Firmy korzystające z agentów AI osiągają znaczący zwrot z inwestycji średnio po ośmiu miesiącach, a najszybciej, bo po 6,5 miesiąca, udaje się to usługom profesjonalnym i biznesowym, czyli branży, która wdrażała agentów najwolniej. Tak wynika z raportu Salesforce „State of Agentic AI in the Enterprise”, opartego na ankiecie wśród 2025 osób decydujących o agentycznej AI w 20 krajach.
- Według raportu Salesforce „State of Agentic AI in the Enterprise" firmy z pełnym wdrożeniem agentów AI osiągają znaczący zwrot z inwestycji średnio po 8 miesiącach, przy czym najszybciej – po 6,5 miesiąca – udaje się to usługom profesjonalnym i biznesowym, które należą do najwolniej wdrażających branż.
- Firmy, które ujednoliciły dane przed uruchomieniem agentów AI, osiągały znaczący ROI po 7,3 miesiąca, podczas gdy te, które porządkowały dane dopiero po wdrożeniu, potrzebowały 8,8 miesiąca – choć tylko 31 proc. organizacji z pełnym wdrożeniem faktycznie ujednoliciło dane przed startem.
- Organizacje z nadzorem nad agentami poniżej średniej osiągały ROI szybciej (7,2 miesiąca wobec 9,3 miesiąca), ale były niemal dwukrotnie bardziej narażone na odkrycie poważnego błędu agenta działającego poza ustalonymi parametrami dopiero po jego wystąpieniu – dotyczyło to 32 proc. takich firm wobec 18 proc. firm z rozbudowanym nadzorem.
Agentyczna AI to systemy, które nie tylko odpowiadają na pytania, ale samodzielnie wykonują zadania w firmowych systemach, np. obsługują zgłoszenia klientów czy prowadzą rekrutację. Salesforce sprzedaje takie rozwiązania (platforma Agentforce), więc raport ma też wymiar marketingowy. Mimo to część wniosków jest ciekawa, bo nie pasuje do narracji „kto pierwszy, ten lepszy”.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Pionierzy wdrożeń nie są pionierami zwrotu z inwestycji
Branże, które najszerzej wdrożyły agentów AI, nie są tymi, które najszybciej na nich zarabiają. W pełnych wdrożeniach prowadzą usługi finansowe, handel detaliczny, produkcja i sektor High Tech. Tymczasem High Tech, jeden z największych użytkowników agentów, czeka na znaczący zwrot z inwestycji średnio 10,1 miesiąca, czyli najdłużej spośród wymienionych sektorów.
Najszybszy zwrot z inwestycji według Salesforce:
| Branża | Średni czas do znaczącego ROI |
|---|---|
| Usługi profesjonalne i biznesowe | 6,5 miesiąca |
| Łańcuch dostaw i logistyka | 6,8 miesiąca |
| Inżynieria, budownictwo i nieruchomości | 7,2 miesiąca |
| Produkcja | 7,2 miesiąca |
| Usługi finansowe | 7,2 miesiąca |
| High Tech (dla porównania) | 10,1 miesiąca |
Usługi profesjonalne oraz łańcuch dostaw i logistyka mają przy tym jeden z najniższych odsetków firm z pełnym wdrożeniem agentów.
Shibani Ahuja, SVP ds. strategii danych i AI w Salesforce, twierdzi, że przewaga nie wynikała z wczesnego startu:
„Przewaga nigdy nie polegała na tym, by zacząć pierwszym, tylko na tym, by zacząć w przemyślany sposób” / „the advantage was never in starting first; it’s in starting deliberately.”
Średnio osiem miesięcy do ROI i 53 proc. pracowników korzystających z agentów
Większość wyników raportu dotyczy 30 proc. badanych organizacji, które mają agentów AI w pełnym wdrożeniu produkcyjnym. Pozostałe 47 proc. prowadzi pilotaże, a 23 proc. dopiero ocenia możliwości. W grupie firm z pełnym wdrożeniem średnie wyniki wyglądają tak:
- znaczący zwrot z inwestycji po około 8 miesiącach,
- 53 proc. pracowników regularnie korzysta z agentów AI,
- satysfakcja klientów (CSAT) wzrosła średnio o 29 proc.,
- problemy klientów, pracowników lub partnerów są rozwiązywane o 31 proc. szybciej,
- roczny budżet działu lub funkcji spadł o 29 proc.
Wszystkie wskaźniki wyników, w tym czas do ROI i wzrost satysfakcji klientów, są deklaracjami respondentów, a nie zmierzonymi danymi finansowymi. Salesforce zaznacza to w metodologii raportu. Ankietę przeprowadzono 14-28 maja 2026 roku metodą podwójnie ślepej próby, w której ani respondenci nie wiedzieli, kto zleca badanie, ani zleceniodawca nie znał tożsamości respondentów.
Salesforce podaje też dane z własnej platformy: liczba wdrożeń agentów wzrosła w ciągu roku ponad dwukrotnie, a sprzedawcy detaliczni korzystający z agentów zwiększali sprzedaż online czterokrotnie szybciej niż ci, którzy z nich nie korzystali. Tych liczb nie da się zweryfikować niezależnie.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Tylko 31 proc. firm ujednoliciło dane przed wdrożeniem agentów
Gotowość danych nie odróżnia firm, które wdrożyły agentów AI, od tych, które jeszcze tego nie zrobiły. Tylko 31 proc. organizacji z pełnym wdrożeniem w pełni ujednoliciło dane przed uruchomieniem agentów. Pozostałe 69 proc. nadal integrowało źródła danych, obchodziło luki lub pracowało na rozproszonych danych.
Przygotowanie danych skraca jednak drogę do zwrotu. Firmy, które ujednoliciły potrzebne dane przed wdrożeniem, osiągały znaczący ROI po 7,3 miesiąca. Firmy, które najpierw uruchomiły agentów, a luki w danych łatały później, potrzebowały 8,8 miesiąca.
Wdrażający najczęściej wskazywali jako warunek sukcesu najbardziej autonomicznych agentów:
- czyste, dobrze zarządzane dane dostępne w chwili, gdy agent ich potrzebuje (36 proc.),
- wąski, jasno określony zakres działania agenta (36 proc.),
- ścieżki przekazania sprawy człowiekowi ustalone z wyprzedzeniem, a nie po fakcie (35 proc.),
- spójny sposób dostępu do danych oraz zarządzanie zmianą przed wdrożeniem (po 33 proc.).
Co ciekawe, „jakość modelu i niezawodność bazowego LLM” wskazało tylko 30 proc. respondentów. Firmy, które mają agentów w produkcji, częściej widzą problem w danych i organizacji niż w samym modelu.
Joe Inzerillo, prezes pionu Enterprise & AI Technology w Salesforce, przekonuje, że dane można porządkować etapami:
„Przekonujemy się, że można działać przypadek po przypadku” / „What we’re finding is you can go use case by use case”
„To właśnie warstwa semantyczna odblokowuje wartość” / „That semantic layer is what unlocks the value.”
Warstwa semantyczna to opis danych, który mówi agentowi, co oznaczają poszczególne pola i jak z nich korzystać.
Lżejszy nadzór daje szybszy zwrot, ale błędy wychodzą później
Najciekawszy fragment raportu dotyczy nadzoru nad agentami. Organizacje z nadzorem poniżej średniej osiągały dodatni ROI po 7,2 miesiąca, a te z rozbudowanym nadzorem po 9,3 miesiąca. Ta sama grupa z lżejszym nadzorem była jednak niemal dwukrotnie bardziej narażona na to, że o agencie działającym poza ustalonymi parametrami dowie się dopiero po poważnym błędzie: dotyczyło to 32 proc. takich firm wobec 18 proc. firm z nadzorem powyżej średniej.
Przed wdrożeniem firmy miały średnio dwa mechanizmy nadzoru (np. monitoring w czasie rzeczywistym, procedury przekazania sprawy człowiekowi, dzienniki audytowe), po wdrożeniu średnio trzy. Wśród respondentów, których projekty AI spowolniły, utknęły lub się nie udały, 38 proc. przyznało, że następnym razem postawiłoby na silniejsze mechanizmy nadzoru i eskalacji.
Inzerillo podsumowuje to stanowisko Salesforce tak:
„Próg to »wystarczająco dobre, żeby się uczyć«. Ustalcie zabezpieczenia rozsądnie, ale nie rozbudowujcie ich do tego stopnia, że zabijecie innowacyjność” / „Good enough to learn is the bar. Define guardrails sensibly, but don’t overbuild them to the point where you kill the innovation.”
Czytam ten raport z dwiema myślami jednocześnie. Pierwsza jest pozytywna: Salesforce, który na agentach zarabia, mówi firmom wprost, że nie muszą się ścigać, a lepiej zacząć od wąskiego zastosowania i porządnych danych. To rozsądna rada i zgadza się z tym, co sam widzę we wdrożeniach AI w mniejszych firmach.
Druga myśl jest mniej wygodna. Zestawienie 7,2 i 9,3 miesiąca kusi, żeby uznać nadzór za hamulec. Ale ta sama tabela mówi, że przy słabszym nadzorze niemal co trzecia firma dowiaduje się o wymykającym się spod kontroli agencie dopiero po poważnym błędzie. Ile kosztuje jeden taki błąd w obsłudze klienta albo w finansach? Raport tego nie liczy, a wszystkie liczby o ROI to deklaracje osób, które same te projekty prowadziły i zwykle nie mają powodu, by je oceniać surowo. Traktowałbym je jako kierunek, nie jako benchmark do biznesplanu.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Agenci działają lepiej wewnątrz systemów, z których ludzie już korzystają
Przeciętna badana organizacja używa 58 różnych aplikacji biznesowych, ale tylko w 42 proc. z nich AI jest wbudowana natywnie. Pracownicy częściej sięgają po AI, gdy jest wbudowana w podstawowe systemy (55 proc.), niż gdy jest z nimi połączona, ale działa obok (47 proc.). 94 proc. firm z pełnym wdrożeniem twierdzi, że AI wpięta w główne procesy daje więcej niż samodzielne narzędzie.
Jako przykład Salesforce podaje firmę Asymbl, która zbudowała agenta rekrutacyjnego Rosa działającego w Slacku. Rosa przygotowuje opisy stanowisk, wstępnie selekcjonuje kandydatów, umawia rozmowy i wysyła oferty, korzystając z danych zebranych w Data 360 i zintegrowanych przez MuleSoft. Według Salesforce Asymbl zatrudnił w ten sposób 100 osób w 100 dni przy 96 proc. utrzymania pracowników. Warto pamiętać, że Slack, Data 360 i MuleSoft to produkty Salesforce.
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.
Polskie firmy chcą agentów AI, ale niewiele jest na nie gotowych
Raport Salesforce nie podaje wyników dla Polski, ale inne badania pokazują, że polski rynek jest dopiero przed etapem, który opisuje Salesforce. Według Cisco AI Readiness Index 2025 aż 85 proc. polskich organizacji planuje wdrożenie agentów AI, ale w pełni gotowych jest tylko 5 proc. (średnia światowa to 13 proc.). Zaledwie 23 proc. polskich firm uważa, że ich obecna infrastruktura IT poradzi sobie z wymaganiami AI.
Raport PMR „Rynek sztucznej inteligencji w Polsce 2026”, opisywany przez ITwiz, wskazuje integrację AI z istniejącymi systemami IT jako największe wyzwanie dla firm (54 proc.). To dokładnie ten problem, o którym mówi raport Salesforce w kontekście 58 aplikacji i niskiego odsetka natywnej integracji AI.
Dla polskich firm płynie z tego praktyczny wniosek: skoro na całym świecie tylko 31 proc. wdrażających miało uporządkowane dane przed startem, nie trzeba czekać na idealną infrastrukturę. Lepiej wybrać jeden wąski proces, przygotować dane właśnie pod niego i z góry ustalić, kiedy agent ma oddać sprawę człowiekowi.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu Salesforce „New Study of 2,025 Agentic AI Leaders: First To Launch Isn’t Fastest to ROI” z dnia 27.08.2026, strony raportu State of Agentic AI in the Enterprise oraz polskiej wersji informacji prasowej przekazanej redakcji przez ITBC Group. Polski kontekst: Cisco AI Readiness Index 2025 (iMagazine), raport PMR (ITwiz).
Badanie przeprowadzono 14-28 maja 2026 roku wśród 2025 osób decyzyjnych w 20 krajach. Dane o ROI, satysfakcji klientów i kosztach pochodzą z deklaracji respondentów.
Cytaty Shibani Ahuji, SVP ds. strategii danych i AI w Salesforce, oraz Joe Inzerillo, prezesa pionu Enterprise & AI Technology w Salesforce, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wdrożeniach agentów AI w firmach.
