AI-first company

Przewodnik

Firma AI-first: przewodnik wdrożenia według wielkości firmy

Większość firm, które używają AI, na razie niewiele z tego ma. Ten przewodnik pokazuje, co zadziałało, a co zawiodło w firmach czterech wielkości, od dziesięcioosobowej firmy po globalny koncern, ze źródłem każdej liczby.

Opublikowano
Zaktualizowano
Czas czytania
21 minut
Poprawki
Zgłoś błąd

Co działa, a co zawodzi

Zadziałało, a wynik zmierzono

Poszło źle albo firma się wycofała

Wszystkie 39 przypadków firm Wszystkie 30 praktyk z oceną siły dowodów

Czym jest firma AI-first?

Firma AI-first zaprojektowała swoje produkty, procesy i decyzje przy założeniu, że AI wykonuje część pracy, więc bez AI firma przestałaby działać. Firma, która tylko używa AI, dodaje narzędzie do pracy, która się nie zmienia. Stać się firmą AI-first to zmienić wokół AI pracę, role i zasady.

AI-first w porównaniu z pokrewnymi pojęciami
PojęcieCo oznaczaPrzykład
AI-first Procesy, produkty i decyzje są zbudowane od nowa wokół AI; ludzie wyznaczają kierunek i sprawdzają jakość. Zespół marketingu, w którym AI zbiera informacje, pisze szkice i przerabia treści, a ludzie nadają kierunek i redagują
AI-native Firma zbudowana od podstaw z AI jako sercem produktu. OpenAI, Anthropic, Midjourney
AI-enabled Istniejąca firma dodaje AI do wybranych działań, nie zmieniając sposobu pracy. Chatbot banku; prognozowanie zapasów w sieci handlowej
AI-augmented Pracownicy używają AI, by wykonać więcej własnej pracy, i nadal nią kierują. Asystenci do pisania i programowania, z których korzystają pojedynczy pracownicy

W kwietniu 2016 roku prezes Google Sundar Pichai powiedział, że there would “soon be a transition from mobile first to AI first.” [„wkrótce nastąpi przejście od zasady »najpierw mobile« do zasady »najpierw AI«”].1 Dziesięć lat później wiele firm nazywa się AI-first. Niewiele z nich ma z AI duży pożytek.

Ile firm w ogóle używa AI, zależy od tego, kogo się pyta. W UE w 2025 roku jakiejkolwiek technologii AI używało 20% przedsiębiorstw zatrudniających dziesięć lub więcej osób.2 W Stanach Zjednoczonych badanie firm prowadzone przez Census Bureau, zaprojektowane tak, by odzwierciedlało wszystkie firmy, podaje około 18–20%.3 W badaniu prowadzonym razem z bankami centralnymi w Stanach Zjednoczonych, Wielkiej Brytanii, Niemczech i Australii 69% z blisko 6000 menedżerów najwyższego szczebla podało, że ich firma używa AI. Około dziewięciu na dziesięciu podało, że w ciągu ostatnich trzech lat AI nie zmieniła produktywności ani zatrudnienia w ich firmie.4 Globalne badanie McKinsey z 2025 roku wykazało, że 88% organizacji używało AI w co najmniej jednej funkcji biznesowej. Tylko około 6% to “AI high performers” [„liderzy w wykorzystaniu AI”]: firmy, które przypisują AI 5% lub więcej swojego EBIT (zysku operacyjnego).5

To, co znaczy AI-first, zależy od wielkości firmy. Dziesięcioosobowa firma, producent zatrudniający 150 osób, bank regionalny z 600 pracownikami i globalny koncern mają inne budżety, inny dostęp do specjalistów i inne ryzyka. Ten przewodnik dzieli firmy na cztery grupy wielkości. Dwie mniejsze opierają się na unijnej definicji małych i średnich przedsiębiorstw: mikro- i małe firmy (1–49 pracowników), średnie firmy (50–249), firmy średnio-duże (250–999) i duże przedsiębiorstwa (1000+). Każda liczba ma link do źródła. Liczba, która pochodzi tylko od samej firmy albo od dostawcy, który sprzedał narzędzie, jest tak oznaczona.

Co znaczy AI-first i czym różni się od używania AI

Firma, która używa AI, dodaje ją do pracy, która poza tym się nie zmienia: chatbot na stronie, narzędzie do pisania szkiców e-maili. Firma AI-first zmienia samą pracę, tak że część wykonuje AI, a resztę ludzie. Weźmy dwa zespoły marketingu. W pierwszym pracownicy używają ChatGPT do pisania szkiców wpisów na blog i nic więcej się nie zmienia. W drugim zespół przebudował sposób tworzenia treści. AI zbiera informacje, pisze pierwsze wersje i przygotowuje wersje dla każdego kanału. Ludzie wybierają tematy, redagują i sprawdzają jakość.

Często pojawiają się trzy pokrewne pojęcia:

  • AI-native: firma zbudowana z AI jako produktem, jak OpenAI, Anthropic czy Midjourney.
  • AI-enabled: firma, która dodaje AI do niektórych zadań, nie zmieniając sposobu pracy, jak chatbot banku czy prognozowanie popytu w sieci handlowej.
  • AI-augmented: pracownicy używają AI, by wykonać więcej własnej pracy, i nadal nią kierują.

AI-first wymaga od firmy najwięcej, bo zmienia procesy, role i zasady, a nie tylko narzędzia.

Dwie firmy doradcze podają proste reguły. BCG opisuje trzy poziomy ambicji: Deploy [wdrożyć] gotowe narzędzia, co daje 10–15% wzrostu produktywności; Reshape [przebudować] całe działy wokół AI, co daje 30–50%; i Invent [wymyślić] nowe produkty i usługi oparte na AI.6 Te odsetki to szacunki BCG. „Reguła 10-20-70” BCG mówi, że w programie AI 10% wysiłku idzie na algorytmy, 20% na technologię i dane, a 70% na zmianę sposobu pracy ludzi i procesów.7 Badania McKinsey Rewired mówią, że firmy, którym się udaje, zatrudniają własnych specjalistów od technologii cyfrowych, zamiast polegać na zewnętrznych.8

Publiczny komunikat „AI-first” mówi, co zamierza prezes, a nie co się wydarzyło. W kwietniu 2025 roku prezes Shopify polecił zespołom, by zanim poproszą o nowych pracowników, pokazały, dlaczego danej pracy nie może wykonać AI.9 W tym samym miesiącu prezes Duolingo ogłosił plan AI-first, który obejmował stopniowe rezygnowanie ze współpracowników zewnętrznych przy pracy, którą może przejąć AI. Po fali publicznej krytyki prezes powiedział, że komunikat nie dawał wystarczającego kontekstu.10

Mikro- i małe firmy (1–49 pracowników)

Małe firmy najrzadziej zaczęły już korzystać z AI. W UE w 2025 roku AI używało 17% małych przedsiębiorstw (10–49 pracowników), wobec 55% dużych. Eurostat nie liczy firm zatrudniających mniej niż dziesięć osób.2 W strefie euro pod koniec 2025 roku 41% mikrofirm nie używało AI wcale, wobec 13% dużych firm. Mimo to w każdej grupie wielkości około 7–8% firm używało AI w znaczącym stopniu.11 W Stanach Zjednoczonych dane bankowe pokazują, że do grudnia 2025 roku 17,7% małych firm zapłaciło za jakąś usługę AI.12 Gdy Rezerwa Federalna zapytała małe firmy zatrudniające pracowników, 46% odpowiedziało, że używa AI.13

Niewiele małych firm zatrudnia specjalistów od danych czy IT. W tej skali AI-first oznacza prowadzenie głównej pracy na gotowych narzędziach, a nie budowanie własnych systemów. Zaletą jest szybkość. Mała firma ma niewiele starego oprogramowania do wymiany, a zgodzić się muszą jedna czy dwie osoby. Dlatego może zmienić proces w kilka tygodni.

Najsilniejsze dowody przemawiają za tym, by zacząć od jednego jasno określonego zadania. W badaniu w warunkach rzeczywistych ponad 5000 konsultantów obsługi klienta dostało asystenta generatywnej AI. Rozwiązywali o około 15% więcej spraw na godzinę. Najwięcej zyskały osoby z najmniejszym doświadczeniem.14 Samo danie pracownikom narzędzia nie wystarcza. Duże badanie duńskich pracowników wykazało, że chatboty AI oszczędzały użytkownikom średnio około 3% czasu pracy. Chatboty nie zmieniły w mierzalny sposób zarobków tych pracowników ani liczby przepracowanych godzin.15 Razem te dwa badania mówią, że AI się opłaca tam, gdzie zadanie jest częste i jasno określone, a człowiek sprawdza wynik. Opłaca się znacznie mniej tam, gdzie pracownicy po prostu dostali dostęp.

Gdy nikt nie sprawdza porad, najbardziej mogą stracić ci, którzy najbardziej potrzebują pomocy. W badaniu z losowym przydziałem uczestników 640 osób prowadzących małe firmy w Kenii dostało mentora biznesowego GPT-4 na WhatsAppie. Średnio nie zmienił on ani przychodów, ani zysku. Osoby, których firmy na początku radziły sobie słabo, wypadły z nim o prawie 10% gorzej. Osoby, którym już szło dobrze, mogły zyskać ponad 15%.16

Małe firmy używają AI do praktycznych spraw technicznych i operacyjnych, a nie tylko do pisania. Hrag Kalebjian, właściciel Henry’s House of Coffee w San Francisco, użył ChatGPT do napisania kodu Arduino do małego urządzenia, które zrasza młynki do kawy w lokalu delikatną mgiełką, by ograniczyć elektryczność statyczną.17 Aragon AI, która sprzedaje zdjęcia portretowe tworzone przez AI, podaje, że w około dwa lata osiągnęła $10 mln rocznych przychodów powtarzalnych z zespołem dziewięciu osób (dane podane przez firmę).18 Firmy takie jak Aragon wciąż są rzadkie. Na Product Hunt, stronie, na której pokazuje się nowe produkty, osoby zakładające firmy w pojedynkę wprowadzały więcej produktów po pojawieniu się ChatGPT, ale zespoły zajmują coraz więcej miejsc na szczycie rankingów.19

Większość narzędzi, z których korzystają małe firmy, dzieli się na cztery grupy. Ceny często się zmieniają, a kilku dostawców, u których kiedyś każdy mógł się zapisać przez internet, sprzedaje dziś tylko większym klientom. Sprawdź aktualne ceny, zanim ustalisz budżet.

GrupaTypowe narzędziaCo sprawdzić
Pisanie i wyszukiwanie informacjiChatGPT, Claude, Gemini, Microsoft CopilotPlany dla firm z warunkami ochrony danych; czy twoje dane są używane do trenowania modelu
AutomatyzacjaZapier, Make, n8nLimity zadań lub uruchomień; czy możesz uruchomić narzędzie na własnym serwerze (n8n)
Obsługa klientaChatboty w systemach helpdesk, ManyChatPrzekazanie rozmowy człowiekowi; zapis rozmów
Marketing i e-commerceCanva, wbudowana AI w Shopify, KlaviyoCzy funkcje AI są w cenie, czy płatne osobno

Dobry pierwszy projekt w tej skali zaczyna się od jednego procesu, który wyraźnie kosztuje czas lub pieniądze, na przykład odpowiadania na rutynowe zapytania, przygotowywania ofert czy obsługi faktur. Zmierz, ile to teraz trwa. Użyj gotowego narzędzia, a to, co tworzy, niech sprawdza człowiek. Używaj go szerzej dopiero wtedy, gdy liczby się poprawią.

Średnie firmy (50–249 pracowników)

Około trzech na dziesięć średnich firm używa AI. W UE w 2025 roku AI używało 30,4% firm zatrudniających 50–249 osób.2 W Stanach Zjednoczonych badanie firm prowadzone przez Census Bureau pokazuje podobne odsetki wśród firm zatrudniających 100–249 osób.3 W siedmiu krajach OECD 31% małych i średnich firm podało, że używa generatywnej AI.20

Firma tej wielkości może powierzyć odpowiedzialność za AI jednej osobie. Zwykle jest to kierownik operacyjny lub IT, który ma na to wydzielony czas i budżet. Firma rzadko ma zespół analityków danych. Praktyczna droga to więc kupić narzędzia, skonfigurować je i ustalić zasady korzystania z nich, a nie budować. Reguła 10-20-70 BCG ma największe znaczenie właśnie w tej skali.7 Wybór narzędzi to łatwa część. Wyniki zależą od zmiany procesu, przeszkolenia osób, które z niego korzystają, i zmierzenia, co się zmieniło.

Jeśli działasz w UE, przepisy dotyczą już także ciebie. Na mocy unijnego aktu w sprawie sztucznej inteligencji (AI Act) zakazy niektórych zastosowań AI obowiązują od lutego 2025 roku, a przepisy o modelach AI ogólnego przeznaczenia od sierpnia 2025 roku. AI Act pierwotnie wymagał, by każda firma wdrażająca systemy AI (czyli używająca ich we własnej działalności) zapewniła swoim pracownikom wystarczającą wiedzę o AI. W maju 2026 roku instytucje UE uzgodniły poprawkę o nazwie „Digital Omnibus”. Przesuwa ona większość obowiązków dla systemów wysokiego ryzyka wymienionych w załączniku III na grudzień 2027 roku. Łagodzi też obowiązek dotyczący wiedzy o AI: firmy mają teraz wspierać wiedzę pracowników o AI, a nie gwarantować określony jej poziom.21 Średnia firma powinna mieć co najmniej krótką pisemną politykę korzystania z AI, listę używanych systemów AI i podstawowe szkolenie pracowników.

Firmy średnio-duże (250–999 pracowników)

Firmy średnio-duże mają prawdziwe budżety i mniej szczebli zatwierdzania niż duże przedsiębiorstwa. W badaniu RSM z 2026 roku, obejmującym firmy z tego segmentu w Stanach Zjednoczonych i Kanadzie, 86% podało, że częściowo lub w pełni włączyło AI do swojej działalności. Część firm podała, że ich pilotaże poszły co najwyżej umiarkowanie dobrze. Przeszkody w szerszym wdrożeniu AI, które te firmy wskazywały najczęściej, to jakość danych (53%) i połączenie AI z dotychczasowymi systemami (47%).22 RSM definiuje ten segment według przychodów, a nie liczby pracowników, więc jego firmy pokrywają się z tą grupą wielkości tylko częściowo.

Raport MIT NANDA GenAI Divide z 2025 roku jest często cytowany w odniesieniu do firm tej wielkości. To raport wstępny, a nie badanie z pomiarem. Opiera się na przeglądzie ponad 300 publicznych inicjatyw AI, 52 wywiadach i 153 odpowiedziach z ankiet zebranych na czterech konferencjach branżowych, a sukces definiuje na dwa różne sposoby.23 Raport podał, że firmy średnio-duże przechodziły od pilotażu do pełnego użycia w około 90 dni, a duże przedsiębiorstwa w dziewięć miesięcy lub dłużej. Podał też, że narzędzia kupione od wyspecjalizowanych dostawców kończyły się sukcesem w około 67% przypadków, znacznie częściej niż narzędzia budowane przez firmy samodzielnie. Sam raport zaznacza, że te odsetki “may reflect organizational capabilities rather than implementation approach alone.” [„mogą odzwierciedlać możliwości organizacji, a nie wyłącznie sposób wdrożenia”]. Zob. weryfikację liczby 95% z tego raportu.

Czy ta grupa wielkości ma przewagę, jest sporne. W styczniu 2025 roku badacze związani z BCG i jej Henderson Institute dowodzili na łamach Fortune, że firmy średniej wielkości mogą mieć w AI przewagę “Goldilocks” [„w sam raz”]. Zaznaczyli też, że firmy średniej wielkości są w tyle: średnią lub wysoką dojrzałość w generatywnej AI deklarowało 28% z nich, wobec 46% dużych firm.24 Badanie BCG z 2026 roku dotyczące tego segmentu wykazało, że duże firmy częściej deklarowały znaczący wzrost przychodów dzięki AI. Duże firmy przeznaczały też na AI większą część przychodów i szybciej zatrudniały specjalistów od AI.25 Szybkie decyzje są przewagą tylko dla firmy, która potem według nich działa.

Firmy tej wielkości zwykle organizują AI w trzech etapach. Najpierw wskazany członek zarządu i mała grupa osób z kilku działów ustalają priorytety. Potem każda jednostka biznesowa dostaje własnego lidera AI, a centralny zespół zajmuje się wspólnymi narzędziami, danymi i zasadami. W końcu każdy dział używa narzędzi AI dopasowanych do swoich ról w zwykłej pracy i regularnie mierzy wyniki.

Duże przedsiębiorstwa (1000+ pracowników)

W dużej firmie AI-first oznacza przebudowę działalności, strategii i kultury wokół AI. Luka między używaniem AI a zarabianiem na niej jest tu największa. Badanie McKinsey z 2025 roku (zob. początek tego przewodnika) wykazało, że nieliczni liderzy w wykorzystaniu AI niemal trzy razy częściej niż inne firmy przebudowali od podstaw poszczególne procesy pracy.5 Firmy zarządzają też większą liczbą ryzyk związanych z AI niż wcześniej: średnio czterema w 2025 roku, wobec dwóch w 2022 roku.5

Volkswagen wprost mówi, do czego dąży. W 2025 roku ogłosił plan zainwestowania w AI do 2030 roku nawet 1 mld euro zgodnie z zasadą “no process without AI” [„żadnego procesu bez AI”]. Podał, że do 2035 roku oczekuje wzrostu efektywności i uniknięcia kosztów o wartości do 4 mld euro.26 Banki pokazują, jak to wygląda w dużej skali. JPMorgan Chase podniósł cel wartości biznesowej z AI do $1,5 mld do końca 2023 roku, z zastosowań w zarządzaniu ryzykiem, marketingu, obsłudze klienta i zapobieganiu oszustwom.27 Wirtualna asystentka Bank of America, Erica, obsłużyła do marca 2026 roku ponad 3,2 mld interakcji z klientami.28 Prezes Goldman Sachs David Solomon powiedział w styczniu 2025 roku, że AI może w kilka minut przygotować 95% prospektu emisyjnego. Kiedyś ta praca zajmowała sześcioosobowemu zespołowi dwa tygodnie.29

UnitedHealth Group, amerykański ubezpieczyciel zdrowotny, podał, że w 2025 roku miał w codziennym użyciu około 1000 zastosowań AI.30 Podczas konferencji wynikowej w kwietniu 2025 roku ówczesny prezes powiedział, że agent AI skierował 26 milionów połączeń od klientów do właściwego doradcy trafniej niż wcześniej i że w 2025 roku AI będzie kierować ponad połową połączeń firmy.31

Im większa firma, tym bardziej potrzebuje jasnych zasad i wskazanych osób odpowiedzialnych za AI. Badanie McKinsey z marca 2025 roku wykazało, że nadzór prezesa nad zasadami korzystania z AI to jeden z czynników najsilniej powiązanych z większym zyskiem z AI. W 28% organizacji używających AI odpowiadał za nią prezes.32 Późniejsze badanie McKinsey wykazało, że nieco ponad połowa organizacji używających AI doświadczyła co najmniej jednego negatywnego skutku. Najczęstszym były nieścisłe wyniki.5

Co zawodzi i które firmy się wycofały

Większość projektów AI wciąż nigdy nie trafia do codziennego użycia albo nigdy się nie zwraca. Gartner, firma badawcza z branży IT, przewidywał, że do końca 2025 roku co najmniej 30% projektów generatywnej AI zostanie porzuconych po etapie weryfikacji koncepcji.33 W badaniu S&P Global z 2025 roku 42% firm podało, że porzuciło większość swoich inicjatyw AI, wobec 17% rok wcześniej.34 Wstępny raport MIT NANDA podał, że około 95% organizacji nie odnotowało mierzalnego wpływu swoich pilotaży generatywnej AI na wynik finansowy. Ta liczba opiera się na 52 wywiadach i 153 odpowiedziach z ankiet zebranych na konferencjach. Sam raport nazywa swoje liczby “directionally accurate based on individual interviews rather than official company reporting.” [„trafnymi co do kierunku, na podstawie pojedynczych wywiadów, a nie oficjalnych danych firm”].23

Kilka znanych kroków w stronę AI-first zostało częściowo cofniętych. Klarna podała w 2024 roku, że jej asystent AI wykonuje pracę 700 konsultantów obsługi klienta. W 2025 roku jej prezes powiedział, że koszt był “a too predominant evaluation factor” [„zbyt dominującym kryterium oceny”] i że ucierpiała jakość. Klarna miała zatrudnić więcej konsultantów.35 Starbucks wycofał narzędzie AI do liczenia zapasów po około dziewięciu miesiącach, po skargach, że błędnie liczy.36 W lipcu 2025 roku Commonwealth Bank of Australia podał, że po wprowadzeniu głosowego bota AI zlikwiduje 45 stanowisk w obsłudze klienta. Finance Sector Union, związek zawodowy pracowników sektora finansowego, zakwestionował tę decyzję. W ciągu kilku tygodni bank przyznał, że jego ocena “did not adequately consider all relevant business considerations” [„nie uwzględniła należycie wszystkich istotnych względów biznesowych”]. Bank podał, że stanowiska nie są zbędne, i przeprosił.37

Przypadki opisane w tym przewodniku dzielą się według jednej linii. Firmy, które osiągnęły wyniki, zmieniły jeden konkretny proces i zmierzyły efekt. Firmy, którym się nie udało, wprowadziły AI szeroko na polecenie z góry, oceniały ją głównie po kosztach i nie sprawdzały jakości.

AI w siedmiu branżach

Firmy technologiczne i programistyczne są najbliżej czystej postaci AI-first, bo AI jest często samym produktem. Stripe zbudował model bazowy dla płatności: jeden duży model AI wytrenowany na dziesiątkach miliardów jego transakcji. Stripe podaje, że model niemal z dnia na dzień zwiększył o 64% wykrywalność ataków polegających na testowaniu kart na dużych firmach (dane podane przez firmę).38 Przy takim ataku przestępcy sprawdzają skradzione numery kart małymi płatnościami.

Zespoły marketingu wcześnie sięgnęły po generatywną AI. Marka bielizny Adore Me używała Writer do tworzenia opisów produktów i notatek stylistów. Czas, jaki co miesiąc poświęcała na opisy produktów na platformy sprzedażowe, spadł z 20 godzin do 20 minut (studium przypadku dostawcy).39 Bayer Australia użył uczenia maszynowego Google Cloud do przewidywania, kiedy wzrośnie liczba wyszukiwań dotyczących przeziębienia i grypy, i dopasował do tego reklamy w wyszukiwarce. Podał wzrost współczynnika klikalności (odsetka osób, które widzą reklamę i ją klikają) o 85% i koszt kliknięcia niższy o 33% niż rok wcześniej (studium przypadku Google).40

Handel detaliczny używa AI od pierwszego kontaktu z klientem po magazyn. W badaniu z 2026 roku wśród firm handlowych i producentów dóbr konsumpcyjnych, przeprowadzonym przez NVIDIA, która produkuje układy, na których działa większość AI, 91% podało, że używa AI lub ją ocenia.41 McKinsey szacuje, że generatywna AI może przynieść sprzedawcom detalicznym $240–390 mld wartości ekonomicznej. To prognoza, a nie zmierzony zysk.42

Producenci używają AI głównie w inżynierii, utrzymaniu ruchu i kontroli jakości. Siemens dodał w 2025 roku agentów AI do swojego Industrial Copilot. Jeden z klientów, thyssenkrupp Automation Engineering, wdraża Copilot na całym świecie i podaje lepszą jakość kodu i szybsze prace programistyczne (komunikat prasowy Siemensa).43 Rolls-Royce używa cyfrowych bliźniaków silników lotniczych: programowych kopii prawdziwych silników, zasilanych ich danymi. Firma podaje, że w przypadku niektórych silników wydłużyło to czas między przeglądami nawet o 50%.44 Według Eurostatu producenci w UE, którzy używają AI, stosują ją najczęściej w marketingu i sprzedaży (30%) oraz w administracji (27%).2

Firmy z sektora usług finansowych dużo wydają na AI i muszą testować i zatwierdzać swoje modele według surowych zasad. W badaniu NVIDIA z 2026 roku, obejmującym ponad 800 osób pracujących w usługach finansowych, 65% podało, że ich firma aktywnie używa AI, wobec 45% rok wcześniej.45 Klarna (zob. wyżej) pokazuje ryzyko oceniania AI obsługującej klientów głównie po kosztach.

Ochrona zdrowia pokazuje, dlaczego niezależne dowody są ważne. Medyczny asystent AI do dokumentacji słucha wizyty i pisze szkic notatek lekarza. Dostawcy często obiecują duże oszczędności czasu. Dwa badania z losowym przydziałem uczestników wykazały mniejsze. W UCLA Health jedno z dwóch testowanych narzędzi skróciło czas pisania notatek o 9,5%. Drugie nie dało różnicy wykraczającej poza przypadek. Wskaźniki wypalenia zawodowego nieco się poprawiły. Narzędzi używano tylko podczas 33,5% i 29,5% wizyt.46 Na University of Wisconsin asystent skrócił czas pracy nad notatkami o 0,36 godziny dziennie i był używany przy 38% notatek.47 W The Permanente Medical Group, grupie lekarskiej Kaiser Permanente, asystenci AI zaoszczędzili szacunkowo 15 791 godzin pisania notatek w ciągu mniej więcej pierwszych 15 miesięcy.48 Abridge, firma tworząca takich asystentów, pozyskała od inwestorów w czerwcu 2025 roku $300 mln.49

Firmy usług profesjonalnych szybko sięgnęły po generatywną AI, ale korzyści bardzo się różnią. W badaniu BCG wśród pracowników firm usług profesjonalnych w Stanach Zjednoczonych, przeprowadzonym pod koniec 2024 roku i opublikowanym w 2025 roku, 95% używało generatywnej AI co najmniej raz w miesiącu. Jednak 53% podało, że oszczędza im to mniej niż jedną czwartą czasu.50 McKinsey podaje, że 72% jego pracowników używa wewnętrznego narzędzia AI Lilli i wysyła do niego ponad 500 000 zapytań miesięcznie (dane podane przez firmę).51 W badaniu technologicznym American Bar Association z 2024 roku 30% prawników podało, że używa narzędzi AI, wobec 11% rok wcześniej.52 Harvey, który sprzedaje AI kancelariom prawnym, podaje, że większość zmierzonych przez niego zadań była o 60–90% szybsza z jego narzędziami (deklaracja dostawcy).53 Ryzyka są dobrze udokumentowane. Według stanu na 16 października 2026 roku baza danych prowadzona przez jednego badacza obejmowała 2199 orzeczeń sądowych dotyczących materiałów zmyślonych przez AI, z czego 871 dotyczyło prawników.54 W małych kancelariach zaoszczędzony czas nie zamienił się jeszcze w zarobione pieniądze. W badaniu Clio, które sprzedaje oprogramowanie kancelariom prawnym, 86% jednoosobowych kancelarii i 78% małych kancelarii nie zmieniło cen z powodu AI (badanie dostawcy).55

Narzędzia i systemy w firmach różnej wielkości

To, czego używa firma, zależy od jej wielkości. Mikro- i małe firmy korzystają z narzędzi w abonamencie online, które wymagają niewielkiej wiedzy technicznej. Średnie firmy dodają narzędzia do automatyzacji i funkcje AI wbudowane w oprogramowanie biznesowe, za które już płacą. Firmy średnio-duże łączą AI od głównych dostawców oprogramowania z kilkoma wyspecjalizowanymi narzędziami i bezpośrednimi połączeniami z modelami AI (API), na jednym wspólnym zbiorze danych firmy. Duże przedsiębiorstwa budują własne rozwiązania: platformy danych, zespoły, które uruchamiają i monitorują modele, i modele trenowane na własnych danych, w chmurze i we własnych centrach danych.

Dostawcy wbudowują też AI w dotychczasowe plany i podnoszą ceny. Google dodał swoją AI Gemini do wszystkich planów Workspace dla firm i podniósł cenę planu Business Standard o $2 na użytkownika miesięcznie.56

Elementy są takie same w każdej skali. Na dole są dane. Nad nimi są modele AI i praca nad ich utrzymaniem. Na górze są aplikacje, z których korzystają ludzie: asystenci, agenci i narzędzia stworzone dla jednej branży. Wraz z wielkością zmienia się to, jaką część każdego elementu firma ma na własność, a jaką wynajmuje.

Liczby dotyczące zwrotu z inwestycji czytaj ostrożnie. IDC prowadziło badania dla Microsoftu, który sprzedaje narzędzia AI. Firmy powiedziały IDC, że uzyskały średni zwrot $3,50 z każdego $1 zainwestowanego w AI w 2023 roku i $3,70 z każdego $1 zainwestowanego w generatywną AI w 2024 roku. Te liczby podali sami menedżerowie firm; nikt ich nie zmierzył.57 Własne szacunki ludzi mogą się mylić w obie strony. W badaniu z losowym przydziałem uczestników doświadczeni programiści potrzebowali o 19% więcej czasu na zadania, gdy używali AI. Potem uważali, że AI przyspieszyła ich pracę o około 20%.58 W całej amerykańskiej sile roboczej czas, jaki według samych pracowników oszczędza im generatywna AI, wynosił w kwietniu 2026 roku łącznie około 2% wszystkich godzin pracy.59 Niezależne dowody w tym przewodniku, z badań w warunkach rzeczywistych i z wysokiego odsetka porzuconych projektów, wskazują na zwroty mniejsze i znacznie bardziej nierówne.

Kto co robi: role i kierownictwo

AI-first wymaga bardziej nowych obowiązków niż nowych nazw stanowisk. Ktoś musi odpowiadać za każdy proces wspierany przez AI od początku do końca. Ktoś musi dbać o to, by polecenia (prompty), ustawienia i połączenia między systemami działały, gdy narzędzia się zmieniają. Ktoś musi odpowiadać za ryzyko i zgodność z przepisami. W małej firmie wszystkie trzy zadania często ma jedna osoba. W dużym przedsiębiorstwie stają się to osobne role, często w centralnym zespole AI.

Microsoft, który sprzedaje narzędzia AI, opisuje w swoim Work Trend Index z 2025 roku trzy fazy. Najpierw AI działa jako asystent każdego pracownika. Potem agenci AI dołączają do zespołów jako “digital colleagues” [„cyfrowi współpracownicy”], którzy przejmują określone zadania. W końcu ludzie kierują agentami, które prowadzą całe procesy.60 To prognoza Microsoftu, a nie zmierzony wynik.

Kierownictwo jest równie ważne jak technologia. McKinsey ustalił, że liderzy w wykorzystaniu AI około trzy razy częściej niż inne firmy mają kadrę kierowniczą, która pokazuje, że czuje się odpowiedzialna za AI i jest w nią zaangażowana.5 W praktyce oznacza to szefów, którzy sami używają narzędzi. Przedstawiają AI jako pomoc dla pracowników, a nie ich zastępstwo. I traktują to, co tworzy AI, jako wersję roboczą, za którą odpowiada człowiek.

Co robić, w zależności od wielkości firmy

  • Mikro- i małe firmy: zacznij od jednego kosztownego, powtarzalnego procesu. Używaj gotowych narzędzi, a to, co tworzą, niech sprawdza człowiek. Zanim zrobisz więcej, zmierz zaoszczędzony czas i sprawdź, czy zmieniła się sprzedaż albo przychody z opłat.
  • Średnie firmy: wyznacz jedną osobę odpowiedzialną za AI. Wprowadź krótką politykę korzystania z AI i szkolenia pracowników. Kupuj i konfiguruj narzędzia zamiast je budować.
  • Firmy średnio-duże: wykorzystaj to, że możesz szybko decydować. Zacznij od AI w swoim głównym oprogramowaniu i kilku wyspecjalizowanych narzędzi. Wcześnie zbuduj wspólne dane i zasady dla AI.
  • Duże przedsiębiorstwa: zmieniaj procesy pracy zamiast dokładać do nich narzędzia. Postaw na czele zmiany najwyższą kadrę, tak by było to widać. Prowadź AI jako część sposobu działania firmy, a nie jako projekt IT.

W każdej grupie wielkości zakup technologii to mniejsza część pracy. Większość pracy to zmiana sposobu pracy ludzi i procesów (reguła 10-20-70 BCG, zob. wyżej). Firmy, które traktują AI-first jako zakup oprogramowania, zwykle dołączają do większości, której projekty utknęły. Według dotychczasowych dowodów zyskują te firmy, które zmieniły sposób wykonywania pracy.

Źródła

  1. 9to5Google, o wypowiedzi Sundara Pichaia i jego Founders’ Letter z 2016 roku, 28 kwietnia 2016: https://9to5google.com/2016/04/28/founders-letter-2016-pichai/ ↩

  2. Eurostat, “Use of artificial intelligence in enterprises,” dane za 2025 rok: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises ↩ ↩2 ↩3 ↩4

  3. US Census Bureau, Business Trends and Outlook Survey, maj 2026: https://census.gov/library/stories/2026/05/ai-use-businesses.html ↩ ↩2

  4. I. Yotzov, J. M. Barrero, N. Bloom i inni, “Firm Data on AI,” NBER Working Paper 34836, 2026: https://www.nber.org/papers/w34836 ↩

  5. McKinsey, “The state of AI in 2025,” 5 listopada 2025 (kopia archiwalna; pod aktualnym adresem jest teraz wydanie z 2026 roku): https://web.archive.org/web/20251215/https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai ↩ ↩2 ↩3 ↩4 ↩5

  6. BCG, “CEO’s Guide to Maximizing Value Potential from AI in 2024,” lipiec 2024: https://media-publications.bcg.com/BCG-Executive-Perspectives-CEOs-Guide-to-Maximizing-Value-from-AI-EP0-3July2024.pdf ↩

  7. BCG, “5 Rules for Fixing AI and Machine Learning for Your Business,” 2022: https://www.bcg.com/publications/2022/5-rules-for-fixing-ai-and-machine-learning-for-your-business ↩ ↩2

  8. McKinsey, “The rewired enterprise: How five companies built to outcompete”: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-rewired-enterprise-how-five-companies-built-to-outcompete ↩

  9. Tobi Lütke, wewnętrzny komunikat opublikowany na X, 7 kwietnia 2025: https://x.com/tobi/status/1909251946235437514 ↩

  10. Fortune, “Duolingo CEO admits controversial AI memo did not give enough context,” 18 sierpnia 2025: https://fortune.com/2025/08/18/duolingo-ceo-admits-controversial-ai-memo-did-not-give-enough-context-insists-company-never-laid-off-full-time-employees ↩

  11. Annalisa Ferrando, Sara Lamboglia, Judit Rariga i Maurice Schmidt, “Adoption and investment in AI across the euro area: insights from harmonised firm-level data,” ECB Occasional Paper 395, 2026: https://www.ecb.europa.eu/pub/pdf/scpops/ecb.op395.en.pdf ↩

  12. JPMorganChase Institute, “Understanding the use of AI among small businesses,” kwiecień 2026: https://www.jpmorganchase.com/institute/all-topics/business-growth-and-entrepreneurship/understanding-ai-use-by-small-businesses ↩

  13. Federal Reserve Banks, Small Business Credit Survey, “2026 Report on Employer Firms,” marzec 2026: https://www.fedsmallbusiness.org/-/media/project/clevelandfedtenant/fsbsite/reports/2026/2026-report-on-employer-firms/2026-report-on-employer-firms.pdf ↩

  14. Erik Brynjolfsson, Danielle Li i Lindsey Raymond, “Generative AI at Work,” The Quarterly Journal of Economics 140(2), 2025: https://doi.org/10.1093/qje/qjae044. Wcześniejsza wersja: NBER Working Paper 31161: https://www.nber.org/papers/w31161 ↩

  15. Anders Humlum i Emilie Vestergaard, “Large Language Models, Small Labor Market Effects,” wersja z maja 2025 (BFI Working Paper 2025-56; średnia oszczędność czasu 2,8%): https://bfi.uchicago.edu/wp-content/uploads/2025/04/BFI_WP_2025-56-3.pdf. Wersja poprawiona jako NBER Working Paper 33777: https://www.nber.org/papers/w33777 ↩

  16. Nicholas G. Otis, Rowan Clarke, Solène Delecourt, David Holtz i Rembrand Koning, “The Uneven Impact of Generative AI on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya,” Management Science, 2026: https://doi.org/10.1287/mnsc.2024.06909 ↩

  17. Daily Coffee News, 18 października 2024: https://dailycoffeenews.com/2024/10/18/weekly-coffee-news-gpt-assisted-grinder-hack-an-espresso-smoker ↩

  18. ARR Club, “Aragon AI at $10M ARR in 2 years with 9 people”: https://www.arr.club/signal/aragon-ai-arr-at-10m-in-2-years-with-9-people ↩

  19. Hyunso Kim, Hyo Kang i Jaeyong Song, “Generative AI Fuels Solo Entrepreneurship, but Teams Still Lead at the Top,” arXiv 2605.10291, maj 2026: https://arxiv.org/abs/2605.10291 ↩

  20. OECD, “Generative AI and the SME Workforce,” 2025: https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en.html ↩

  21. Gibson Dunn, “EU AI Act Omnibus agreement: postponed high-risk deadlines and other key changes,” maj 2026: https://www.gibsondunn.com/eu-ai-act-omnibus-agreement-postponed-high-risk-deadlines-and-other-key-changes/ ↩

  22. RSM, “Middle market embraced AI; now comes the hard part,” 2026: https://rsmus.com/newsroom/2026/rsm-survey-middle-market-embraced-ai-now-comes-hard-part.html ↩

  23. A. Challapally, C. Pease, R. Raskar i P. Chari, MIT NANDA, “The GenAI Divide: State of AI in Business 2025,” wyniki wstępne, lipiec 2025. Kopia udostępniona na mlq.ai, nie w domenie MIT: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf ↩ ↩2

  24. Fortune, komentarz badaczy związanych z BCG, 10 stycznia 2025: https://fortune.com/2025/01/10/ai-artificial-intelligence-goldilocks-mid-sized-companies ↩

  25. BCG, “How midmarket firms can get value from AI,” wrzesień 2026: https://www.bcg.com/publications/2026/midmarket-firms-get-value-from-ai ↩

  26. Volkswagen Group, “Boosting innovation, reshaping mobility: Volkswagen Group invests in AI,” wrzesień 2025: https://www.volkswagen-group.com/en/press-releases/boosting-innovation-reshaping-mobility-volkswagen-group-invests-in-ai-19852 ↩

  27. Markets Media, “JPMorgan Chase raises target for value realised from AI,” maj 2023: https://www.marketsmedia.com/jpmorgan-chase-raises-target-for-value-realised-from-ai/ ↩

  28. Bank of America newsroom, marzec 2026: https://newsroom.bankofamerica.com/content/newsroom/press-releases/2026/03/bofa-ai-and-digital-innovations-fuel-30-billion-client-interacti.html ↩

  29. Fortune, “Goldman Sachs CEO David Solomon on AI,” 17 stycznia 2025: https://fortune.com/2025/01/17/goldman-sachs-ceo-david-solomon-ai-tasks-ipo-prospectus-s1-filing-sec ↩

  30. Becker’s Payer Issues, “UnitedHealth has 1,000 AI use cases,” 2025: https://www.beckerspayer.com/payer/unitedhealth-has-1000-ai-use-cases-report/ ↩

  31. UnitedHealth Group, wypowiedzi z konferencji wynikowej za pierwszy kwartał 2025 roku, 17 kwietnia 2025: https://www.unitedhealthgroup.com/content/dam/UHG/PDF/investors/2025/UNH-Q1-2025-Remarks.pdf ↩

  32. McKinsey, “The state of AI: How organizations are rewiring to capture value,” marzec 2025: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value ↩

  33. Gartner, “Gartner predicts 30% of generative AI projects will be abandoned after proof of concept by end of 2025,” 29 lipca 2024: https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025 ↩

  34. CIO Dive, “AI project failure rates are on the rise,” na podstawie S&P Global Market Intelligence, 2025: https://www.ciodive.com/news/AI-project-fail-data-SPGlobal/742590/ ↩

  35. Entrepreneur, “Klarna CEO reverses course by hiring more humans, not AI,” 2025: https://www.entrepreneur.com/business-news/klarna-ceo-reverses-course-by-hiring-more-humans-not-ai/491396; cytat prezesa za Customer Experience Dive, który cytuje Bloomberga, 9 maja 2025: https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/ ↩

  36. Fortune, 28 maja 2026: https://fortune.com/2026/05/28/starbucks-quietly-retired-ai-inventory-agent-barista-complaints-hallucinations/ ↩

  37. Information Age (Australian Computer Society), “CBA reverses AI-driven job cuts, admits ‘error’,” 21 sierpnia 2025: https://ia.acs.org.au/article/2025/cba-reverses-ai-driven-job-cuts—admits—error-.html ↩

  38. TechCrunch, “Stripe unveils AI foundation model for payments,” 7 maja 2025: https://techcrunch.com/2025/05/07/stripe-unveils-ai-foundation-model-for-payments-reveals-deeper-partnership-with-nvidia ↩

  39. Writer, “Adore Me customer story”: https://writer.com/blog/adore-me-customer-story ↩

  40. Google, “Bayer: search trends and demand predictions”: https://business.google.com/us/think/ai-excellence/search-trends-demand-predictions-bayer/ ↩

  41. NVIDIA, “State of AI in Retail and CPG,” 2026: https://blogs.nvidia.com/blog/ai-in-retail-cpg-survey-2026 ↩

  42. McKinsey, “LLM to ROI: How to scale gen AI in retail”: https://www.mckinsey.com/industries/retail/our-insights/llm-to-roi-how-to-scale-gen-ai-in-retail ↩

  43. Siemens, “Siemens introduces AI agents for industrial automation,” 12 maja 2025: https://www.businesswire.com/news/home/20250512053219/en ↩

  44. CIO, “Rolls-Royce turns to digital twins to improve jet engine efficiency,” 2021: https://www.cio.com/article/3620993/rolls-royce-turns-to-digital-twins-to-improve-jet-engine-efficiency.html ↩

  45. NVIDIA, “Survey Reveals the Financial Services Industry Is Doubling Down on AI Investment and Open Source,” 22 stycznia 2026: https://blogs.nvidia.com/blog/ai-in-financial-services-survey-2026/ ↩

  46. Lukac i inni, “Ambient AI scribes in clinical practice: a randomized trial,” NEJM AI, 2025: https://doi.org/10.1056/AIoa2501000 ↩

  47. Afshar i inni, “A pragmatic randomized controlled trial of ambient artificial intelligence to improve health practitioner well-being,” NEJM AI, 2025: https://doi.org/10.1056/AIoa2500945 ↩

  48. American Medical Association, “AI scribes save 15,000 hours and restore the human side of medicine”: https://www.ama-assn.org/practice-management/digital-health/ai-scribes-save-15000-hours-and-restore-human-side-medicine ↩

  49. Latham & Watkins, “Latham & Watkins advises Abridge in US$300 million Series E funding round,” czerwiec 2025: https://www.lw.com/en/news/2025/06/latham-watkins-advises-abridge-in-us300-million-series-e-funding-round ↩

  50. BCG, “Gen AI in professional services,” 2025: https://www.bcg.com/publications/2025/gen-ai-in-professional-services ↩

  51. McKinsey, “Rewiring the way McKinsey works with Lilli”: https://www.mckinsey.com/capabilities/tech-and-ai/how-we-help-clients/rewiring-the-way-mckinsey-works-with-lilli ↩

  52. LawNext, “ABA tech survey finds growing adoption of AI in legal practice,” marzec 2025: https://lawnext.com/2025/03/aba-tech-survey-finds-growing-adoption-of-ai-in-legal-practice-with-efficiency-gains-as-primary-driver.html ↩

  53. Harvey, “How Harvey saves lawyers time,” 31 lipca 2025: https://www.harvey.ai/blog/how-harvey-saves-lawyers-time ↩

  54. Damien Charlotin, baza danych “AI Hallucination Cases”, stan na 16 października 2026: https://www.damiencharlotin.com/hallucinations/ ↩

  55. Clio, “Legal Trends for Solo and Small Law Firms 2026,” komunikat prasowy, 4 maja 2026: https://www.clio.com/about/press/2026-solo-small-firm-report/ ↩

  56. Blog Google Workspace, ogłoszenie Gemini we wszystkich planach Workspace dla firm i nowych cen, 15 stycznia 2025: https://workspace.google.com/blog/product-announcements/empowering-businesses-with-AI ↩

  57. Microsoft, “New study validates the business value and opportunity of AI,” 2 listopada 2023: https://blogs.microsoft.com/blog/2023/11/02/new-study-validates-the-business-value-and-opportunity-of-ai/ oraz “IDC’s 2024 AI opportunity study,” 12 listopada 2024: https://blogs.microsoft.com/blog/2024/11/12/idcs-2024-ai-opportunity-study-top-five-ai-trends-to-watch/ ↩

  58. METR, badanie z losowym przydziałem uczestników z udziałem doświadczonych programistów open source korzystających z narzędzi AI z początku 2025 roku, 10 lipca 2025: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ ↩

  59. Alexander Bick, Adam Blandin i David Deming, “Generative Artificial Intelligence, Time Savings: Employed Adults,” seria RPSGENAITSALL, Federal Reserve Bank of St. Louis (FRED), wartość za kwiecień 2026: https://fred.stlouisfed.org/series/RPSGENAITSALL ↩

  60. Microsoft, Work Trend Index 2025, “2025: The year the Frontier Firm is born”: https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born ↩