Liczby, które nie pasują do narracji
Kiedy czytałem w raporcie EY sekcję o korzyściach z AI, uderzyła mnie jedna rzecz. Narracja rynkowa brzmi: „AI daje zwrot, trzeba tylko dobrze wdrożyć”. Konferencje branżowe powtarzają to w każdej prezentacji, dostawcy w każdej ofercie, prasa biznesowa w co drugim artykule. Liczby z badania mówią co innego. I robią to dość stanowczo.
| Ocena wdrożenia | % firm |
|---|---|
| 5 – korzyści powyżej oczekiwań | 11% |
| 4 – zakładane korzyści osiągnięte | 40% |
| 3 – korzyści niższe, ale i tak byśmy to zrobili | 27% |
| 2 – korzyści znacząco poniżej oczekiwań (nie zrobilibyśmy tego ponownie) | 17% |
| 1 – praktycznie żadna zmiana | 4% |
| 0 – efekty odwrotne do zamierzonych | 1% |
Podział jest prosty. 51% firm uznaje wdrożenie za sukces (oceny 4 i 5). 49% za rozczarowanie w jakiejś formie. Ale najmocniejsza liczba to te 17% w środku. Firmy, które wprost mówią: „gdybyśmy wiedzieli, co z tego wyjdzie, nie zdecydowalibyśmy się”. To nie jest niezadowolenie stylistyczne. To przyznanie się do błędu inwestycyjnego.
Kontekst jest jeszcze mocniejszy. Z raportu EY wynika, że 77% firm planuje zwiększyć nakłady na AI w najbliższych 18 miesiącach, z czego co trzecia znacząco. Pompujemy coraz więcej pieniędzy w portfel, w którym co druga pozycja rozczarowuje. Dobry menedżer w takiej sytuacji pyta nie „czy zwiększyć budżet”, tylko „dlaczego tyle rozczarowań”.
Trzy typy rozczarowań AI
Raport EY nie klasyfikuje rozczarowań w sposób formalny, ale jeśli zestawić obserwacje ekspertów z danymi, wyłaniają się trzy wyraźne typy. Każdy ma inny mechanizm powstawania i każdy wymaga innej interwencji zarządczej. Moim zdaniem rozumienie, w której kategorii jest twoja firma, to pierwszy warunek rozmowy o tym, co zrobić dalej.
Typ 1: Ofiary „ostatniej mili”
Piotr Ciepiela, Partner i Lider Technology Consulting w EY Polska, formułuje to brutalnie. Zbudowanie prototypu AI (PoC) jest relatywnie proste. Wdrożenie go do codziennej pracy zespołów stanowi 90% wysiłku. Większość firm tego nie liczy.
Scenariusz wygląda podobnie w kilkudziesięciu rozmowach, które mam z PM-ami w ostatnim roku. Zespół zbudował model, przeszedł PoC, wdrożył pilotaż na 20 osób. Wszystko działa technicznie. Po sześciu miesiącach okazuje się, że aktywne użycie spadło poniżej 30%. Ludzie wrócili do starych procesów. Narzędzie istnieje, ale organizacja go nie przyjęła. To jest ostatnia mila.
Typ 2: Ofiary Day 2 Operations
Drugi typ rozczarowania pojawia się później. Nie w trakcie wdrożenia, tylko w fazie skalowania. Raport EY opisuje to konkretnie. Modele zaczynają dryfować (tracić precyzję), a koszty infrastruktury i API rosną szybciej niż generowane oszczędności. Sztuczna inteligencja nie jest projektem typu „wdróż i zapomnij”. Wymaga ciągłego nadzoru.
Typowy przebieg wygląda tak. W pierwszym roku projekt dowozi oszczędność 400 tys. PLN rocznie przy kosztach operacyjnych 80 tys. PLN. Świetny ROI.
W drugim roku oszczędność spada do 300 tys. PLN (bo model dryfuje), a koszty API rosną do 200 tys. PLN (bo użycie wzrosło). W trzecim roku różnica zaczyna być ujemna. Nikt się tego nie spodziewał, bo w uzasadnieniu biznesowym liczono tylko pierwszy rok.
Typ 3: Ofiary „kosztownego gadżetu”
Trzeci typ to firma, która wdrożyła generyczne rozwiązanie AI bez własnych danych. Raport EY zwraca na to uwagę w kilku miejscach. Bartosz Pacuszka, Lider Zespołu AI Technology w EY Polska, pisze wprost. Modele operują wiedzą ogólną, dostępną dla każdego. Przewaga pojawia się dopiero wtedy, kiedy łączy się je z unikalnymi zasobami firmy.
Tymczasem tylko 9% polskich firm ma kompletną infrastrukturę danych (ustrukturyzowaną i nieustrukturyzowaną) gotową dla AI. 27% firm nie potrafi nawet ocenić stanu swoich danych. W tej sytuacji wdrożenie Copilota czy chatbota bez integracji z firmowymi zasobami daje rozwiązanie, które każdy konkurent może kupić za tę samą cenę. Nie ma przewagi, jest koszt.
Dlaczego ROI z AI się nie liczy
Projekt technologiczny, nie biznesowy
Najmocniejsze zdanie w raporcie EY w kontekście ROI padło gdzieś między wierszami. Projekty AI funkcjonują często jako inicjatywy technologiczne, a nie inwestycje biznesowe. Bez jednoznacznego powiązania z KPI, P&L oraz bez jasno przypisanej odpowiedzialności właścicielskiej.
W praktyce oznacza to, że w większości firm ROI z AI nie liczy się z tego samego powodu, dla którego nie liczy się ROI z zakupu biurowego ekspresu do kawy. Nikt nie przypisał tego do rachunku wyników. Wdrożenie zostało potraktowane jako „potrzebne narzędzie”, nie jako inwestycja z mierzalnym zwrotem.
Iwona Kozera, Partnerka Zarządzająca EY Consulting w EY Polska, ujmuje to w sposób, który trafia w sedno. Problemem dzisiaj nie jest brak ambicji ani inwestycji w AI, tylko rosnące poczucie, że wysiłek związany z wdrożeniem tej technologii nie przekłada się na realną zmianę działania.
Inflacja strategii
W raporcie pojawia się też pojęcie „inflacji strategii”. 59% polskich firm ma formalną strategię AI. Dane pokazują jednak, że samo posiadanie dokumentu nie różnicuje efektów wdrożeń. Są firmy ze strategią, które tkwią w rozczarowaniu. Są firmy bez strategii, które mają realne wyniki. Różnica polega na czymś innym: czy strategia jest narzędziem zarządzania, czy tylko komunikacji.
Framework KPI dla AI, który faktycznie działa
Punktem wyjścia jest pytanie, które raport EY zadaje pośrednio poprzez dane. Jakie realne korzyści firmy obserwują po wdrożeniu AI? Jest ich pięć i dobrze mapują na kategorie KPI.
| Kategoria korzyści | % firm deklarujących | Przykładowy KPI |
|---|---|---|
| Zmniejszenie kosztów operacyjnych | 53% | Koszt procesu / transakcji |
| Poprawa jakości usług | 52% | NPS, CSAT, reklamacje |
| Wzrost przychodów | 49% | Konwersja, średnia wartość koszyka |
| Skalowanie działalności | 37% | Obsłużone transakcje / pracownik |
| Wsparcie procesów decyzyjnych | 33% | Czas decyzji, precyzja predykcji |
Framework składa się z czterech zasad. Każda brzmi banalnie, ale z raportu EY wynika, że w większości firm brakuje co najmniej jednej.
- Każdy projekt AI ma przypisaną jedną z pięciu kategorii korzyści. Nie „poprawimy efektywność”. Konkretnie: „zmniejszymy koszt obsługi reklamacji o 20%”. Bez tego nie ma ROI, jest narracja.
- Każdy projekt ma właściciela biznesowego, nie technologicznego. Dyrektor operacyjny, dyrektor sprzedaży, dyrektor obsługi klienta. Nie dyrektor IT. Właściciel odpowiada za dowiezienie KPI, nie za wdrożenie narzędzia.
- TCO liczymy na 3 lata, z uwzględnieniem Day 2 Operations. Infrastruktura, API, model drift, douczanie, zespół utrzymaniowy. W praktyce koszt utrzymania to zwykle 20-40% kosztu wdrożenia rocznie.
- Każdy projekt ma próg go/no-go po zdefiniowanym okresie. Jeśli po 9 miesiącach KPI nie drgnął, zamykasz projekt. Nie „dajesz mu jeszcze kwartał”. Rok 2026 z raportu EY to rok weryfikacji, nie kolejnych pilotaży.
Jak ROI liczą poszczególne branże
Raport EY pokazuje wyraźne różnice sektorowe. Każda branża ma własny sposób mierzenia efektów AI i własne pułapki. Te same liczby (53% koszty, 49% przychody) rozkładają się inaczej w bankowości, handlu, przemyśle i energetyce. Warto zrozumieć, dlaczego, zanim skopiujesz KPI z innej branży.
Bankowość i ubezpieczenia: paradoks precyzji
Dla 76% firm w sektorze głównym KPI jest redukcja kosztów. Formalny ROI pojawia się tylko w 17% odpowiedzi. Marcin Sadek, Lider Doradztwa dla Sektora Ubezpieczeniowego w EY Polska, zwraca uwagę na pewien paradoks.
Banki są przyzwyczajone do 98-100% precyzji decyzji, więc tolerancja dla niedoskonałości AI jest niska. Tymczasem w wielu procesach model działający w 85-90% już mógłby znacząco usprawnić pracę. Oczekiwanie precyzji, której nikt inny nie wymaga, przekłada się na rozczarowanie.
Przemysł: cięcie kosztów bez wzrostu
69% firm mierzy redukcję kosztów, 38% liczy formalny ROI. Ale wskaźniki klienckie jak NPS pojawiają się tylko w 9% wdrożeń. Raport EY komentuje to wprost: takie podejście ogranicza zdolność do wykorzystania AI w ofensywnych scenariuszach. Przemysł tnie koszty, ale nie używa AI do wzrostu.
Energetyka: za wcześnie na ROI
21% firm ocenia, że rezultaty nie spełniły oczekiwań. Tylko 5% przekroczyły założenia. Sektor jest w fazie budowania fundamentów danych, a nie skalowania AI.
Handel: szybka pętla feedbacku
54% firm monitoruje efekty AI systemowo. Najwyższy wynik w całym badaniu. To nie przypadek. W handlu AI jest wdrażana w obszarach frontowych (marketing, sprzedaż, obsługa klienta), gdzie efekt mierzy się szybko, bo klient reaguje w dniach, a nie miesiącach. Systemowy monitoring staje się naturalny.
Wniosek, który wyciągam z tego zestawienia: branże z szybką pętlą feedbacku (handel) lepiej radzą sobie z ROI. Branże z długą pętlą i wysokimi oczekiwaniami precyzji (banki, ubezpieczenia) częściej rozczarowują. Jeśli twoja firma jest w drugiej grupie, uwzględnij to w sposobie definiowania KPI.
Co robić w 2026
Z raportu EY wynika jedna prognoza, która moim zdaniem jest najważniejsza dla zarządów. 15% firm przewiduje korektę oczekiwań wobec AI. Eksperci EY nazywają to „najcenniejszym głosem w badaniu”. To nie pesymizm. To przejście do fazy, w której ważny staje się wynik, a nie obietnica.
Dla zarządów oznacza to konkretnie pięć pytań, które warto zadać przed podpisaniem każdej kolejnej umowy na AI.
- Do której z pięciu kategorii korzyści trafia ten projekt?
- Kto jest właścicielem biznesowym, który odpowiada za dowiezienie KPI?
- Ile wynosi TCO w perspektywie 3 lat, z uwzględnieniem Day 2 Operations?
- Kiedy i przy jakim wyniku zamkniemy projekt, jeśli nie dowozi?
- Co ten projekt daje, czego nie dałoby generyczne rozwiązanie dostępne dla konkurencji?
Piotr Ciepiela z EY Polska ujmuje to surowo. W 2026 przetrwają tylko te inicjatywy, które obronią się twardymi wynikami i realnym wdrożeniem zmieniającym organizacje. Oznacza to rewizję portfela: zamknięcie projektów, które nie dowożą, i koncentrację budżetu na tych, które mają właściciela, KPI i pętlę zwrotną.
Jeśli chcesz pogłębić temat mierzenia efektów wdrożeń, polecam jak liczyć ROI z wdrożenia AI, model FinOps dla AI i zarządzanie kosztami oraz estymowanie projektów AI. Do priorytetyzacji portfela przyda się macierz wartość-wykonalność-ryzyko.
