95% projektów AI kończy się fiaskiem – tak wynika z raportu MIT „State of AI in Business 2025”.
78% polskich firm wskazuje na sukces – odpowiada raport EY „Jak polskie firmy wdrażają AI?”.
Sprzeczność? Nie. To dwa różne spojrzenia na ten sam proces – wdrożenia sztucznej inteligencji.
Raport MIT AI 2025: GenAI Divide i pułapka pilota
Badanie MIT objęło ponad 300 projektów AI w USA i Europie. Wnioski są jednoznaczne: tylko 5% narzędzi AI trafia do produkcji, a reszta zatrzymuje się na etapie pilotażu.
MIT nazwał ten problem GenAI Divide – przepaścią między adopcją a transformacją.
Dlaczego 95% projektów się nie udaje?
- Brak pamięci i adaptacji systemów – narzędzia nie uczą się z feedbacku.
- Złe dopasowanie do workflow – AI działa obok procesów, zamiast je usprawniać.
- Błędne metryki – sukces ocenia się benchmarkami AI, a nie realnym wpływem na biznes.
- Budowanie zamiast kupowania – projekty wewnętrzne zawodzą 2x częściej niż gotowe rozwiązania.
Case study MIT – Shadow AI
Mimo braku oficjalnych wdrożeń, 90% pracowników używa prywatnych narzędzi AI (ChatGPT, Claude) do pracy. Oficjalne licencje kupiło tylko 40% firm. Powstaje więc „szara strefa AI”, w której innowacje rozwijają się poza kontrolą zarządów.
Raport EY AI Polska: pragmatyzm i szybki zwrot z inwestycji
EY przeanalizował 501 średnich i dużych przedsiębiorstw w Polsce. Wyniki? Zgoła odmienne od MIT:
- 25% firm zakończyło wdrożenia AI, 40% jest w trakcie.
- 78% deklaruje sukces – najczęściej poprawa jakości usług (42%), redukcja kosztów (31%), wzrost przychodów (29%).
- 91% planuje zwiększyć wydatki na AI w ciągu 18 miesięcy.
- 89% firm deklaruje gotowość do dalszej adopcji sztucznej inteligencji.
Co wyróżnia polskie wdrożenia AI?
- Gotowe narzędzia > własne eksperymenty – 44% firm zaczyna od prostych, sprawdzonych rozwiązań (chatboty, automatyzacja procesów, analiza danych).
- Szybki ROI – wdrożenia skupiają się na obszarach o wysokim zwrocie: obsługa klienta, sprzedaż, marketing.
- Wsparcie zewnętrzne – 35% firm korzysta z konsultantów i partnerów technologicznych.
Case study EY – VeloBank i VeloFotka
Bank umożliwił klientom zaciągnięcie kredytu na podstawie… zdjęcia etykiety cenowej produktu. Efekt? Kredyty na kwotę blisko 7 mln zł. To przykład polskiej drogi: AI nie jako futurystyczna wizja, ale praktyczne narzędzie ułatwiające życie klienta.
MIT vs EY: Dlaczego takie różnice?
- Definicja sukcesu.
MIT mierzy transformację całej organizacji (zmiany modeli biznesowych). EY – sukces wdrożenia w konkretnym procesie (szybsza obsługa, redukcja kosztów). - Skala i geografia.
MIT analizuje globalne korporacje z ogromnymi budżetami. EY – polskie firmy, które dopiero zaczynają i działają pragmatycznie. - Perspektywa czasu.
MIT patrzy na projekty wieloletnie, które już się wypaliły. EY opisuje świeże wdrożenia, wciąż na fali entuzjazmu. - Kultura organizacyjna.
Polska droga jest ostrożna i pragmatyczna: najpierw szybkie zwycięstwa, potem skalowanie.
Trzy lekcje dla zarządów
- Zacznij od małego. Projekty zbyt ambitne grzęzną. Lepiej wdrażać AI w obszarach o szybkim ROI.
- Kupuj, a dopiero potem buduj. Gotowe rozwiązania mają większą szansę na sukces niż własne systemy tworzone od zera.
- Mierz biznes, nie AI. Benchmarki modeli są bez znaczenia – liczy się wpływ na koszty, przychody i doświadczenie klienta.
Co dalej? Agentic AI i test dojrzałości
MIT przewiduje rozwój w stronę Agentic AI – agentów zdolnych do samodzielnej nauki, pamięci i koordynacji działań między systemami.
EY pokazuje, że polskie firmy radzą sobie dobrze, ale prawdziwy test dopiero nadejdzie – skalowanie AI poza szybkie zwycięstwa, w krytycznych procesach i sektorach regulowanych.
Podsumowanie: dwa światy, jedna lekcja
- MIT ostrzega: 95% projektów kończy się fiaskiem, gdy próbuje się „zrobić wszystko naraz”.
- EY pokazuje: pragmatyzm i małe kroki przynoszą 78% sukcesów.
- Pytanie nie brzmi, kto ma rację.
- Pytanie brzmi: czy polskie firmy wyciągną lekcję z globalnych porażek MIT, zanim same na nie natrafią?
