KPMG opublikował właśnie wyniki swojego pierwszego kwartalnego badania Global AI Pulse i liczby są brutalne w swojej prostocie. Globalne organizacje planują wydać średnio 186 milionów dolarów na AI w ciągu najbliższych 12 miesięcy, a jednocześnie zaledwie 11% z nich faktycznie wdrożyło i skaluje agentów AI w sposób, który generuje wymierne korzyści na poziomie całego przedsiębiorstwa.
Nie mamy tu do czynienia z porażką AI. 64% ankietowanych deklaruje, że AI dostarcza już wartość biznesową. Problem tkwi w tym, co kryje się za słowem „wartość”. Większość firm zadowala się przyrostowymi zyskami produktywnościowymi, podczas gdy elitarne 11% przebudowuje całe procesy operacyjne. To zupełnie inna liga.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
Przepaść, która rośnie między liderami a resztą
KPMG dzieli firmy na „AI liderów” (organizacje aktywnie skalujące agentów AI) i wszystkich pozostałych. Różnice w wynikach są uderzające.
Wśród liderów 82% ocenia, że AI dostarcza realną wartość biznesową. W grupie pozostałych firm ten odsetek spada do 62%. Dwadzieścia punktów procentowych różnicy może wyglądać skromnie, ale za tą liczbą kryje się nie kwestia narzędzi, lecz zupełnie inna filozofia wdrożenia.
Organizacje z grupy owego 11% używają agentów, które:
- koordynują pracę między różnymi działami bez konieczności ludzkiego zatwierdzenia każdej decyzji,
- przetwarzają dane operacyjne niemal w czasie rzeczywistym,
- wychwytują anomalie zanim zdążą przerodzić się w incydenty,
- przyspieszają rozwój kodu i optymalizują łańcuchy dostaw.
W obszarze IT i inżynierii 75% liderów używa agentów do przyspieszenia prac programistycznych, wobec 64% w grupie reszty firm. W operacjach, gdzie głównym zastosowaniem jest zarządzanie łańcuchem dostaw, różnica wynosi 64% do 55%.
Pierwsza przeprojektuj, potem wdróż
I tu dochodzimy do sedna. Większość przedsiębiorstw, które wdrożyły AI, robiła to nakładając modele na istniejące procesy: co-pilot tu, narzędzie do podsumowań tam. Efekt? Zyski przyrostowe.
Liderzy odwrócili tę kolejność. Najpierw przeprojektowują proces, a dopiero potem wprowadzają agentów, którzy działają już w nowej strukturze. To kluczowa różnica, która na horyzoncie 3-5 lat będzie prawdopodobnie decydować o konkurencyjności całych branż.
Raport KPMG potwierdza coś, o czym mówimy od dawna: wydawanie więcej na AI to nie to samo co tworzenie wartości. Ale warto zadać sobie pytanie, czy ta przepaść między liderami a resztą nie jest po prostu naturalnym etapem dojrzewania rynku, który obserwowaliśmy przy każdej poprzedniej fali technologicznej. Martwi mnie jednak inna rzecz: firmy, które dziś tkwią w fazie eksperymentów, mogą nie mieć wystarczająco dużo czasu, żeby dołączyć do czołówki. Przewaga liderów jest już znacząca i każdy kwartał zwłoki ją powiększa. Z drugiej strony, pęd do skalowania za wszelką cenę, bez solidnych fundamentów governance’u i bezpieczeństwa danych, może skończyć się katastrofą, której koszty przerosną potencjalne zyski. Kto ponosi odpowiedzialność za decyzję podjętą autonomicznie przez agenta AI? To pytanie pozostaje w większości organizacji bez odpowiedzi.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Co tak naprawdę kupuje 186 milionów dolarów?
Liczby regionalne są równie interesujące jak globalna średnia. ASPAC prowadzi ze średnim budżetem 245 milionów dolarów, Ameryki wydają 178 milionów, a EMEA 157 milionów. W samym ASPAC firmy z Chin i Hongkongu planują wydatki na poziomie 235 milionów dolarów, w USA jest to 207 milionów.
Koszty licencji modeli i infrastruktury obliczeniowej są relatywnie łatwe do zabudżetowania. Problem leży gdzie indziej. Koszty tarcia pojawiają się późno w cyklu wdrożenia i regularnie przekraczają pierwsze szacunki. Zaliczamy do nich między innymi:
- godziny inżynierskie potrzebne do integracji AI z legacy systemami ERP,
- opóźnienia wynikające z kiepsko zorganizowanych pipeline’ów opartych na RAG (retrieval-augmented generation),
- koszty compliance i utrzymywania ścieżek audytu dla decyzji wspomaganych przez AI.
Dobrym przykładem jest integracja baz wektorowych, na których opiera się wiele agentic workflows. Wybór między Pinecone, Weaviate czy Qdrant, osadzanie i indeksowanie danych własnych firmy, zarządzanie cyklami odświeżania, to wszystko generuje złożoność operacyjną, która rzadko pojawia się w pierwszych propozycjach budżetowych na AI.
Governance nie jest hamulcem, jest paliwem
Być może najbardziej praktyczny wniosek z badania KPMG dotyczy związku między dojrzałością AI a zaufaniem do zarządzania ryzykiem.
Wśród firm wciąż w fazie eksperymentów tylko 20% czuje się pewnie w kwestii zarządzania ryzykiem związanym z AI. Wśród liderów ten odsetek rośnie do 49%. Steve Chase, Global Head of AI and Digital Innovation w KPMG International, komentuje to tak:
„The first Global AI Pulse results reinforce that spending more on AI is not the same as creating value. Leading organisations are moving beyond enablement, deploying AI agents to reimagine processes and reshape how decisions and work flow across the enterprise.”
„Spending more on AI is not the same as creating value / Wydawanie więcej na AI to nie to samo co tworzenie wartości. Wiodące organizacje wychodzą poza samo wdrożenie, używając agentów AI do przebudowy procesów i zmiany sposobu, w jaki decyzje i praca przepływają przez całe przedsiębiorstwo.”
Firmy, które wbudowały governance bezpośrednio w pipeline wdrożeniowy, a więc model cards, automatyczny monitoring wyników, narzędzia do wyjaśnialności decyzji AI i ścieżki eskalacji do człowieka przy decyzjach niskiej pewności, to właśnie te organizacje, które skalują najszybciej i z największą pewnością siebie. Governance nie spowalnia adopcji. Ją umożliwia.
Azja pędzi, Europa ostrożnie patrzy
Różnice regionalne w dynamice wdrożeń są znaczące dla każdej firmy planującej globalny rollout. ASPAC najagresywniej skaluje agentów AI: 49% tamtejszych organizacji jest na tym etapie, wobec 46% w Amerykach i 42% w EMEA. ASPAC prowadzi też w bardziej złożonej kategorii orkiestracji systemów wielo-agentowych, z wynikiem 33%.
Bariery różnią się też zależnie od regionu. Brak zaufania i wsparcia ze strony przywództwa to główna przeszkoda dla 24% firm w ASPAC i EMEA, ale tylko dla 17% firm w Amerykach. To nie jest problem techniczny do rozwiązania przez dział IT. To kwestia kultury organizacyjnej i projektu zarządzania.
Oczekiwania wobec modelu współpracy człowiek-AI są zresztą bardzo różne w zależności od szerokości geograficznej. Respondenci z Azji Wschodniej wyobrażają sobie, że agenci AI będą prowadzić projekty w 42% przypadków. Australijczycy wolą AI pod kierownictwem człowieka (34%). Północnoamerykanie stawiają na model partnerski (31%). Te różnice znacząco komplikują projektowanie procesów przy globalnym wdrożeniu tej samej platformy.
Okno możliwości nie jest otwarte wiecznie
Jeden wynik z badania KPMG szczególnie powinien przykuć uwagę zarządów: 74% respondentów deklaruje, że AI pozostanie priorytetem inwestycyjnym nawet w przypadku recesji. To albo wyraz głębokiego przekonania o strategicznej roli AI w strukturze kosztów i pozycji konkurencyjnej, albo zbiorowe zobowiązanie, które nie zostało jeszcze sprawdzone przez realne cięcia budżetowe. Prawdopodobnie jedno i drugie, w różnych proporcjach u różnych firm.
Jedno jest natomiast pewne. Jeśli 11% liderów dalej będzie budować swoją przewagę w takim tempie jak dotychczas, okno czasowe dla 89% pozostałych firm nie jest nieograniczone. Pytanie nie brzmi już „czy” przyspieszyć wdrożenie AI, ale „jak” to zrobić bez nakładania kolejnych warstw długu integracyjnego i deficytów governance’u, które i tak już ograniczają zwrot z dotychczasowych inwestycji.
