Kalkulator ROI z AI: czy AI się opłaci?

Wynik ma cztery linie. Każda z pierwszych trzech podaje dolne i górne oszacowanie, a razem składają się na wynik. Czwarta wymienia, co poszło nie tak w innych organizacjach. Nigdy nie jest doliczana.

• Części zaoszczędzonego czasu, która „zamienia się w wartość”, wziętej z badania. Żadne badanie jej nie podaje. Tę część wpisujesz sam. Opublikowane liczby obok niej mierzą co innego: co ludzie mówili, że robili z tym czasem, albo co trafiło do ich wynagrodzeń.
• Liczby pokazującej, co robią cele użycia, limity lub rankingi. Nikt tego nie zmierzył. Dostajesz opisane przypadki. Dostajesz też wynik ankiety wśród około 25 000 duńskich pracowników: tam, gdzie pracodawcy zachęcali do korzystania z chatbotów, używało ich 83% pracowników, a gdzie indziej 47% (Humlum i Vestergaard, 2025).
• „Odsetka nieudanych pilotaży” w obliczeniach. Cztery takie liczby są często cytowane i żadna nie mierzy szansy, że twój projekt się nie uda.
  • 95%. Odsetek organizacji bez mierzalnego zwrotu w rachunku zysków i strat, w raporcie opartym na wywiadach w 52 organizacjach. Sukces oznaczał, że użytkownicy lub kadra kierownicza „remarked” [„zauważyli”] trwały efekt (Raport MIT NANDA, 2025).
  • 42%. Odsetek spośród 1006 ankietowanych, którzy powiedzieli, że ich firma porzuciła większość inicjatyw AI przed wdrożeniem produkcyjnym (Ankieta S&P Global, 2025).
  • 30%. Prognoza z 2024 roku, bez opublikowanej metody (Gartner, 2024).
  • 80%. Często przypisywane RAND, którego raport wprowadza tę liczbę słowami „By some estimates” [„Według niektórych szacunków”]. RAND przeprowadził wywiady z 65 analitykami danych i inżynierami o tym, dlaczego projekty się nie udają, i nie liczył porażek (RAND, 2024).
• Szansy ani oczekiwanego kosztu tego, że coś pójdzie nie tak. Zobacz czwartą linię, Ryzyko: ile to kosztowało innych. Wymienia ona, co poszło nie tak w innych organizacjach, i wyjaśnia, dlaczego nic z tego nie ma w wyniku.
• Jednego zysku dla „wszystkich pracowników”. Każdy zmierzony zysk dotyczy jednego rodzaju pracy i jednej grupy ludzi. Liczba dla konsultantów obsługi klienta nic nie mówi o twoich księgowych.
• Zwrotu zależnego od wielkości firmy. Zobacz uwagę pod przyciskami wielkości w sekcji Twoje liczby.
• Prognozy dla całej gospodarki jako twojego zwrotu. Zobacz następną sekcję.

Ekonomista Daron Acemoglu oszacował w 2024 roku, o ile AI zwiększy produktywność Stanów Zjednoczonych w ciągu dziesięciu lat. Jego rachunek ma cztery liczby.

1. 20% zadań × 23% = 4,6% zadań AI mogłaby wykonać lub wspierać 20% zadań w pracy, liczonych według przypisanych do nich wynagrodzeń. 23% z nich opłaca się zautomatyzować w ciągu dziesięciu lat. Te 23% bierze z badania kosztów systemów widzenia komputerowego (Svanberg i in., 2024) i nazywa ten krok „not an innocuous step” [„nie jest to niewinny krok”].
2. 27% oszczędności pracy × 0,535 = 14,4% oszczędności kosztów 27% to średnia z dwóch eksperymentów: badania zadań pisarskich i badania obsługi klienta, używanych w tym narzędziu. Praca stanowi 53,5% kosztu tych zadań. Dodanie eksperymentu z asystentem programowania podnosi 27% do 36%.
3. 4,6% × 14,4% = 0,66% Łączny wzrost produktywności w ciągu dziesięciu lat. Acemoglu nazywa to górną granicą. Jeśli trudniejsze zadania dają 7% oszczędności zamiast 27%, wychodzi 0,53%. W PKB: od 0,93% do 1,16% więcej w ciągu dziesięciu lat. Dodaje, że rachunek pomija koszt reorganizacji pracy, więc wynik może być nadal zbyt wysoki.

Wyliczone przez autorów badania Źródło: Acemoglu, 2024. To liczba dla całej gospodarki w ciągu dziesięciu lat, a nie zwrot firmy. Firma, która dobrze wybiera zadania, może być daleko powyżej niej, a firma, która nie wybiera żadnych, jest na zerze.

Aghion i Bunel użyli wzoru Acemoglu z własnym odczytaniem dowodów i otrzymali około dziesięć razy więcej. Odpowiedź zależy od dwóch pierwszych liczb rachunku. Dwie inne głośne liczby mierzą co innego. „Almost 40%” [„prawie 40%”] według IMF to odsetek miejsc pracy narażonych na AI (Blog IMF, 2024). Od 2,6 do 4,4 biliona dolarów rocznie według McKinsey to wartość 63 zastosowań, które firma wybrała do badania (McKinsey Global Institute, 2023).

Każda liczba, której to narzędzie używa lub którą pokazuje, z informacją, jakiego jest rodzaju. Link do tej strony prowadzi do opisu, co badanie lub przypadek zrobiły i co wykazały.

Liczby używane w obliczeniach

Każda wchodzi do obliczeń, gdy zaznaczysz jej pole lub wybierzesz jej rodzaj pracy.

1. Noy, S. and Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192 (peer-reviewed). doi.org Zmierzone w badaniu W eksperymencie z krótkimi zadaniami pisarskimi w pracy zawodowej ChatGPT skrócił czas o 40% i podniósł jakość o 18%. Na tej stronie.
2. Brynjolfsson, E., Li, D. and Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889-942 (peer-reviewed). Abstract read on arXiv:2304.11771. arxiv.org Zmierzone w badaniu W dużym dziale obsługi klienta konsultanci, którzy dostali asystenta AI, rozwiązywali średnio o 15% więcej spraw na godzinę. Na tej stronie.
3. Dell’Acqua, F. et al. (2026). Navigating the Jagged Technological Frontier. Organization Science, 37(2), 403-423 (peer-reviewed). doi.org Zmierzone w badaniu Konsultanci używający GPT-4 wykonali o 12,2% więcej zadań o 25,1% szybciej w pracy, którą AI wykonuje dobrze, i mieli o 19 punktów procentowych mniejsze szanse na poprawną odpowiedź w zadaniu, którego AI dobrze wykonać nie umiała. Na tej stronie.
4. Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. and Salz, T. (February 2025 version). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Working paper (version hosted by MIT Economics; not peer-reviewed at that version). economics.mit.edu Zmierzone w badaniu W trzech eksperymentach z losowym przydziałem prowadzonych przez firmy programiści, którzy dostali asystenta AI do kodowania, ukończyli około 26% więcej zadań.
5. Becker, J., Rush, N., Barnes, B. and Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089v2 (preprint, not peer-reviewed). arxiv.org Zmierzone w badaniu W eksperymencie z losowym przydziałem doświadczeni programiści open source potrzebowali o 19% więcej czasu na własne prawdziwe zadania, gdy mogli używać narzędzi AI.
6. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56, May 2025 (working paper). bfi.uchicago.edu Deklarowane Na całym rynku pracy użytkownicy chatbotów deklarowali, że oszczędzają średnio 2,8% czasu pracy. Na tej stronie.
7. Bick, A., Blandin, A. and Deming, D. (27 February 2025). The Impact of Generative AI on Work Productivity. Federal Reserve Bank of St. Louis, On the Economy blog. stlouisfed.org Deklarowane W ogólnokrajowej ankiecie w USA użytkownicy generatywnej AI deklarowali, że oszczędza im ona 5,4% godzin pracy; w przeliczeniu na wszystkich pracujących to 1,4%.
8. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu Deklarowane Tam, gdzie duńscy pracodawcy zachęcali do używania chatbotów, odsetek pracowników, którzy ich używali, prawie się podwoił, z 47% do 83%, a deklarowane oszczędności czasu były większe.
9. Workday (14 January 2026). New Workday Research: Companies Are Leaving AI Gains on the Table. Press release for 'Beyond Productivity: Measuring the Real Value of AI', fielded by Hanover Research (vendor survey). newsroom.workday.com Deklarowane W ankiecie dostawcy oprogramowania pracownicy odpowiedzieli, że prawie 40% czasu zaoszczędzonego dzięki AI tracą na poprawianie i sprawdzanie jej wyników.
10. Anthropic. Claude pricing page (vendor price list), checked 13 October 2026. claude.com Cena katalogowa dostawcy Anthropic podaje cenę planu Claude Team $20 za stanowisko miesięcznie przy rozliczeniu rocznym albo $25 przy rozliczeniu miesięcznym, a stanowiska premium $100.

Zwolniony czas: dla porównania

1. METR (24 February 2026). We are Changing our Developer Productivity Experiment Design. METR blog. metr.org Zmierzone w badaniu Kontynuacja badania METR wykazała mniejsze spowolnienie, a METR sam przyznaje, że jego nowe dane są niewiarygodne, bo programiści nie chcą już wykonywać zadań bez AI.
2. UK Government Digital Service (2 June 2025). Microsoft 365 Copilot experiment: cross-government findings report. gov.uk Deklarowane W pilotażu Copilota w brytyjskiej administracji rządowej użytkownicy deklarowali, że oszczędzają średnio 26 minut dziennie. Na tej stronie.
3. Dillon, E. W., Jaffe, S., Immorlica, N. and Stanton, C. T. (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795 (working paper; three authors work at Microsoft Research). nber.org Zmierzone w badaniu W eksperymencie z losowym przydziałem w 66 firmach pracownicy, którzy używali asystenta AI w oprogramowaniu biurowym, spędzali nad e-mailami o dwie godziny tygodniowo mniej.
4. Digital Transformation Agency (October 2024). Evaluation of the whole-of-government trial of Microsoft 365 Copilot: Summary of evaluation findings. digital.gov.au Deklarowane Ten sam pilotaż wykazał, że odczuwana oszczędność, około godziny dziennie, ograniczała się do trzech zadań: streszczania, pierwszych wersji tekstów i wyszukiwania informacji.

Wykorzystany czas: dla porównania

1. Dillon, E. W., Jaffe, S., Immorlica, N. and Stanton, C. T. (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795. nber.org Zmierzone w badaniu Ten sam eksperyment nie wykazał zmiany w tym, ile i jakiej pracy ludzie wykonywali: zaoszczędzony czas nie przełożył się na więcej pracy.
2. Humlum, A. and Vestergaard, E. (2025, revised March 2026). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (working paper). nber.org Zmierzone w badaniu Dwa lata po pojawieniu się ChatGPT duńskie badanie, które połączyło ankiety z danymi płacowymi, nie wykazało wpływu na zarobki ani na rejestrowane godziny pracy i wyklucza efekty większe niż 2%. Na tej stronie.
3. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu Zmierzone w badaniu W duńskim badaniu tylko od 3% do 7% deklarowanych przez pracowników oszczędności czasu przełożyło się na wyższe zarobki. Na tej stronie.
4. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu Deklarowane Zapytani, co zrobili z czasem zaoszczędzonym dzięki chatbotom, 80% duńskich użytkowników wskazało inne zadania w pracy, mniej niż 10% przerwy lub czas wolny, a 25% więcej tego samego zadania.
5. Yotzov, I., Barrero, J. M., Bloom, N., Bunn, P., Davis, S. J. et al. (2026). Firm Data on AI. NBER Working Paper 34836, February 2026, revised March 2026 (working paper). nber.org Deklarowane W ankiecie wśród prawie 6000 menedżerów najwyższego szczebla w czterech krajach 89% odpowiedziało, że AI nie miała w ostatnich trzech latach wpływu na wydajność pracy w ich firmie.
6. Yotzov, I., Barrero, J. M., Bloom, N. et al. (2026). Firm Data on AI. NBER Working Paper 34836. nber.org Deklarowane Ci sami menedżerowie spodziewają się, że w ciągu najbliższych trzech lat AI podniesie produktywność ich firm średnio o 1,4%.
7. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk Zmierzone w badaniu Brytyjskie ministerstwo, które zmierzyło swój pilotaż Copilota, znalazło oszczędność czasu w niektórych zadaniach i brak dowodów, że przełożyła się na wyższą produktywność. Na tej stronie.
8. Digital Transformation Agency (October 2024). Evaluation of the whole-of-government trial of Microsoft 365 Copilot: Summary of evaluation findings. Evaluation by Nous Group. digital.gov.au Deklarowane W pilotażu Copilota w australijskiej administracji rządowej około 40% uczestników odpowiedziało, że mogło przenieść zaoszczędzony czas na pracę o większej wartości.
9. Australian Centre for Evaluation, The Treasury (February 2025). Evaluation of a trial of generative artificial intelligence (Copilot) in The Department of the Treasury. evaluation.treasury.gov.au Deklarowane W pilotażu Copilota w australijskim ministerstwie skarbu (Treasury) przed startem 85% spodziewało się, że narzędzie przyspieszy ich pracę, a po zakończeniu 49% odpowiedziało, że tak się stało.
10. McElheran, K., Yang, M.-J., Kroff, Z. and Brynjolfsson, E. (2025). The Rise of Industrial AI in America: Microfoundations of the Productivity J-curve(s). US Census Bureau, Center for Economic Studies Working Paper CES 25-27, April 2025 (working paper). www2.census.gov Zmierzone w badaniu W amerykańskim przemyśle zakłady, które wprowadziły przemysłową AI, najpierw stały się mniej produktywne, zanim pojawiły się zyski; straty dotknęły głównie starszych firm.
11. Brynjolfsson, E., Rock, D. and Syverson, C. (2018). The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. NBER Working Paper 25148; published in American Economic Journal: Macroeconomics, 13(1), 2021, 333-372 (peer-reviewed). nber.org Wyliczone przez autorów badania Nowa technologia ogólnego przeznaczenia wymaga najpierw niemierzonych inwestycji w procesy i umiejętności, więc mierzona produktywność najpierw spada, a potem rośnie: to „krzywa J produktywności”.
12. Babina, T., Fedyk, A., He, A. and Hodson, J. (2024). Artificial intelligence, firm growth, and product innovation. Journal of Financial Economics, 151, 103745 (peer-reviewed). sciencedirect.com Zmierzone w badaniu Amerykańskie firmy, które więcej inwestowały w AI, szybciej zwiększały sprzedaż, zatrudnienie i wartość rynkową, głównie dzięki wprowadzaniu nowych produktów.
13. Czarnitzki, D., Fernández, G. P. and Rammer, C. (2023). Artificial intelligence and firm-level productivity. Journal of Economic Behavior & Organization, 211, 188-205 (peer-reviewed, open access). sciencedirect.com Zmierzone w badaniu Niemieckie firmy, które używały AI, były bardziej produktywne, a związek utrzymał się, gdy autorzy uwzględnili to, które firmy decydują się na AI.
14. Aghion, P., Bunel, S., Jaravel, X., Mikaelsen, T., Roulet, A. and Søgaard, J. (2025). How Different Uses of AI Shape Labor Demand: Evidence from France. AEA Papers and Proceedings, 115, 62-67 (lightly reviewed conference volume). ideas.repec.org Zmierzone w badaniu We francuskich firmach, które wprowadziły AI, zatrudnienie i sprzedaż później wzrosły, z różnymi wynikami dla różnych zastosowań.
15. Jiang, W., Park, J., Xiao, R. and Zhang, S. (2025). AI and the Extended Workday: Productivity, Contracting Efficiency, and Distribution of Rents. NBER Working Paper 33536 (working paper). nber.org Zmierzone w badaniu Amerykańskie badanie dzienników czasu wykazało, że ludzie w zawodach bardziej narażonych na AI pracowali dłużej i mieli mniej czasu wolnego, a nie więcej.
16. McKinsey & Company (5 November 2025). The State of AI: Global Survey 2025 (consultancy survey). web.archive.org Deklarowane W ankiecie McKinsey z 2025 roku około 6% organizacji przypisywało AI 5% lub więcej zysku operacyjnego, a te organizacje niemal trzy razy częściej przebudowały przebieg pracy. Na tej stronie.

Koszt użytkowania: dla porównania

1. BetterUp Labs and Stanford Social Media Lab (2025). Workslop: The Hidden Cost of AI-Generated Busywork. Reported in Niederhoffer, K., Kellerman, G. R., Lee, A., Liebscher, A., Rapuano, K. and Hancock, J. T. (22 September 2025). AI-Generated “Workslop” Is Destroying Productivity. Harvard Business Review (vendor survey; magazine article, not peer-reviewed). betterup.com Deklarowane W ankiecie BetterUp i Stanforda 40% amerykańskich pracowników biurowych odpowiedziało, że w ostatnim miesiącu dostało “workslop”: dopracowany z wyglądu wynik AI, który zostawia prawdziwą pracę odbiorcy.
2. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk Deklarowane W pilotażu Copilota w brytyjskim ministerstwie 22% osób prowadzących dzienniki zauważyło zmyślone treści; sprawdzanie było niekonsekwentne. Na tej stronie.
3. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk Deklarowane Niektóre zadania trwały z Copilotem dłużej: według dzienników użytkowników planowanie terminów zajmowało o 0,6 godziny więcej na zadanie, a tworzenie grafik o 0,5 godziny więcej. Na tej stronie.
4. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu Deklarowane W duńskim badaniu chatboty stworzyły nowe zadania w pracy dla 8,4% pracowników, także dla ludzi, którzy sami z tych narzędzi nie korzystają. Na tej stronie.
5. Australian Centre for Evaluation, The Treasury (February 2025). Evaluation of a trial of generative artificial intelligence (Copilot) in The Department of the Treasury. evaluation.treasury.gov.au Wyliczone przez autorów badania Australijskie ministerstwo skarbu (Treasury) wyliczyło, że urzędnik średniego szczebla musi przenieść około 13 minut tygodniowo na pracę o większej wartości, żeby pokryć koszt licencji Copilota.
6. Microsoft. Microsoft 365 Copilot pricing page (vendor price list), checked 13 October 2026. microsoft.com Cena katalogowa dostawcy Microsoft podaje cenę dodatku Copilot dla małych i średnich firm $18 za użytkownika miesięcznie przy płatności rocznej (pokazaną jako obniżoną z $21), do opłacenia oprócz planu Microsoft 365.
7. France Num (French government). Case page on SAM, a retirement advisory firm that automated its client files with AI. francenum.gouv.fr Podane, nie zmierzone Dwuosobowa francuska firma doradcza podaje, ile kosztowało ją wdrożenie AI: około 3000 euro za serwer, prawie 650 euro miesięcznie za licencje i około 60 godzin pracy przy konfiguracji. Na tej stronie.
8. Fortune (9 April 2026). Report on Meta's 'Claudeonomics' employee token leaderboard and its removal, citing The Information and a Meta statement. fortune.com Podane, nie zmierzone Ranking stworzony przez pracowników Meta układał ich według zużytych tokenów AI; Fortune wyliczył, że 30-dniowe zużycie lidera mogło kosztować według cennika ponad $1,4 mln.
9. heise online (29 May 2026). Too much tokenmaxxing? Amazon stops internal AI ranking. Summary of a Financial Times report, quoting Amazon senior vice-president Dave Treadwell. heise.de Podane, nie zmierzone Według Financial Times Amazon zrezygnował z wewnętrznego rankingu używania AI, gdy pracownicy uruchamiali agentów AI do zbędnych zadań, żeby się w nim wspiąć.

Ryzyko: ile to kosztowało innych

1. Customer Experience Dive (9 May 2025). Report on Klarna reinvesting in human customer-service staff, quoting chief executive Sebastian Siemiatkowski's remarks to Bloomberg. customerexperiencedive.com Podane, nie zmierzone Prezes Klarny powiedział, że firma przywiązywała zbyt dużą wagę do kosztów w obsłudze klienta i uzyskała niższą jakość; zaczęła znowu zatrudniać konsultantów. Na tej stronie.
2. Moffatt v. Air Canada, 2024 BCCRT 149. British Columbia Civil Resolution Tribunal. decisions.civilresolutionbc.ca Akta sądu lub regulatora Kanadyjski trybunał nakazał Air Canada zapłacić klientowi C$812,02, po tym jak chatbot na jej stronie podał błędne informacje o taryfach. Na tej stronie.
3. Mata v. Avianca, Inc., No. 22-cv-1461 (S.D.N.Y. 22 June 2023). Opinion and order on sanctions. storage.courtlistener.com Akta sądu lub regulatora Sąd w Nowym Jorku ukarał kancelarię i dwóch prawników grzywną $5000 za złożenie sześciu orzeczeń sądowych, które zmyślił ChatGPT. Na tej stronie.
4. Wadsworth v. Walmart Inc., No. 2:23-cv-118 (D. Wyo. 2025). Order on sanctions. storage.courtlistener.com Akta sądu lub regulatora Sąd w Wyoming ukarał trzech prawników grzywnami łącznie na $5000 ($3000 i dwie grzywny po $1000) za osiem zmyślonych spraw z własnego narzędzia AI ich kancelarii. Na tej stronie.
5. Johnson v. Dunn, No. 2:21-cv-1701 (N.D. Ala. 23 July 2025). Sanctions order. storage.courtlistener.com Akta sądu lub regulatora Po pięciu zmyślonych cytatach amerykańska kancelaria zapłaciła 28 prawnikom innej kancelarii za sprawdzenie ponad 2400 cytatów w 330 pismach procesowych. Na tej stronie.
6. Ayinde v London Borough of Haringey and Al-Haroun v Qatar National Bank [2025] EWHC 1383 (Admin). judiciary.uk Akta sądu lub regulatora W angielskiej sprawie rozpatrywanej razem ze sprawą Primus Solicitors centrum pomocy prawnej i adwokat (barrister) musieli każde zapłacić £2000 zbędnych kosztów za pięć nieistniejących spraw; pismo Primus zawierało ich 18. Na tej stronie.
7. US Federal Trade Commission (22 April 2025). FTC approves final order requiring accessiBe to pay $1 million. Press release. ftc.gov Akta sądu lub regulatora Amerykański regulator ochrony konsumentów nakazał accessiBe zapłacić $1 mln za twierdzenia, że jej wtyczka AI czyni każdą stronę internetową dostępną. Na tej stronie.
8. US Federal Trade Commission (February 2025). FTC finalizes order with DoNotPay that prohibits deceptive ‘AI lawyer’ claims, imposes monetary relief. Press release. ftc.gov Akta sądu lub regulatora Amerykański regulator ochrony konsumentów nakazał DoNotPay zapłacić $193 000 za sprzedaż niesprawdzonego “robot lawyer” [„robota-prawnika”]. Na tej stronie.
9. US Securities and Exchange Commission (March 2024). SEC Charges Two Investment Advisers with Making False and Misleading Statements About Their Use of Artificial Intelligence. Press release 2024-36. sec.gov Akta sądu lub regulatora Amerykański regulator rynku papierów wartościowych ukarał dwóch doradców inwestycyjnych grzywnami $225 000 i $175 000 za reklamowanie AI, której nie mieli. Na tej stronie.
10. US Federal Trade Commission (19 December 2023). Rite Aid banned from using AI facial recognition after FTC says retailer deployed technology without reasonable safeguards. Press release. ftc.gov Akta sądu lub regulatora Rite Aid dostał pięcioletni zakaz używania rozpoznawania twarzy do monitoringu po tym, jak wdrożył je bez sprawdzenia jego dokładności. Na tej stronie.
11. Office of the Victorian Information Commissioner (September 2024). Investigation into the use of ChatGPT by a Child Protection worker. ovic.vic.gov.au Akta sądu lub regulatora Po tym, jak pracownik ochrony dzieci użył ChatGPT do przygotowania raportu dla sądu, regulator ustalił, że prawie 900 pracowników otwierało tę stronę, i nakazał departamentowi zablokować takie narzędzia. Na tej stronie.
12. WPP plc (30 October 2025). Third Quarter Trading Update 2025; and WPP Annual Report on Form 20-F for 2024. wpp.com Podane, nie zmierzone WPP zwiększyła wydatki na swoją platformę AI do £300 mln rocznie; mimo to jej przychody w 2025 roku spadły, a prognozę obniżyła do spadku o 5,5% do 6,0%. Na tej stronie.

Tło: cele użycia, co mówią użytkownicy i sprawdzanie

1. Becker, J., Rush, N., Barnes, B. and Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089v2. arxiv.org Zmierzone w badaniu Programiści w eksperymencie METR spodziewali się, że AI przyspieszy ich pracę o 24%, a potem uważali, że przyspieszyła ją o 20%, podczas gdy zmierzony wynik to spowolnienie o 19%.
2. Yu, S., Cheng, M., Jabbar, A., Sucholutsky, I., Collins, K. M., Jurafsky, D. and Hawkins, R. D. (2026). The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks. arXiv:2605.22687 (preprint, not peer-reviewed). arxiv.org Zmierzone w badaniu W trzech zarejestrowanych z góry eksperymentach z prostymi zadaniami ludzie spodziewali się, że AI zaoszczędzi im 55,7 sekundy, a zaoszczędziła 7,5.
3. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk Zmierzone w badaniu W pilotażu brytyjskiego ministerstwa dzienniki użytkowników wskazywały oszczędność czasu przy analizie danych, a test z pomiarem czasu wykazał, że użytkownicy Copilota wykonywali analizę w Excelu wolniej i gorzej. Na tej stronie.
4. Fortune (25 August 2025). Report on Coinbase chief executive Brian Armstrong's AI coding mandate, quoting his remarks on the Cheeky Pint podcast. fortune.com Podane, nie zmierzone Prezes Coinbase powiedział, że dał inżynierom tydzień na rozpoczęcie korzystania z narzędzi AI do kodowania i zwolnił część z tych, którzy tego nie zrobili.
5. CNBC (7 April 2025). Shopify CEO says staffers need to prove jobs can't be done by AI before asking for more headcount. Report on Tobi Lütke's memo, which he posted on X. cnbc.com Podane, nie zmierzone Prezes Shopify napisał do pracowników, że używanie AI będzie częścią ocen okresowych i że zespoły muszą wykazać, że AI nie może wykonać danej pracy, zanim poproszą o więcej ludzi.
6. Fortune (18 August 2025). Duolingo CEO admits his controversial AI memo ‘did not give enough context’ and insists the company never laid off full-time employees. fortune.com Podane, nie zmierzone Prezes Duolingo powiedział kilka miesięcy później, że jego komunikat o „AI-first” “did not give enough context” [„nie dawał wystarczającego kontekstu”]. Na tej stronie.
7. Holmström, B. and Milgrom, P. (1991). Multitask Principal-Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design. The Journal of Law, Economics, and Organization, 7 (special issue), 24-52 (peer-reviewed). econpapers.repec.org Wyliczone przez autorów badania Standardowy wynik ekonomii o mierzeniu niewłaściwej rzeczy: gdy mierzy się i nagradza tylko część pracy, wysiłek przenosi się na mierzoną część.
8. Vaccaro, M., Almaatouq, A. and Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293-2303 (peer-reviewed). doi.org Zmierzone w badaniu W 106 eksperymentach człowiek pracujący z AI wypadał średnio gorzej niż lepsze z tych dwojga działające osobno. Na tej stronie.

Odsetki porażek, które to narzędzie pomija

1. Challapally, A., Pease, C., Raskar, R. and Chari, P. (July 2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA (project report, not peer-reviewed; copy hosted by MLQ.ai). mlq.ai Podane, nie zmierzone „95%” z raportu MIT NANDA to odsetek organizacji z jego próby, które nie uzyskują z generatywnej AI mierzalnego zwrotu w rachunku zysków i strat; raport mówi też, że tylko 5% narzędzi AI tworzonych na zamówienie dla firm trafiło do produkcyjnego użycia.
2. Challapally, A. et al. (July 2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA. mlq.ai Podane, nie zmierzone Ten sam raport definiuje sukces jako narzędzie, o którym użytkownicy lub menedżerowie “remarked” [„wspomnieli”], że miało wyraźny i trwały efekt. To ocena, a nie pomiar.
3. S&P Global Market Intelligence (30 May 2025). Generative AI experiences rapid adoption, but with mixed outcomes: Highlights from VotE: AI & Machine Learning. Summary of 'Voice of the Enterprise: AI & Machine Learning, Use Cases 2025' (vendor research; full report behind a paywall). spglobal.com Deklarowane W ankiecie S&P Global z 2025 roku 42% firm odpowiedziało, że porzuciło większość swoich inicjatyw AI przed wdrożeniem produkcyjnym, wobec 17% rok wcześniej.
4. Gartner (29 July 2024). Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025. Press release. gartner.com Podane, nie zmierzone Gartner przewidywał w 2024 roku, że do końca 2025 roku co najmniej 30% projektów generatywnej AI zostanie porzuconych po weryfikacji koncepcji (proof of concept).
5. Ryseff, J., De Bruhl, B. F. and Newberry, S. J. (2024). The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed. RAND Corporation, RR-A2680-1. rand.org Podane, nie zmierzone RAND przeprowadził wywiady z 65 analitykami danych i inżynierami o nieudanych projektach AI; jako pierwszą przyczynę wymieniali złe zrozumienie problemu, w tym modele “optimized for the wrong metrics” [„optymalizowane pod niewłaściwe wskaźniki”].

Ostrożne spojrzenie i inne prognozy

1. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania Według wyliczeń Acemoglu około 20% zadań w pracy w USA, ważonych wynagrodzeniami, jest narażonych na AI.
2. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania Acemoglu zakłada, że w ciągu dziesięciu lat opłaca się zautomatyzować 23% narażonych zadań. Tę liczbę bierze z badania zadań z zakresu widzenia komputerowego.
3. Svanberg, M., Li, W., Fleming, M., Goehring, B. and Thompson, N. (2024). Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision? MIT FutureTech working paper, January 2024 (working paper, not peer-reviewed). futuretech-site.s3.us-east-2.amazonaws.com Wyliczone przez autorów badania Model kosztów zadań z zakresu widzenia komputerowego wykazał, że na poziomie firmy opłacało się zautomatyzować tylko 23% narażonych wynagrodzeń, z powodu dużych kosztów początkowych.
4. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania Mnożąc oba udziały, Acemoglu szacuje część gospodarki, którą AI rzeczywiście zmieni w ciągu dziesięciu lat, na 4,6%.
5. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania W zadaniach, w których używa się AI, Acemoglu przyjmuje oszczędność kosztów pracy na poziomie 27%, czyli średnią z dwóch eksperymentów.
6. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania Ponieważ praca to tylko część kosztu zadania, Acemoglu przelicza 27% oszczędności na pracy na 14,4% oszczędności kosztu całkowitego.
7. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania Główny wynik Acemoglu: AI podnosi produktywność w USA łącznie o nie więcej niż około 0,66% w ciągu dziesięciu lat.
8. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania Dla zadań “hard-to-learn” [„trudnych do nauczenia”], w których nie ma jasnej poprawnej odpowiedzi, na której można się uczyć, Acemoglu zakłada 7% oszczędności na pracy zamiast 27%, co obniża jego dziesięcioletnie oszacowanie produktywności do około 0,53%.
9. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania W przeliczeniu na PKB oszacowanie Acemoglu to łącznie mniej więcej od 0,9% do 1,2% w ciągu dziesięciu lat.
10. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Wyliczone przez autorów badania Acemoglu zaznacza, że jego liczby pomijają koszt i opóźnienie związane z reorganizacją pracy, więc nawet jego niewielkie oszacowanie może być za wysokie dla pierwszych dziesięciu lat.
11. Goldman Sachs (5 April 2023). Generative AI could raise global GDP by 7%. Goldman Sachs Research article summarising Briggs and Kodnani (investment-bank research, not peer-reviewed). goldmansachs.com Wyliczone przez autorów badania Goldman Sachs Research prognozował, że generatywna AI może w ciągu dziesięciu lat podnieść światowy PKB o 7%, a wzrost produktywności o 1,5 punktu procentowego rocznie.
12. McKinsey Global Institute (14 June 2023). The economic potential of generative AI: The next productivity frontier (consultancy report, not peer-reviewed). web.archive.org Wyliczone przez autorów badania McKinsey Global Institute oszacował, że generatywna AI może dodawać od 0,1 do 0,6 punktu procentowego rocznie do wzrostu wydajności pracy do 2040 roku.
13. McKinsey Global Institute (14 June 2023). The economic potential of generative AI: The next productivity frontier. web.archive.org Wyliczone przez autorów badania Ten sam raport McKinsey wycenił 63 zastosowania generatywnej AI na od $2,6 bln do $4,4 bln rocznie.
14. Aghion, P. and Bunel, S. (June 2024). AI and Growth: Where Do We Stand? Note published by the Federal Reserve Bank of San Francisco (not peer-reviewed). frbsf.org Wyliczone przez autorów badania Aghion i Bunel przeliczyli wzór Acemoglu na podstawie własnej interpretacji dowodów i otrzymali 0,68 punktu procentowego dodatkowego wzrostu produktywności rocznie, mniej więcej dziesięć razy więcej niż on.
15. Filippucci, F., Gal, P. and Schief, M. (2024). Miracle or Myth? Assessing the macroeconomic productivity gains from Artificial Intelligence. OECD Artificial Intelligence Papers No. 29, November 2024 (working paper). oecd.org Wyliczone przez autorów badania Artykuł OECD szacuje, że AI dodaje od 0,25 do 0,6 punktu procentowego rocznie do wzrostu produktywności w ciągu dziesięciu lat.
16. Georgieva, K. (14 January 2024). AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity. IMF Blog, summarising IMF Staff Discussion Note SDN/2024/001 (Cazzaniga et al.). imf.org Wyliczone przez autorów badania Główna liczba IMF dotyczy narażenia na AI, a nie wzrostu: na AI narażonych jest prawie 40% miejsc pracy na świecie i około 60% w gospodarkach rozwiniętych.