Nie traktuj wyniku oceny dojrzałości jak prognozy

Na czym to polega

Jeśli ktoś przyniesie ci wynik oceny dojrzałości, czytaj go jako opis tego, gdzie jesteś, a wyników szukaj gdzie indziej. Modele dojrzałości umieszczają firmę na drabinie, często z pięcioma szczeblami, i obiecują, że wspinaczka się opłaci. Publikują je firmy doradcze, dostawcy i badacze.

Co pokazują dowody

Argumenty przeciw poleganiu na wyniku

Przegląd badań nad modelami dojrzałości cyfrowej z dziesięciu lat podaje, że badacze kwestionują wartość tych modeli. Modele nie mają obiektywnych zasad oceniania i nikt nie ma danych, które łączą poziom dojrzałości z wynikami.
Wiele modeli zapisuje głównie to, co myśli najwyższe kierownictwo, a nie mierzalne wyniki.
Przegląd 47 badań wykazał, że związek między gotowością na zmianę a udanym wdrożeniem jest niejasny. Badania mierzą gotowość na wiele różnych sposobów.
Przegląd opublikowanych badań nad modelami dojrzałości AI wykazał, że 6 z 13 badań (46%) ocenia głównie technologię (Sadiq i współautorzy, w źródłach poniżej).
Głębsze wdrożenie nie szło w parze z lepszymi planami zatrudnienia. Federal Reserve Bank of New York przeanalizował ankietę z 2025 roku wśród małych firm w USA zatrudniających pracowników. Wśród firm, które używały AI, te, które wbudowały ją w swoje procesy, nie spodziewały się zatrudnić więcej osób niż te, które wciąż eksperymentowały. W danych płacowych przeanalizowanych przez Gusto, firmę sprzedającą małym firmom oprogramowanie płacowe, firmy używające AI do codziennych zadań przyjmowały pracowników w tym samym tempie co firmy, które głęboko wbudowały ją w swoją działalność. Oba źródła są na liście poniżej.

Argumenty za

Ankieta wśród 143 członków najwyższej kadry zarządzającej wykazała, że firmy z większymi zdolnościami w zakresie AI deklarowały więcej kreatywności i lepsze wyniki. W tej ankiecie ci sami menedżerowie oceniali zarówno zdolności, jak i wyniki.
W ankiecie OECD wśród 2018 małych i średnich firm z 12 krajów 2% firm, które używały AI do pojedynczych zadań, zgłosiło przełomowy efekt. Wśród firm, które używały jej w całej działalności, było to 23%. Firmy same oceniały efekt. OECD zaznacza, że próba nie jest reprezentatywna: do firm dotarto przez platformy cyfrowe współpracujące z OECD, a trzy czwarte odpowiedzi dotyczących AI pochodziło z Japonii.

Nikt nie wykazał, że wynik oceny dojrzałości przewiduje zyski.

Jak to zrobić

Używaj oceny dojrzałości, by uporządkować rozmowę: w czym jesteśmy słabi i czy się co do tego zgadzamy?
Patrz na odpowiedzi na poszczególne pytania, a nie na ogólny poziom.
Sprawdź, kto ją wypełniał. Jeśli tylko zarząd, zbierz inne opinie. Zob. oceniaj gotowość na podstawie kilku źródeł.
Nie wyznaczaj celu „osiągnąć poziom 4”. Wyznaczaj cele w kategoriach biznesowych: czas, jakość, koszt, przychody.
Nie używaj wyniku do tworzenia rankingu jednostek biznesowych ani do decyzji budżetowych.
Uważaj, gdy porównanie z innymi firmami pochodzi od firmy, która sprzedaje lekarstwo.

Co mierzyć

Wyniki prawdziwych projektów AI: zaoszczędzony czas, jakość, koszt. Zob. mierz względem pomiaru wyjściowego.
Jeśli powtarzasz ocenę dojrzałości: na ile zbliżyły się do siebie opinie różnych grup.

Gdzie to zawodzi

Wyrzucenie modelu. Uporządkowana lista kontrolna nadal pomaga zarządowi zobaczyć braki. Ostrzeżenie dotyczy tego, czego wynik może dowieść.
Środowiska regulowane. Niektóre audyty i normy wymagają udokumentowanej oceny. Przeprowadź ją i trzymaj osobno od uzasadnienia biznesowego.

Według wielkości firmy

Średnie: większość opublikowanych modeli zbudowano dla dużych firm i mogą nie pasować. Wystarczy krótka lista kontrolna.
Duże: wyniki ocen dojrzałości często trafiają do raportów dla rady nadzorczej. Przedstawiaj obok nich wyniki projektów.

Narzędzia diagnostyczne do tej praktyki

To gotowe kwestionariusze, testy i scenariusze, których możesz użyć. Każda karta podaje pytanie, na które narzędzie odpowiada, kto je wypełnia i czy możesz go swobodnie używać. Wszystkie narzędzia diagnostyczne.

Źródła

Thordsen and Bick (2023). A decade of digital maturity models: much ado about nothing?. Information Systems and e-Business Management, 21(4), 947–976. Co zrobiło i co wykazało to badanie
Silva, São Mamede and Santos (2024). A new proposed model to assess the digital organizational readiness to maximize the results of the digital transformation in SMEs. Journal of Innovation & Knowledge, 10(1), 100644. Co zrobiło i co wykazało to badanie
Caci, Nyantakyi, Blum, Sonpar, Schultes, Albers and Clack (2025). Organizational readiness for change: A systematic review of the healthcare literature. Implementation Research and Practice, 6. Co zrobiło i co wykazało to badanie
Mikalef and Gupta (2021). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management, 58(3), 103434. Ogranicza tę praktykę albo jej przeczy. Co zrobiło i co wykazało to badanie
Sadiq, Safie, Abd Rahman and Goudarzi (2021). Artificial intelligence maturity model: a systematic literature review. PeerJ Computer Science. doi.org
Aarons and Sarkar (October 2026). AI Adoption and Employment Expectations: Evidence from a Survey of Small Business Owners. Federal Reserve Bank of New York, Liberty Street Economics. libertystreeteconomics.newyorkfed.org
Tremper and Bowen (2026). Analysis of AI adoption and hiring at small businesses, from payroll records. Gusto, which sells payroll software to small firms. gusto.com
Bianchini, Lasheras Sancho and others (April 2026). Empowering SMEs in the age of AI: The 2026 OECD D4SME Survey. OECD. oecd.org

Twierdzenia na ten temat, sprawdzone z tymi badaniami:

„AI Maturity Matrix BCG pokazuje, jak dojrzałe w AI są firmy” Wymaga korekty
„Microsoft ma model dojrzałości dla odpowiedzialnej AI” Potwierdzone
„Tylko 13% firm jest gotowych na AI” Wymaga korekty