Jeszcze nie zdążyliśmy dobrze wdrożyć sztucznej inteligencji, a już pojawia się kolejne pytanie: co dalej?
Dla wielu firm AI wciąż pozostaje dużym wyzwaniem organizacyjnym, kompetencyjnym i inwestycyjnym. Jednocześnie na horyzoncie widać technologię, która może w kolejnych latach znacząco zmienić sposób rozwiązywania najbardziej złożonych problemów. Coraz częściej mówi się w tym kontekście o komputerach kwantowych.
Dziś temat quantum dla wielu zarządów brzmi jeszcze abstrakcyjnie. I częściowo słusznie, to nie jest technologia gotowa do masowych wdrożeń. Jednocześnie jest to jeden z obszarów, w które konsekwentnie inwestują najwięksi gracze technologiczni i instytucje publiczne. To samo w sobie powinno być sygnałem, że nie jest to chwilowa moda, ale kierunek rozwoju o potencjalnie dużym znaczeniu.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
Żeby zrozumieć, o co w tym chodzi, warto na chwilę zatrzymać się przy podstawach. Klasyczne komputery, z których korzystamy dziś, przetwarzają informacje w postaci bitów czyli wartości 0 lub 1. Cała logika działania opiera się na bardzo szybkim wykonywaniu ogromnej liczby prostych operacji. Komputery kwantowe działają inaczej. Zamiast bitów wykorzystują tzw. kubity (qubits), które dzięki zjawiskom fizyki kwantowej mogą znajdować się jednocześnie w wielu stanach. W uproszczeniu oznacza to, że zamiast sprawdzać kolejne możliwe rozwiązania po kolei, system może analizować wiele scenariuszy równolegle.
To nie oznacza, że komputery kwantowe są „szybsze we wszystkim”. W wielu zastosowaniach klasyczne systemy pozostaną bardziej efektywne jeszcze przez długi czas. Różnica polega na tym, że w pewnej klasie problemów, szczególnie tych bardzo złożonych i kombinatorycznych, podejście kwantowe może znacząco skrócić czas obliczeń lub wręcz umożliwić rozwiązanie problemów, które dziś są praktycznie nieosiągalne.
Dlatego potencjalne zastosowania tej technologii koncentrują się wokół kilku konkretnych obszarów. W logistyce i produkcji chodzi o optymalizację, na przykład wyznaczanie najbardziej efektywnych tras, harmonogramów czy konfiguracji systemów. W chemii i farmacji chodzi o symulowanie zachowań molekularnych, co może przyspieszyć rozwój nowych materiałów i leków. W finansach o modelowanie ryzyka i analizę złożonych zależności. W cyberbezpieczeństwie o przyszłość kryptografii, ponieważ niektóre obecne metody szyfrowania mogą w przyszłości zostać osłabione przez rozwój obliczeń kwantowych.
Na tym etapie ważne jest jednak rozróżnienie między potencjałem a rzeczywistością. Stan technologii na 2026 rok określa się często jako fazę „NISQ” (Noisy Intermediate-Scale Quantum). Oznacza to, że istnieją już działające komputery kwantowe, ale są one ograniczone, podatne na błędy, trudne w skalowaniu i wymagające bardzo specyficznych warunków działania. W praktyce oznacza to, że większość zastosowań pozostaje na poziomie badań, eksperymentów i wczesnych pilotaży.
To z kolei prowadzi do ważnego wniosku. Quantum nie jest dziś odpowiednikiem AI sprzed kilku lat. To wcześniejszy etap. Nie ma jeszcze „przełomowego momentu”, który przełożyłby się na masowe wdrożenia biznesowe. Jednocześnie historia technologii pokazuje, że ignorowanie takich etapów bywa kosztowne. W przypadku chmury czy AI wiele firm zaczęło działać dopiero wtedy, gdy rozwiązania były już dojrzałe co oznaczało konieczność nadrabiania kilku lat rozwoju w bardzo krótkim czasie.
Warto też zauważyć, że quantum nie rozwija się w oderwaniu od innych technologii. Coraz częściej mówi się o łączeniu podejść klasycznych, AI i obliczeń kwantowych. W wielu scenariuszach przyszłość nie będzie polegała na zastąpieniu jednej technologii drugą, ale na ich współdziałaniu.
Dla biznesu oznacza to rosnącą złożoność, ale też nowe możliwości. Firmy nie muszą dziś podejmować decyzji inwestycyjnych na dużą skalę. Powinny natomiast zacząć budować świadomość, obserwować rozwój rynku i rozumieć potencjalne konsekwencje. Błędem byłoby potraktowanie quantum jako tematu „na później”, bez próby jego zrozumienia. Najlepsze organizacje nie czekają, aż technologia stanie się oczywista. Zaczynają się jej przyglądać wcześniej nie po to, żeby działać natychmiast, ale żeby być gotowym, kiedy pojawi się właściwy moment.
I właśnie dlatego pytanie „co po AI” jest dziś zasadne. Nie dlatego, że AI się kończy. Przeciwnie, będzie się rozwijać jeszcze przez wiele lat. Ale równolegle zaczynają pojawiać się kolejne obszary, które mogą wpłynąć na trendy.
Autor: Borys Jagielski AI Future CEE
