ajnowszy raport Capgemini AI in action. How Gen AI and agentic AI redefine business operations, dotyczący wykorzystania generatywnej sztucznej inteligencji oraz systemów agentowych w operacjach biznesowych wskazuje na interesującą specyfikę polskiego rynku. Choć globalnie obserwujemy systematyczny wzrost inwestycji w technologie AI, polskie organizacje wyróżniają się relatywnie szybkim tempem adaptacji – zwłaszcza w obszarze dotyczącym agentów AI. Wyniki badania pokazują, że firmy w Polsce sprawniej przechodzą od fazy eksploracyjnej do wdrożeń i częściej deklarują aktywne wykorzystanie agentów niż przeciętna dla badanej próby globalnej.
Z raportu Capgemini wynika wyraźny globalny wzrost inwestycji w technologie Gen AI – aż 62% ankietowanych organizacji zadeklarowało zwiększenie nakładów rok do roku. Co istotne, trend ten obejmuje również firmy, których liderzy i liderki nie są aktywnymi zwolennikami tych rozwiązań – w tej grupie 60% firm również zwiększyło inwestycje. Według danych raportu, między 2024 a 2025 rokiem wdrożenie Gen AI w operacjach biznesowych wzrosło 1,8-krotnie. Coraz więcej firm przechodzi od testów do realnego wykorzystania Gen AI. Najlepiej widać to po liczbie organizacji, które są już na etapie pełnego wdrożenia – wzrosła ona z 5% do 18%. Ten kierunek widać także w Polsce: 62% firm zwiększyło inwestycje, a z fazy pierwszych prób do konkretnych wdrożeń przechodzimy szybciej niż średnia globalna.
Zwrot z inwestycji i strategie finansowania AI
Firmy, które już wdrożyły AI, zyskują średnio 1,7 razy więcej niż zainwestowały. Coraz częściej mówi się też o szybkim zwrocie – 40% organizacji liczy na dodatni wynik w ciągu roku do trzech lat, a kolejne 35% w ciągu pięciu. Liderzy w tej dziedzinie wypadają jeszcze lepiej – osiągają oczekiwane efekty nawet o 45% szybciej niż pozostali.
– Jednym z kluczowych czynników, który pozwala organizacjom szybciej osiągać realne korzyści z wdrożeń AI, są solidne fundamenty zarządcze – silne przywództwo, klarowny ład korporacyjny oraz dojrzałość organizacyjna w zakresie gotowości na AI. To właśnie te elementy odróżniają liderów od reszty rynku – mówi Maciej Sowa, Director Intelligence Automation Practice EMEA, Capgemini Polska.
W Polsce, podobnie jak na świecie, rośnie zaangażowanie firm w inwestycje związane z Gen AI. Aż 62% polskich organizacji biorących udział w badaniu zadeklarowało zwiększenie nakładów w porównaniu z rokiem ubiegłym – to wynik zgodny ze średnią globalną. Ciekawie wypada jednak kwestia finansowania. Polskie firmy częściej sięgają po budżety przeznaczone specjalnie na AI (42% w Polsce wobec 36% globalnie) i częściej przesuwają środki z innych obszarów (również 42% vs 33%). Rzadziej natomiast łączą te dwa podejścia – decyduje się na to tylko 16% firm, podczas gdy globalnie robi tak aż 32%.
Agenci AI w natarciu: Polska przyspiesza wdrożenia
Polskie firmy szybko przechodzą od testowania Gen AI do jej wdrażania w praktyce. Wśród organizacji z Polski, które brały udział w badaniu, tylko 6% jest na bardzo wczesnym etapie – czyli dopiero rozpoznaje możliwości tej technologii. To znacznie mniej niż globalna średnia, która wynosi 17%. Jednocześnie aż 32% polskich firm deklaruje, że jest już na etapie częściowego wdrożenia (wobec 20% globalnie). Na dalszych etapach – takich jak planowanie strategii, pilotaże czy pełne wdrożenie – różnice między Polską a światem są już niewielkie. Taki rozkład pokazuje, że firmy w Polsce szybciej niż przeciętnie przechodzą od wstępnych analiz do konkretnych zastosowań Gen AI w codziennym działaniu.
Polskie firmy wyróżniają się na tle świata, jeśli chodzi o wykorzystanie agentów AI. Już 17% aktywnie wdrożyło takie rozwiązania – to więcej niż globalna średnia, która wynosi 13%. Częściej też testują konkretne zastosowania, uruchamiając pierwsze pilotaże (14% vs 8%). Choć zaawansowane systemy typu multi-agent są w Polsce nadal rzadkością (1% wobec 7% globalnie), to w szerszym ujęciu widać, że organizacje z naszego kraju działają szybciej i chętniej sięgają po nowe technologie niż wiele firm na świecie.
– Różnica między agentem AI a systemem multi-agentowym polega głównie na poziomie złożoności i samodzielności. Pojedynczy agent wykonuje konkretne, jasno określone zadania, natomiast system multi-agentowy to zespół współpracujących ze sobą jednostek, które potrafią rozwiązywać bardziej skomplikowane problemy. Dla wielu firm rozpoczęcie od prostszych agentów to naturalny wybór – wdrożenie jest szybsze, łatwiejsze i mniej kosztowne – wyjaśnia Maciej Sowa z Capgemini Polska.
Agenci AI i systemy multi-agentowe przynoszą konkretne korzyści: zwiększają efektywność, obniżają koszty, poprawiają jakość obsługi klienta i zmniejszają liczbę błędów. Wstępne dane pokazują, że po ich wdrożeniu kluczowe wskaźniki poprawiają się o 40–45%. Raport Capgemini zwraca też uwagę, że połączenie agentów AI z modelami Gen AI pozwala oszczędzać więcej niż wykorzystanie samej technologii generatywnej – średnio o 4 punkty procentowe.
Wybory technologiczne: otwartość kontra własność
Jedną z wyraźnych cech polskiego rynku jest większa popularność modeli open-source wśród kadry zarządzającej – wskazało na nie 25% respondentów z Polski, przy średniej globalnej na poziomie 17%. To spora różnica w porównaniu z dominującym na świecie podejściem, gdzie częściej wybierane są rozwiązania własnościowe: 34% firm korzysta z usług wyspecjalizowanych dostawców, a 43% – z ofert dużych dostawców chmurowych (tzw. hyperscalerów). W Polsce te wskaźniki są wyraźnie niższe – odpowiednio 24% i 38%.
Choć modele open-source oferują szereg korzyści, takich jak elastyczność wdrożeniowa i niższy koszt licencyjny, raport odnotowuje, że globalnie rosną obawy związane z ich ograniczeniami – m.in. potencjalnymi lukami w zabezpieczeniach, poleganiem na społecznościowym wsparciu oraz wolniejszymi cyklami aktualizacji. Mimo to, obserwowana w Polsce wyższa skłonność do wyboru rozwiązań open-source stanowi wyróżnik lokalnej strategii technologicznej.
Z globalnej perspektywy koszt implementacji pozostaje jedną z kluczowych barier dla szerokiej adopcji technologii AI – wskazuje na nią 42% badanych organizacji. To właśnie aspekty kosztowe w dużej mierze mogą wpływać na wybory technologiczne firm, w tym rosnące zainteresowanie modelami open-source. Żeby skutecznie rozwijać rozwiązania AI w firmach, potrzebne jest dobre planowanie – od decyzji, czy lepiej coś zbudować samodzielnie, czy kupić gotowe rozwiązanie, przez tworzenie klarownych planów wdrożeń, aż po mądre zarządzanie kosztami, które obejmuje m.in. dostosowanie infrastruktury i usprawnienie procesów. Na tym tle większe zainteresowanie polskich firm modelami open-source można postrzegać nie tylko jako kwestię technologiczną, ale też jako praktyczną odpowiedź na ograniczone budżety i potrzebę większej elastyczności.
Ludzie i przywództwo: warunek skalowania AI
Jednym z obszarów, w których Polska wypada słabiej na tle średniej globalnej, jest gotowość pracowników i pracownic do pracy z technologiami AI. Prognozowane wskaźniki w zakresie dostępności narzędzi, poziomu przeszkolenia oraz przewidywanych zmian ról zawodowych są w Polsce konsekwentnie niższe we wszystkich analizowanych horyzontach czasowych – 2025, 2026 oraz 2027–2028. Przykładowo, w 2025 roku jedynie 34% osób pracujących w Polsce ma dostęp do zatwierdzonych narzędzi AI (wobec 46% globalnie), a odsetek przeszkolonego personelu wynosi również 35% – o 11 punktów procentowych mniej niż średnia globalna.
Wśród polskich liderów biznesu entuzjazm wobec Gen AI jest mniejszy niż na świecie. Odsetek zdecydowanych zwolenników tej technologii („silnych orędowników”) wynosi w Polsce 27%, co jest wynikiem niższym niż średnia globalna (32%). Równocześnie wyższy jest udział liderów i liderek deklarujących sceptycyzm lub brak przekonania co do potencjału Gen AI – 19% w Polsce wobec 14% globalnie.
Pełne wykorzystanie potencjału AI wymaga nie tylko inwestycji, ale także strategicznego przygotowania organizacji – od silnego przywództwa i ładu korporacyjnego, przez dostęp do danych i etyczne ramy działania, po powszechną umiejętność pracy z AI. Polskie firmy już dziś wykazują wyraźną dynamikę w adopcji agentów AI, jednak dalsze skalowanie korzyści będzie w dużej mierze zależało od gotowości zespołów oraz konsekwentnego rozwoju kompetencji cyfrowych w całej organizacji.