W drugim kwartale 2026 roku narzędzia sztucznej inteligencji stosowało 42 proc. polskich przedsiębiorstw, wobec 14 proc. na koniec 2024 roku. Michał Bojko, R&D Development Director w Dynatrace i szef gdańskiego laboratorium firmy, twierdzi w komentarzu przesłanym do redakcji AIPORT.pl, że o losie tych wdrożeń decyduje pięć pytań, których zarządy zwykle nie zadają przed podpisaniem budżetu.
Kluczowe fakty:
- W drugim kwartale 2026 roku narzędzia AI stosowało 42 proc. polskich przedsiębiorstw, wobec 14 proc. na koniec 2024 roku – wynika z „Szybkiego Monitoringu" Narodowego Banku Polskiego.
- 35 proc. polskich firm w ogóle nie rozpoczęło analiz dotyczących zastosowania sztucznej inteligencji, a wśród mikro- i małych przedsiębiorstw odsetek ten sięga 46 proc.
- Według prognozy Gartnera z czerwca 2025 roku, ponad 40 proc. projektów agentowych zostanie anulowanych do końca 2027 roku z powodu rosnących kosztów, niejasnej wartości biznesowej i nieadekwatnej kontroli ryzyka.
Skala tego skoku robi wrażenie nawet na kimś, kto rynek AI obserwuje zawodowo. Trzykrotny wzrost w półtora roku to tempo, jakiego nie widzieliśmy przy chmurze, ERP ani żadnej wcześniejszej technologii korporacyjnej. Pytanie brzmi, czy razem z narzędziami weszła do firm zdolność sprawdzenia, co te narzędzia właściwie robią.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Trzykrotny wzrost w półtora roku
Liczba 42 proc. pochodzi z lipcowej edycji „Szybkiego Monitoringu” Narodowego Banku Polskiego, czyli z badania koniunktury w sektorze przedsiębiorstw. Blisko jedna trzecia ankietowanych firm (29 proc.) zwiększyła skalę korzystania z AI w 2025 roku. Najwyższy odsetek odnotowano w usługach (46 proc.), najniższy w budownictwie i handlu (po 38 proc.). Wśród dużych przedsiębiorstw z narzędzi AI korzysta 59 proc.
Druga strona tego samego badania jest mniej entuzjastyczna. 35 proc. firm w ogóle nie rozpoczęło analiz dotyczących zastosowania sztucznej inteligencji, a wśród mikro- i małych przedsiębiorstw odsetek ten sięga 46 proc. NBP zauważa też, że wdrożenia AI mają na razie marginalny wpływ na zatrudnienie. Narzędzia są, efekty policzalne w kadrach jeszcze nie.
Gartner: ponad 40 proc. projektów agentowych zostanie skasowanych do końca 2027 roku
Prognoza, na którą powołuje się Bojko, ma już rok. Gartner ogłosił ją 25 czerwca 2025 roku i od tamtej pory wraca w nagłówkach regularnie, często bez daty. Trzy powody anulowania projektów: rosnące koszty, niejasna wartość biznesowa i nieadekwatna kontrola ryzyka. Żaden z nich nie dotyczy jakości modelu.
Anushree Verma, Senior Director Analyst w Gartnerze, mówiła wtedy o projektach agentowych jako o czymś, co jest w większości „wczesnymi eksperymentami albo dowodami koncepcji napędzanymi głównie modą” / „early stage experiments or proof of concepts that are mostly driven by hype”. Firma analityczna oszacowała przy okazji, że spośród tysięcy dostawców reklamujących się dziś jako agentowi realnie zasługuje na to miano około 130. Reszta to zmiana etykiety na chatbocie albo na robotycznej automatyzacji procesów.
Dane McKinseya z listopada 2025 roku pokazują ten sam rozjazd z innej strony: 62 proc. organizacji przynajmniej eksperymentuje z agentami AI, ale tylko 23 proc. skalowało je w choćby jednej funkcji biznesowej.
Pięć pytań, które Bojko kładzie na stole zarządu
Komentarz Dynatrace sprowadza się do listy kontrolnej. Nie jest to lista technologiczna, tylko finansowa, i właśnie dlatego jest ciekawa.
- Ile kosztuje nas pojedynczy wynik dostarczony przez AI? Nie cena licencji ani rachunek za chmurę, tylko koszt jednego zapytania albo jednej obsłużonej sprawy. Dopóki nie da się go przypisać do konkretnej usługi i konkretnego zespołu, jak pisze Bojko, „budżet AI pozostaje pozycją bez właściciela”.
- Czy raportowana oszczędność czasu jest oszczędnością netto? Zarządy rozliczają zwykle brutto. Różnica potrafi zjeść znaczną część marży projektu.
- Czy odtworzymy, dlaczego agent podjął błędną decyzję? Halucynacja w oknie czatu kończy się złą odpowiedzią. Halucynacja agenta pracującego na produkcji potrafi zmienić konfigurację albo wyłączyć usługę.
- Czy nasza AI odczytuje przyczyny, czy je zgaduje? Generatywna AI działa probabilistycznie, co pomaga przy tworzeniu i przeszkadza przy prowadzeniu operacji.
- Czy wiemy, jak działają nasze rozwiązania? Pytanie regulacyjne, do którego wrócę niżej, bo w Polsce ma ono twardy termin.
Bojko podsumowuje mechanizm jednym zdaniem: „Wdrażając sztuczną inteligencję, kupujemy silnik, nie poznawszy wcześniej jego możliwości ani ograniczeń”.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Oszczędność brutto, której nikt nie przelicza na netto
Drugie pytanie z tej listy jest najlepiej udokumentowane i najrzadziej zadawane. Badanie Workday z początku 2026 roku, przeprowadzone na 3200 pracownikach w Ameryce Północnej, Europie i Azji, wykazało, że 85 proc. z nich oszczędza dzięki AI od godziny do siedmiu godzin tygodniowo. Około 37 proc. tego czasu wraca jednak do organizacji jako poprawianie, doprecyzowywanie i przepisywanie słabych wyników. Workday nazwał to zjawisko „podatkiem od produktywności” / „AI tax on productivity”. Tylko 14 proc. badanych deklaruje, że osiąga z AI konsekwentnie dodatni bilans.
Zapier policzył to samo inaczej. W ankiecie wśród ponad 1100 firmowych użytkowników AI średni czas poświęcany tygodniowo na sprzątanie po sztucznej inteligencji wyniósł 4,5 godziny, czyli ponad pół dnia roboczego. 58 proc. respondentów spędza na tym co najmniej trzy godziny, 11 proc. dziesięć godzin i więcej. Odsetek osób, które w ogóle nie muszą poprawiać wyników AI, wynosi 2 proc.
To są dane amerykańskie i trzeba je czytać ostrożnie. Ale mechanizm jest uniwersalny: godzina zaoszczędzona na wejściu i godzina stracona na wyjściu dają w księgach zero, a w prezentacji dla zarządu wciąż wyglądają jak sukces.
Lista Bojki jest dobra i większość zarządów, które znam, nie potrafi odpowiedzieć nawet na pierwsze pytanie. Koszt jednego wyniku dostarczonego przez AI to dziś w polskich firmach wielkość mityczna, a rachunek za chmurę trafia zbiorczo do IT i tam znika. Widzę tu jednak coś, o czym trzeba powiedzieć wprost: Dynatrace sprzedaje obserwowalność, a wszystkie pięć pytań prowadzi do wniosku, że potrzebna jest obserwowalność. Czwarte pytanie kończy się nazwą własnego silnika firmy, a przytoczone przy nim liczby (dwunastokrotnie częstsze rozwiązywanie problemów, trzykrotnie szybsze, za połowę kosztu) pochodzą z wewnętrznych benchmarków dostawcy i nikt ich niezależnie nie zweryfikował. To nie unieważnia diagnozy, tylko każe oddzielić ją od recepty.
Bo diagnoza jest trafna niezależnie od tego, kto ją stawia. Jeśli firma nie wie, na jakich danych agent oparł rekomendację, jej jedynym zabezpieczeniem jest zaufanie do dostawcy. To za mało, gdy przychodzi audytor, i zdecydowanie za mało, gdy przychodzi regulator. Pytanie, które mnie nie opuszcza, brzmi inaczej niż pięć pytań z komentarza: kto w polskiej spółce jest właścicielem linii budżetowej „AI”? Dopóki odpowiedź brzmi „no, IT albo zarząd”, żadne z tych pięciu pytań nie ma adresata.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Nadzorowana autonomia zamiast pełnej
Dynatrace opublikował w styczniu 2026 roku badanie „The Pulse of Agentic AI”, przeprowadzone wśród 919 osób odpowiedzialnych za wdrożenia agentowe. Około połowy projektów tkwi w fazie proof of concept albo pilotażu, połowa firm ma agentów w produkcji dla wąskich zastosowań, a 23 proc. deklaruje dojrzałą integrację w skali całej organizacji. Blisko 70 proc. decyzji wspieranych przez AI nadal przechodzi przez weryfikację człowieka, a 44 proc. firm przegląda komunikację między agentami ręcznie.
Alois Reitbauer, Chief Technology Strategist w Dynatrace, tłumaczył to tak: „bezpieczne skalowanie systemów autonomicznych wymaga pewności, że będą zachowywać się przewidywalnie” / „scaling autonomous systems safely requires confidence that those systems will behave reliably”. Bojko opisuje tę samą drogę jako etapy. Najpierw operacje zautomatyzowane, potem nadzorowana autonomia, w której AI przygotowuje gotowy plan naprawczy, a decyzję o jego uruchomieniu podejmuje ekspert. Pełna autonomia zostaje na horyzoncie. Większość organizacji jest dziś między pierwszym a drugim etapem.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Zegar KSC tyka do 3 października
I tu dochodzimy do punktu, w którym komentarz z Gdańska przestaje być rozważaniem o zarządzaniu, a staje się terminarzem. Nowelizacja ustawy o krajowym systemie cyberbezpieczeństwa, wdrażająca dyrektywę NIS2, weszła w życie 3 kwietnia 2026 roku. Pisaliśmy o tym reżimie przy okazji ujawnionych przez Anthropic włamań przeprowadzonych przez model Claude i wnioski się nie zmieniły.
Harmonogram, który dotyczy dziś dziesiątek tysięcy podmiotów:
- 3 października 2026 to termin na złożenie wniosku o wpis do wykazu podmiotów kluczowych i ważnych, jak nazywa je ustawa. Zostało niecałe sześć tygodni.
- 3 kwietnia 2027 to termin na wdrożenie obowiązków z rozdziału trzeciego ustawy.
- Kary sięgają 10 mln euro albo 2 proc. obrotu, a odpowiedzialność kierownictwa dochodzi do 300 proc. wynagrodzenia.
- Zgłoszenia incydentów biegną w rytmie 24 i 72 godzin, licząc od wykrycia, nie od zdarzenia.
W sektorze finansowym analogiczny obowiązek działa od 17 stycznia 2025 roku na mocy rozporządzenia DORA. Oba akty sprowadzają się do tego samego pytania: czy firma potrafi pokazać, kiedy wykryła nieprawidłowość i co z nią zrobiła. Odpowiedź wymaga zbierania danych o działaniu systemów w jednym miejscu, na otwartym standardzie, i tu akurat interes dostawcy obserwowalności zbiega się z interesem zarządu.
Zegar zgłoszeniowy rusza od wykrycia. Firma, która nie widzi, co robi jej agent, nie wykryje niczego. I to jest chyba najmocniejszy argument z całego tego komentarza, chociaż nie pada w nim wprost.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału prasowego Dynatrace „Pięć pytań, które zarząd powinien zadać, zanim zacznie skalować AI” autorstwa Michała Bojki, R&D Development Director w Dynatrace, przesłanego do redakcji AIPORT.pl, a także komunikatu Gartnera z dnia 25.06.2025 i badania „The Pulse of Agentic AI 2026″ firmy Dynatrace z dnia 22.01.2026. Wykorzystano również dane z badania Narodowego Banku Polskiego „Szybki Monitoring”, raportów Workday i Zapier dotyczących czasu poświęcanego na poprawianie wyników AI, badania McKinsey „State of AI” oraz informacji Ministerstwa Cyfryzacji o nowelizacji ustawy o krajowym systemie cyberbezpieczeństwa. Cytaty Anushree Verma (Gartner) i Aloisa Reitbauera (Dynatrace) zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym, cytaty Michała Bojki pochodzą z polskojęzycznego materiału prasowego. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych o skali wdrożeń AI w polskich firmach i o realizacji obowiązków wynikających z nowelizacji ustawy o KSC.
