopiero próbują opisać zasady.
Tak powstaje shadow AI. Z jednej strony jest dowodem na gotowość ludzi do eksperymentowania. Z drugiej, pokazuje słabość formalnych procesów. Ktoś streszcza dokument w publicznym narzędziu. Ktoś analizuje dane klienta. Ktoś generuje odpowiedź dla kontrahenta. Ktoś przygotowuje fragment strategii, nie ujawniając, że pomógł mu model językowy. Każdy z tych przypadków może zwiększyć produktywność. Każdy może też stworzyć ryzyko: wycieku danych, błędnej decyzji, naruszenia zasad compliance albo utraty kontroli nad wiedzą firmy.
Dlatego polska luka AI nie polega wyłącznie na tym, że za mało firm używa sztucznej inteligencji. Polega także na tym, że część używa jej bez architektury zarządzania. AI w firmie może być jednocześnie zbyt mało i zbyt dużo: zbyt mało w procesach, zbyt dużo w nieformalnych praktykach.
Różnica między dużymi firmami a MŚP dodatkowo pogłębia ten obraz. Dane Eurostatu pokazują, że w całej Unii AI znacznie częściej wdrażają duże przedsiębiorstwa niż małe. W Polsce widać podobny wzorzec. Według danych GUS w 2025 roku technologie AI wykorzystywało 42 proc. dużych firm, 15,6 proc. średnich i tylko 6,1 proc. małych. To oznacza, że realna luka adopcyjna jest przede wszystkim luką mniejszych organizacji.
Duże firmy mają budżety, zespoły, dane i dostawców, ale często przegrywają ze złożonością. Decyzje są długie, odpowiedzialność rozproszona, procesy ciężkie, a każda integracja wymaga zgody kilku działów. Mniejsze firmy mają szybkość, ale brakuje im czasu, kompetencji, prostych scenariuszy użycia i poczucia, że inwestycja szybko się zwróci. W efekcie jedni grzęzną w governance, drudzy w braku zasobów.
Kompetencje są tu jednym z głównych ograniczeń. PARP wskazuje, że tylko około co czwarta firma deklaruje dostęp do specjalistów zdolnych wdrażać i utrzymywać rozwiązania AI, a niemal połowa nie podejmuje działań, by te braki uzupełnić. Ale także to nie jest wyłącznie problem braku data scientistów. W wielu firmach brakuje raczej ludzi, którzy potrafią połączyć technologię z procesem biznesowym. AI nie potrzebuje wyłącznie ekspertów od modeli. Potrzebuje właścicieli procesów, którzy wiedzą, gdzie pojawia się koszt, opóźnienie, błąd albo niewykorzystana szansa.
Globalne raporty pokazują podobny kierunek. McKinsey zwraca uwagę, że firmy osiągające większą wartość z AI nie tylko uruchamiają narzędzia, ale przebudowują workflow. PwC wskazuje, że największa część korzyści z AI koncentruje się w relatywnie niewielkiej grupie firm. Różnicy nie robi więc sama ambicja ani liczba pilotaży. Różnicę robi zdolność do przełożenia AI na sposób pracy.
To ważne, bo w Polsce rozmowa o AI często zatrzymuje się na poziomie deklaracji. Jest pytanie o narzędzie, rzadziej o proces. Jest pytanie o szkolenie, rzadziej o zmianę odpowiedzialności. Jest pytanie o automatyzację, rzadziej o to, kto podpisuje się pod wynikiem decyzji wspieranej przez model. Tymczasem AI Act, rosnące oczekiwania klientów i presja na efektywność będą przesuwały tę rozmowę w stronę governance, audytowalności i mierzalnego wpływu na biznes.
Dobre wdrożenia nie muszą zaczynać się od wielkiej transformacji. Przeciwnie, często zaczynają się od jednego dobrze wybranego procesu. Obsługa zapytań klientów. Analiza dokumentów. Wyszukiwanie informacji wewnętrznej. Przygotowanie ofert. Wsparcie call center. Automatyzacja powtarzalnych zadań w finansach albo HR. Różnica polega na tym, że proces ma właściciela, dane są uporządkowane, ryzyka nazwane, a wynik mierzony po kilku miesiącach.
Polska ma potencjał, żeby wykorzystać AI znacznie szerzej niż pokazują obecne statystyki. Ale potencjał nie jest jeszcze przewagą. Przewaga pojawia się dopiero wtedy, gdy technologia zaczyna zmieniać tempo organizacji. Gdy skraca ścieżkę od danych do decyzji. Gdy odciąża ludzi z pracy niskiej wartości. Gdy pozwala szybciej obsłużyć klienta, lepiej zaplanować operacje albo ograniczyć koszt błędów.
Największym ryzykiem nie jest dziś to, że polskie firmy nie mówią o AI. Mówią bardzo dużo. Ryzykiem jest to, że rozmowa zastąpi wdrożenie, pilotaż zastąpi strategię, a oddolne korzystanie z narzędzi zostanie pomylone z transformacją.
