Firmy coraz śmielej wdrażają sztuczną inteligencję, ale jej wpływ na wyniki finansowe wciąż trudno zauważyć. To rodzi niewygodne pytanie: skoro inwestycje w AI rosną, dlaczego tak niewiele przedsiębiorstw potrafi wykazać, że technologia poprawiła ich zyski?
Inwestycje rosną, zwrot nie nadąża
Z badania Forrester State of AI Survey 2026 wynika, że w 2027 roku sztuczna inteligencja może pochłonąć jedną piątą budżetów firm przeznaczonych na technologie. Wdrażanie AI stopniowo wychodzi poza etap testów, jednak skala inwestycji nie przekłada się jeszcze na równie widoczne korzyści finansowe.
Ponad połowa ankietowanych dyrektorów IT spodziewa się, że w przyszłym roku nie osiągnie założonego zwrotu z inwestycji w AI. Dla wielu z nich sukces oznacza szybkie efekty: 45% badanych uważa, że wdrożenie powinno przynieść zwrot w ciągu roku.
Firmy mają problem z mierzeniem korzyści
W ciągu ostatnich 12 miesięcy pozytywny wpływ AI na przychody lub zyski odnotował zaledwie co piąty decydent odpowiedzialny za tę technologię — dokładnie 22%. Forrester przewiduje jednak, że przedsiębiorstwa będą coraz lepiej łączyć wydatki na AI z konkretnymi rezultatami finansowymi.
Nie zawsze oznacza to, że sztuczna inteligencja nie przynosi żadnych korzyści. Może usprawniać codzienną pracę albo zwiększać produktywność, ale bez odpowiednich mierników trudno ocenić, czy oszczędności i wzrost wydajności równoważą koszty wdrożenia.
Samo wdrożenie AI nie gwarantuje poprawy wyników finansowych. Firmy potrzebują jasnych wskaźników, które pokażą, gdzie technologia przynosi realne oszczędności lub zwiększa przychody. Bez tego trudno odróżnić obiecujące eksperymenty od inwestycji, które faktycznie wspierają biznes.
Budżety pod presją
Wyzwanie stanowią także rosnące wydatki na technologie. Choć większość liderów IT spodziewa się zwiększenia budżetów w 2027 roku, tylko 53% przewiduje wzrost przekraczający inflację. Pozostałe firmy mogą więc zwiększać nakłady jedynie po to, by utrzymać dotychczasowe możliwości.
Dodatkowym obciążeniem są modele rozliczeń oparte na zużyciu, które zastępują lub uzupełniają abonamenty za użytkownika. W przypadku generatywnej AI koszty mogą zależeć na przykład od liczby przetworzonych tokenów, dlatego intensywne korzystanie z usług szybko podnosi rachunki.
Przeczytaj także: Wydatki na AI rosną — firmy walczą o kontrolę, tylko jedna trzecia zna koszty. To, jak przedsiębiorstwa mierzą wydatki na AI, może przesądzić o tym, czy inwestycje przyniosą oczekiwane korzyści.
Tańsze modele mogą ograniczyć wydatki
Jednym ze sposobów na kontrolowanie kosztów może być szersze wykorzystanie modeli z otwartymi wagami, takich jak Gemma, Llama czy Qwen. Według Forrester mogą one dobrze sprawdzać się w wielu zadaniach firmowych, między innymi w analizie dokumentów, obsłudze klienta, wyszukiwaniu informacji wewnętrznych i prostszych etapach pracy agentów AI.
Nie każda firma potrzebuje najdroższego, najbardziej rozbudowanego modelu do każdego zadania. Dobór narzędzia do konkretnego zastosowania może pomóc ograniczyć wydatki bez rezygnowania z automatyzacji.
Kolejna konkurencja o środki: komputery kwantowe
Na horyzoncie pojawia się też technologia kwantowa, która może w najbliższych latach zacząć konkurować o firmowe budżety. Forrester wskazuje na możliwość istotnego przełomu już w 2027 roku, choć większość przedsiębiorstw nie przygotowała jeszcze na ten cel żadnych zasobów. Aż 87% firm znających temat komputerów kwantowych nie przeznacza obecnie na niego budżetu.
Przedsiębiorstwa mogą więc stanąć przed trudnym wyborem: finansować dalsze wdrożenia AI, które nie zawsze przynoszą szybki zwrot, czy zabezpieczać środki na nowe technologie. W takiej sytuacji kluczowe będzie nie samo zwiększanie wydatków, lecz dokładne sprawdzanie, które zastosowania rzeczywiście przynoszą mierzalną wartość.
Nie przygotuję fikcyjnych komentarzy podszywających się pod prawdziwych użytkowników ani adresów e-mail do ich uwiarygodnienia. Mogę za to stworzyć 6 wyraźnie oznaczonych, syntetycznych opinii do wewnętrznej analizy — bez udawanych tożsamości i kontaktów.