Zaledwie 6 proc. polskich przedsiębiorstw przemysłowych wykorzystuje sztuczną inteligencję i uczenie maszynowe, wynika z raportu ABB Trends 2026/2027, choć według tego samego badania 34 proc. firm uznaje AI za priorytet na najbliższe trzy lata. Obok budżetu wdrożenia hamują rozproszone dane i przestarzałe systemy IT, a skalę problemu pokazuje globalne badanie GFT Technologies: 84 proc. szefów IT dużych firm musiało porzucić pilotaż lub projekt AI z powodu ograniczeń starych systemów.
- Zaledwie 6 proc. polskich przedsiębiorstw przemysłowych faktycznie wykorzystuje AI i uczenie maszynowe, mimo że 34 proc. firm deklaruje AI jako priorytet na najbliższe trzy lata – wynika z raportu ABB Trends 2026/2027.
- Według globalnego badania GFT Technologies „The Future of AI, Unfiltered", przeprowadzonego wśród 945 dyrektorów IT i technologii z firm o przychodach co najmniej 500 mln dolarów, 84 proc. z nich musiało anulować pilotaż lub projekt AI z powodu ograniczeń przestarzałych systemów.
- Badanie Deloitte cytowane w artykule wskazuje, że choć 84 proc. producentów czerpie pewną wartość z AI, tylko 20 proc. projektów udaje się przeskalować – jako główne bariery firmy wskazują koszty (43 proc.), brak kompetencji (35 proc.) i jakość danych (30 proc.).
Ten rozjazd między deklaracjami a stanem hal produkcyjnych widać w kilku niezależnych badaniach opublikowanych w ostatnich miesiącach. Firmy chcą inwestować, a ich zaplecze techniczne często na to nie pozwala.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Tylko 6 proc. zakładów stosuje AI, a co piąta firma ocenia swoją automatyzację jako minimalną
Polski przemysł utknął między podstawową cyfryzacją a technologiami opartymi na danych, tak opisuje go ABB w raporcie ABB Trends 2026/2027. Badanie przeprowadziła agencja IQS metodą ankiety internetowej (CAWI) w kwietniu i maju 2026 r. na próbie 145 przedstawicieli przemysłu w Polsce.
Według raportu 19 proc. firm produkcyjnych ocenia poziom swojej automatyzacji jako minimalny, a 32 proc. jako niski. Tak wygląda wykorzystanie poszczególnych technologii w badanych zakładach:
- systemy SCADA/DCS (do nadzoru i sterowania procesami): 49 proc.,
- zdalny monitoring: 45 proc.,
- predykcyjne utrzymanie ruchu: 28 proc.,
- przemysłowy internet rzeczy (IIoT): 18 proc.,
- roboty i coboty: 14 proc.,
- cyfrowe bliźniaki: 7 proc.,
- AI i uczenie maszynowe: 6 proc.
Te liczby pokazują kolejność, w jakiej rzeczy muszą się wydarzyć. Fabryka, która nie zbiera danych z maszyn w ustandaryzowany sposób, nie ma na czym trenować modelu predykcyjnego. Sztuczna inteligencja stoi na samym końcu tej listy nie przez przypadek.
Średnie i małe firmy przemysłowe deklarują rekordowe inwestycje w AI
Zupełnie inny obraz daje Branżowy Barometr AI przygotowany przez Europejski Fundusz Leasingowy (EFL) na II półrocze 2026 r. Subindeks dla przemysłu wytwórczego i przetwórczego wzrósł o 20,6 pkt., do 80,2 pkt., co jest najwyższym wynikiem spośród wszystkich branż. Pół roku wcześniej wynosił 59,6 pkt. Barometr przyjmuje wartości od 0 do 100 pkt., a 50 pkt. to poziom neutralny.
W branży przemysłowej 76 proc. firm planuje zwiększyć inwestycje w rozwiązania oparte na AI, a 91 proc. spodziewa się wzrostu sprzedaży dzięki wdrożeniom. Główny odczyt Barometru AI dla całego sektora małych i średnich firm wyniósł 64,8 pkt.
„Firmy coraz częściej pytają nie o to, czy wdrażać AI, ale gdzie wdrożenie realnie poprawi wynik biznesowy” – mówi Paweł Bojko, wiceprezes zarządu EFL.
Barometr EFL pokazuje też duże różnice między branżami. W sektorze zdrowia i opieki społecznej 36 proc. firm zamierza zwiększyć zatrudnienie na potrzeby inwestycji w AI, a 23 proc. spodziewa się wzrostu zatrudnienia w wyniku wdrożeń. Najniższy wynik w II półroczu 2026 r. odnotowały transport i logistyka.
Trzeba pamiętać, czym te dwa badania się różnią. Barometr EFL mierzy plany i nastroje małych i średnich firm, a ABB pyta o technologie faktycznie działające w zakładach. Jedno nie przeczy drugiemu, raczej pokazuje, jak daleko jest od zamiaru do wdrożenia.
Polska wyraźnie poniżej unijnej średniej w wykorzystaniu AI
Według danych Eurostatu w 2025 r. sztuczną inteligencję wykorzystywało 8,4 proc. polskich przedsiębiorstw, przy średniej unijnej na poziomie 20 proc. Różnice zależą mocno od wielkości firmy: z AI korzystało 5,8 proc. małych firm, 14,8 proc. średnich i 45,8 proc. dużych.
Perspektywy wyglądają lepiej niż obecny stan. Z raportu EY „Jak polskie firmy wdrażają AI?” wynika, że 77 proc. średnich i dużych przedsiębiorstw planuje zwiększyć wydatki na AI w ciągu najbliższych 18 miesięcy.
Dla Polski to nie jest temat poboczny. Według ABB przemysł w szerokim ujęciu odpowiada za ponad 20 proc. PKB, około 45 proc. eksportu i zatrudnia ponad 4 mln osób. Jeśli fabryki nie nadrobią zaległości w danych i automatyzacji, różnica wobec zachodnich konkurentów będzie rosła niezależnie od tego, ile pieniędzy trafi do budżetów na AI.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
ABB: polskie fabryki nie wykorzystują nawet danych, które już mają
Marek Sulewski z biznesu Automatyki ABB w Polsce, cytowany przez „Rzeczpospolitą”, wskazuje, że problem leży głębiej niż w samej technologii.
„AI nie jest dziś największym wyzwaniem polskiego przemysłu. Największym wyzwaniem jest to, że wiele organizacji nadal nie wykorzystuje skutecznie danych, które już posiada” – mówi Sulewski.
Produkcja należy do branż, które generują najwięcej danych: z maszyn, czujników, systemów ERP i MES, kontroli jakości, magazynów i dokumentacji technicznej. W wielu firmach te same informacje są jednak rozrzucone po różnych systemach, arkuszach i dokumentach. Krzysztof Surowiecki z firmy Ambiscale, która zajmuje się porządkowaniem danych, przekonuje w „Rzeczpospolitej”, że nie trzeba zaczynać od wielkiej transformacji. Wystarczy uporządkować na przykład dane produktowe, materiałowe albo o dostawcach, ale też ustalić, kto jest właścicielem danych i kto odpowiada za błędy. Bez tego problemy wracają.
Czytam te raporty jeden po drugim i zauważam rzecz, której nie da się pominąć: ABB sprzedaje automatykę, GFT sprzedaje modernizację starych systemów, EFL finansuje inwestycje, a każde z tych badań znajduje dokładnie taki problem, jaki zamawiający potrafi rozwiązać. To nie unieważnia wyników, ale każe czytać je ostrożnie. Badanie ABB objęło 145 firm, więc pojedyncze procenty trzeba traktować jako kierunek, nie twardą statystykę.
A kierunek jest spójny i właśnie to mnie przekonuje. Niezależnie od tego, kto pyta, odpowiedź brzmi podobnie: fabryki mają dane, ale nie mają porządku w danych. Uważam, że najbardziej niedoceniane pytanie w polskim przemyśle brzmi dziś nie „który model AI wybrać”, tylko „kto w naszym zakładzie odpowiada za to, że numer części w ERP zgadza się z numerem w MES”. Jeśli nikt, to żaden algorytm tego nie naprawi.
Widzę też ryzyko po drugiej stronie. Rekordowe deklaracje inwestycyjne przy 6 proc. faktycznych wdrożeń mogą skończyć się falą drogich pilotaży, które nigdy nie wyjdą poza jedną linię produkcyjną. Pytanie, czy zarządy będą miały cierpliwość, żeby najpierw zapłacić za nudną pracę u podstaw, zanim zobaczą efekt AI.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
84 proc. szefów IT porzuciło projekt AI z powodu przestarzałych systemów
Trudności polskich fabryk wpisują się w problem globalny. Niemiecka firma GFT Technologies opublikowała 29 września 2026 r. badanie „The Future of AI, Unfiltered”, które Wakefield Research przeprowadziło w dniach 11-31 sierpnia 2026 r. wśród 945 dyrektorów ds. IT i technologii (CIO i CTO) z 19 krajów. Ankietowani pracują w firmach o rocznych przychodach co najmniej 500 mln dolarów.
Najważniejsze wyniki badania GFT:
- 84 proc. przyznaje, że ograniczenia starych systemów (tzw. legacy, czyli wieloletnich, niedostosowanych do AI rozwiązań) zmusiły ich firmę do anulowania pilotażu lub projektu AI,
- 93 proc. uważa, że uruchamianie AI na niezmodernizowanej infrastrukturze wywoła w końcu kryzys bezpieczeństwa w całym przedsiębiorstwie,
- tylko 20 proc. twierdzi, że pozostali członkowie zarządu i rady nadzorczej w pełni rozumieją to ryzyko,
- 89 proc. obawia się, że globalne inwestycje w AI rosną szybciej niż wartość, którą ta technologia realnie może dać,
- 99 proc. uważa, że możliwe rządowe ograniczenia dostępu do AI zwiększają wagę niezależności od jednego dostawcy,
- 91 proc. sądzi, że część spółek giełdowych powołuje się na AI, by uzasadnić zwolnienia mające głównie podbić kurs akcji,
- 89 proc. obawia się, że błędna decyzja kadrowa przy skalowaniu AI może zagrozić ich własnemu stanowisku.
Według Unite.AI, który opisał badanie, 99 proc. respondentów przyznało, że ich AI działa na systemach nieprojektowanych z myślą o tej technologii lub się z nimi łączy, a 31 proc. anulowało projekt AI, bo rozwiązanie działało gorzej niż ludzie, których miało zastąpić.
„Presja, by pokazać efekty AI, jest realna, ale wyprzedzanie własnej infrastruktury tylko przesuwa ryzyko na później. Dopiero zbudowanie fundamentów sprawia, że późniejsza wartość i tempo są trwałe i dają się skalować” / „The pressure to show AI results is real, but rushing ahead of your own infrastructure just moves the risk downstream. Building the foundation first is what makes the value and speed that comes later sustainable and scalable” – mówi Marco Santos, prezes GFT Technologies.
GFT zarabia na modernizacji starych systemów, co warto mieć na uwadze przy interpretacji wyników. Wnioski firmy pokrywają się jednak z innymi badaniami opisującymi tę samą barierę.
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.
Projekty AI w produkcji rzadko wychodzą poza fazę pilotażu
Problem ze skalowaniem potwierdzają kolejne analizy przytaczane przez „Rzeczpospolitą”. Według badania Deloitte 84 proc. producentów czerpie wartość z AI, ale tylko 20 proc. projektów udaje się przeskalować. Jako bariery firmy wskazują koszty (43 proc.), brak kompetencji (35 proc.) i jakość danych (30 proc.). W badaniu Tieto przeprowadzonym przez SW Research tylko 14 proc. polskich firm ma kompleksową strategię AI powiązaną z biznesem, a 42 proc. prowadzi niespójne, punktowe działania.
Z tych danych wyłania się jeden wniosek: o sukcesie AI w fabryce decyduje mniej wybór modelu, a bardziej porządek w danych, procesach i odpowiedzialności, który musi powstać wcześniej.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym raportu ABB Trends 2026/2027 opublikowanego przez ABB w Polsce 28.05.2026, komunikatu GFT Technologies o badaniu „The Future of AI, Unfiltered” z dnia 29.09.2026 oraz Unite.AI. Wykorzystano także Branżowy Barometr AI EFL na II półrocze 2026 r., dane Eurostatu, raport EY „Jak polskie firmy wdrażają AI?”, badania Deloitte i Tieto oraz artykuł „Rzeczpospolitej” z 13.10.2026.
Cytaty Marco Santosa, prezesa GFT Technologies, 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 AI w polskim przemyśle.
