Liczba
58%
Przypadki firm na tej stronie, które podają wynik użycia AI, a nie porażkę: 24. W 14 z nich każda liczba pochodzi od samej firmy. W pozostałych (10) wynik zmierzyli badacze albo zapisano go w oficjalnym dokumencie.
Liczba, którą firma podaje o sobie, może być prawdziwa. Luka dowodowa mówi, kto podał liczbę, a nie czy jest błędna. Pokazuje, ile z tego, co czytasz o sukcesach z AI, nie sprawdził nikt spoza firmy.
Jak się ją liczy
- Weź wszystkie przypadki firm na tej stronie, które podają wynik użycia AI: wynik zmierzony, wynik podany przez firmę albo wynik, z którego firma potem częściowo się wycofała. To są historie sukcesu, tak jak przedstawiają je ich źródła. Dziś jest ich 24.
- Policz przypadki, których liczby pochodzą wyłącznie od firmy, bez badania, akt sądu ani oficjalnego dokumentu. Dziś to 14.
- Podziel drugą liczbę przez pierwszą i zaokrąglij do pełnego procentu: 14 ÷ 24 = 58%.
Przypadki, w których coś poszło nie tak, są pominięte, bo podają porażkę, a nie wynik. Dziś to 15 z 39 przypadków.
Każda strona przypadku mówi, jak się skończył i kto podał jego liczby (cztery etykiety). Liczba na tej stronie jest obliczana na nowo z tych etykiet przy każdej aktualizacji strony.
Przypadki, na których się opiera
Liczby od samej firmy: 14 przypadków
- Ashurst: pierwsze wersje pism szybciej o 45–80% w testach na czas, a prawnicy nadal dokładniejsi (Wynik podany przez firmę)
- Commonwealth Bank of Australia zlikwidował 45 stanowisk na rzecz voicebota, a potem przyznał, że nie były zbędne (Częściowy odwrót)
- Duolingo: 148 nowych kursów językowych w około rok, po 12 latach na pierwsze 100 (Wynik podany przez firmę)
- EIST: sześcioosobowy zakład obróbki metalu skrócił przygotowanie wyceny z dwóch godzin do dziesięciu minut (Wynik podany przez firmę)
- Gilberts: mniejsza firma audytorska zaczęła od AI w swoich narzędziach i dwóch zasad (Wynik podany przez firmę)
- Klarna: AI obniżyła wydatki na zewnętrznych dostawców marketingu o jedną czwartą (Wynik podany przez firmę)
- Klarna: asystent AI przejął dwie trzecie czatów z klientami, a potem firma znów zatrudniła ludzi (Częściowy odwrót)
- META-Regalbau: czujniki i analiza AI kompletacji zamówień zwróciły się w około rok (Wynik podany przez firmę)
- Milkforbubs: mały sklep internetowy postawił gotowego chatbota przy pytaniach klientów (Wynik podany przez firmę)
- Ministry of Clean: firma sprzątająca przeniosła klientów z arkuszy do CRM z wbudowaną AI (Wynik podany przez firmę)
- SAM: dwuosobowa firma doradcza skróciła pracę biurową przy każdej sprawie klienta z sześciu godzin do dwóch i pół (Wynik podany przez firmę)
- Temple & Webster: internetowy sprzedawca mebli z około 200 pracownikami zaczął od AI w obsłudze klienta (Wynik podany przez firmę)
- Walmart: generatywna AI poprawiła 850 milionów elementów danych o produktach (Wynik podany przez firmę)
- WPP: £300 mln rocznie na platformę AI, a przychody i tak spadły (Wynik podany przez firmę)
Liczby sprawdzone poza firmą: 10 przypadków
- eBay: tłumaczenie maszynowe zwiększyło sprzedaż zagraniczną o około 11% (Zmierzone przez badaczy)
- Garfield.Law: regulator dopuścił prowadzoną przez AI kancelarię do drobnych roszczeń o długi, z ograniczeniami (Oficjalny dokument)
- Herges: model AI szacował czas produkcji pięć razy dokładniej niż eksperci firmy (Oficjalny dokument)
- Hitachi Energy: model AI wskazał dwa etapy produkcji, które psuły chipy (Zmierzone przez badaczy)
- HMRC dał losowo 3000 licencji Copilota: około godziny tygodniowo oszczędności, według szacunków pracowników (Oficjalny dokument)
- Procter & Gamble: jedna osoba z AI dorównała dwuosobowemu zespołowi bez AI (Zmierzone przez badaczy)
- PSG Global Solutions: rozmowy kwalifikacyjne prowadziła AI, a o zatrudnieniu decydowali ludzie (Zmierzone przez badaczy)
- Rue La La: rekomendacje cen z uczenia maszynowego zwiększyły przychody o około 10% w teście (Zmierzone przez badaczy)
- Siemens: kontrolerzy wykrywali więcej wad, gdy AI pokazywała, co zobaczyła (Zmierzone przez badaczy)
- UK Department for Business and Trade: 1000 licencji Copilot, zadowoleni użytkownicy, brak dowodu na wyższą wydajność (Oficjalny dokument)
Ograniczenia
- Zbiór jest mały: wszystkich przypadków jest 39, a wynik podaje 24 z nich. Jeden przypadek więcej lub mniej przesuwa liczbę o kilka punktów procentowych.
- Przypadki wybrał redaktor. Każdy to firma z nazwy i z publicznym źródłem. Nie są losową próbą.
- Liczba opisuje ten zbiór przypadków, a nie wszystkie firmy, które używają AI. Nie cytuj jej jako odsetka dla żadnej branży, kraju ani wielkości firmy.
- Większość opublikowanych przypadków pochodzi z dużych firm. Małe firmy rzadko publikują liczby.
- Historia sukcesu to tu przypadek, który podaje wynik, a nie porażkę. Część tych wyników jest niewielka: badacze albo oficjalny dokument czasem nie wykazali żadnej poprawy.
- Liczba zmienia się, gdy przybywa przypadków albo zmienia się ich etykieta. Cytuj ją z datą.
Jak cytować
Zacytuj definicję i wartość z datą, i dodaj link do tej strony:
Luka dowodowa to odsetek historii sukcesu z AI, których liczby pochodzą wyłącznie od firmy, która je podaje. W zbiorze przypadków ai-first.company wynosi 58% (październik 2026).
Szczęsny, P. „Luka dowodowa”. ai-first.company, 18 października 2026. Wartość: 58%. https://www.ai-first.company/pl/evidence/evidence-gap/
Liczba i lista przypadków, na której się opiera, to otwarte dane na licencji CC BY 4.0. Możesz je wykorzystać, jeśli podasz źródło: „Data: CC BY 4.0, Paweł Szczęsny, ai-first.company”. Autorem jest dr Paweł Szczęsny. Listę przypadków można też pobrać: kolumny outcome i figures_from dają tę liczbę.
Historia wartości
Wartość po każdej zmianie listy przypadków, która ją zmieniła.
| Data | Przypadki z wynikiem | Tylko od firmy | Luka dowodowa |
|---|---|---|---|
| 24 | 14 | 58% | |
| 21 | 13 | 62% |